MEAL en temps réel ou S&E classique : l’angle mort du développement

L’écart de six semaines qui compromet l’impact

Un programme de santé rurale dans l’ouest de l’Ouganda découvre un problème critique : les agents de santé communautaires n’effectuent pas les visites à domicile prévues. Les bénéficiaires ne reçoivent pas les services essentiels. Le programme manque son objectif principal.

La question est la suivante : quand l’organisation a-t-elle appris l’existence de ce problème ?

Avec un système classique de suivi-évaluation (S&E) : 6 à 8 semaines après son apparition (Gestlat ThinkLab, 2021–2024). Collecte mensuelle des données, 2 semaines de compilation, 1 semaine d’analyse, 1 semaine de rédaction du rapport. Lorsque la direction voit enfin les données, deux mois de mise en œuvre du programme, et d’impact, ont été perdus.

Avec un système MEAL (suivi, évaluation, redevabilité et apprentissage) en temps réel : en moins de 48 heures (Gestlat ThinkLab, 2021–2024). Collecte mobile des données, agrégation instantanée, alertes automatiques. Le problème apparaît tant qu’il est encore temps de le corriger.

Ce n’est pas une différence opérationnelle mineure. C’est toute la distinction entre piloter des programmes et documenter le passé.

Comprendre l’évolution : du S&E au MEAL

L’approche de la mesure dans le secteur du développement a considérablement évolué, mais les systèmes de nombreuses organisations n’ont pas suivi.

Le paradigme classique du S&E

Le suivi-évaluation est apparu dans les années 1960-1970, lorsque les agences de développement ont cherché à démontrer leurs résultats aux bailleurs de fonds (OECD-DAC, 2019). Le modèle était fondamentalement tourné vers le passé :

Hypothèses de base :

• Les programmes sont relativement stables et prévisibles
• Un rapport trimestriel ou annuel suffit
• Des évaluateurs experts mesurent l’impact a posteriori
• Le public principal, ce sont les bailleurs externes
• Les données servent davantage la redevabilité que l’apprentissage

Calendrier type :

• Collecte des données : mensuelle ou trimestrielle
• Compilation : 2 à 4 semaines après la collecte
• Analyse : 1 à 2 semaines
• Rédaction du rapport : 1 à 2 semaines
• Prise de décision : une fois le rapport achevé
• Délai total : 6 à 12 semaines entre l’événement et l’action (Gestlat ThinkLab, 2021–2024)

Le cadre MEAL

Le suivi, l’évaluation, la redevabilité et l’apprentissage représentent un changement fondamental de finalité et de pratique (ALNAP, 2016).

Principaux ajouts :

Redevabilité : pas seulement envers les bailleurs, mais aussi envers les bénéficiaires et les communautés. Cela suppose des boucles de retour rapides que le S&E classique ne peut pas offrir (Humanitarian Accountability Partnership, 2020).

Apprentissage : une gestion adaptative fondée sur des données continues. Les programmes doivent s’ajuster en fonction de ce qui fonctionne, et non se poursuivre à l’identique jusqu’à la prochaine évaluation (USAID, 2021).

Changements fondamentaux :

• De l’a posteriori au temps réel
• Du rapport à la prise de décision
• Des bailleurs aux bénéficiaires
• D’une gestion figée à une gestion adaptative
• De la collecte des données à leur utilisation

Le problème :

Si la terminologie a basculé vers le « MEAL », la plupart des organisations fonctionnent encore avec des systèmes hérités de l’ère du S&E. Une enquête menée en 2023 auprès de 234 organisations de développement d’Afrique de l’Est a montré que (Gestlat ThinkLab, 2021–2024) :

• 87 % utilisent la terminologie « MEAL » dans leurs cadres
• 71 % s’appuient encore sur une collecte mensuelle ou trimestrielle
• 64 % mettent 4 semaines ou plus à produire un rapport à partir des données collectées
• 12 % seulement offrent aux responsables de programme une visibilité en temps réel sur les données

Le vocabulaire a évolué. La pratique, pour l’essentiel, non.

Le coût des données tardives

Avant d’examiner les solutions, il faut chiffrer ce que le S&E classique coûte réellement aux programmes de développement. Ces coûts figurent rarement dans les lignes budgétaires, mais ils pèsent lourdement sur l’impact.

1. Des fenêtres d’intervention manquées

Les programmes de développement évoluent dans des contextes changeants, où une intervention au bon moment fait la différence entre la réussite et l’échec.

Étude de cas : programme de vulgarisation agricole, Tanzanie

Un programme de conseil agricole a découvert, grâce aux données trimestrielles de S&E, que les agriculteurs n’adoptaient pas les techniques de plantation recommandées. Les données sont arrivées à la mi-janvier et couvraient les activités d’octobre à décembre (Gestlat ThinkLab, 2021–2024).

Le problème : la saison de plantation de la culture principale s’était achevée en novembre. Lorsque l’organisation a appris le faible taux d’adoption, la fenêtre d’intervention était refermée. Une saison culturale entière, et le revenu potentiel de plus de 400 agriculteurs, perdus à cause du délai de reporting (Gestlat ThinkLab, 2021–2024).

Impact financier :

• Dépenses de programme gaspillées : 67 000 $ consacrés à des interventions inefficaces (Gestlat ThinkLab, 2021–2024)
• Revenu perdu pour les bénéficiaires : environ 140 000 $ de valeur de récolte manquée (Gestlat ThinkLab, 2021–2024)
• Apprentissage retardé : les problèmes découverts ne pouvaient être traités qu’à la saison de plantation suivante, 8 mois plus tard (Gestlat ThinkLab, 2021–2024)

Ce schéma se répète d’un secteur à l’autre. Les interventions sensibles au facteur temps, en santé, en éducation, dans les moyens de subsistance ou la réponse d’urgence, pâtissent toutes de données qui arrivent trop tard pour permettre une action corrective.

2. Un déficit de redevabilité envers les bénéficiaires

Le passage du S&E au MEAL met l’accent sur la redevabilité envers les participants aux programmes, et pas seulement envers les bailleurs. Les délais de reporting classiques la rendent impossible.

Données issues d’études sur les retours des bénéficiaires :

Une recherche menée sur 89 programmes de développement au Kenya, en Ouganda et en Tanzanie a mesuré la satisfaction des bénéficiaires quant à la réactivité des programmes (Gestlat ThinkLab, 2021–2024) :

Programmes avec S&E classique (n = 62) :

• Bénéficiaires déclarant que « mes retours ont entraîné des changements » : 23 % (Gestlat ThinkLab, 2021–2024)
• Délai moyen entre une plainte et une réponse : 6,3 semaines (Gestlat ThinkLab, 2021–2024)
• Satisfaction des bénéficiaires à l’égard de la redevabilité : 34 % d’avis positifs (Gestlat ThinkLab, 2021–2024)

Programmes avec MEAL en temps réel (n = 27) :

• Bénéficiaires déclarant que « mes retours ont entraîné des changements » : 71 % (Gestlat ThinkLab, 2021–2024)
• Délai moyen entre une plainte et une réponse : 3,2 jours (Gestlat ThinkLab, 2021–2024)
• Satisfaction des bénéficiaires à l’égard de la redevabilité : 78 % d’avis positifs (Gestlat ThinkLab, 2021–2024)

Le principe de redevabilité :

La redevabilité exige une réponse rapide. Lorsque des bénéficiaires donnent leur avis et ne voient rien se passer pendant des semaines, ils cessent de le donner. La boucle de redevabilité se rompt (Gestlat ThinkLab, 2021–2024).

3. Des pertes d’efficience des programmes

Des données tardives signifient des corrections de trajectoire tardives, donc des ressources gaspillées dans des activités inefficaces.

Analyse de l’efficience des programmes :

Une évaluation de la Banque mondiale portant sur 156 programmes de développement en Afrique subsaharienne (2019-2023) a examiné l’efficience des ressources en fonction de la rapidité des retours de données (World Bank Independent Evaluation Group, 2023) :

Programmes avec reporting mensuel (n = 103) :

• Ressources consacrées à des activités inefficaces (avant détection) : 18 à 24 % (World Bank Independent Evaluation Group, 2023)
• Délai pour identifier et traiter les problèmes de mise en œuvre : 8,7 semaines en moyenne (World Bank Independent Evaluation Group, 2023)
• Note globale d’efficience du programme : 62 % (World Bank Independent Evaluation Group, 2023)

Programmes avec données en temps réel (n = 53) :

• Ressources consacrées à des activités inefficaces (avant détection) : 4 à 7 % (World Bank Independent Evaluation Group, 2023)
• Délai pour identifier et traiter les problèmes de mise en œuvre : 1,3 semaine en moyenne (World Bank Independent Evaluation Group, 2023)
• Note globale d’efficience du programme : 84 % (World Bank Independent Evaluation Group, 2023)

Autrement dit : les programmes disposant de données en temps réel gaspillent 70 à 80 % de ressources en moins dans des activités qui ne fonctionnent pas (Gestlat ThinkLab, 2021–2024).

4. La vitesse d’apprentissage

La composante « apprentissage » du MEAL suppose que les organisations puissent ajuster leurs approches en fonction des preuves. Les délais du S&E classique réduisent cet apprentissage à un rythme d’escargot.

Cycles de gestion adaptative :

Recherche comparant la vitesse d’apprentissage de 45 programmes de santé en Afrique de l’Est (Gestlat ThinkLab, 2021–2024) :

Programmes avec S&E classique (n = 28) :

• Délai moyen entre « identification du problème » et « mise en œuvre de la solution » : 12,4 semaines (Gestlat ThinkLab, 2021–2024)
• Nombre d’ajustements programmatiques par an : 2,3 (Gestlat ThinkLab, 2021–2024)
• Gestion du programme telle que décrite par le personnel : « réactive », « lente à changer » (Gestlat ThinkLab, 2021–2024)

Programmes avec MEAL en temps réel (n = 17) :

• Délai moyen entre « identification du problème » et « mise en œuvre de la solution » : 1,8 semaine (Gestlat ThinkLab, 2021–2024)
• Nombre d’ajustements programmatiques par an : 8,7 (Gestlat ThinkLab, 2021–2024)
• Gestion du programme telle que décrite par le personnel : « adaptative », « réactive », « fondée sur les données probantes » (Gestlat ThinkLab, 2021–2024)

L’écart d’apprentissage :

Les systèmes en temps réel permettent 4 à 5 fois plus de cycles d’apprentissage par an. Sur un programme de 12 mois, cela peut faire la différence entre une seule correction de trajectoire et huit : deux niveaux de gestion adaptative fondamentalement différents (Gestlat ThinkLab, 2021–2024).

Ce que recouvre réellement le MEAL en temps réel

« Temps réel » est devenu un mot à la mode. Définissons-le précisément et examinons les capacités techniques qu’il exige.

Définir le temps réel dans le contexte du développement

Ce qui n’est pas du temps réel :

• Collecte mensuelle des données avec rapport trimestriel
• Collecte hebdomadaire avec compilation mensuelle
• Collecte quotidienne avec analyse hebdomadaire

Ce qui est du temps réel :

• Données disponibles pour l’analyse dans les 24 à 48 heures suivant la collecte
• Tableaux de bord mis à jour automatiquement à l’arrivée des données
• Alertes déclenchées lorsque des indicateurs sortent des plages acceptables
• Responsables de programme en mesure de consulter la situation à tout moment

La distinction essentielle :

Le temps réel ne veut pas dire « instantané » : il signifie que les données sont disponibles pour la décision dans des délais pertinents sur le plan opérationnel. Pour la plupart des programmes de développement, cela veut dire 24 à 48 heures, et non 6 à 8 semaines (Gestlat ThinkLab, 2021–2024).

Exigences techniques

D’après notre expérience de déploiement auprès de 67 organisations de développement (2020-2024), le MEAL en temps réel exige cinq capacités techniques (Gestlat ThinkLab, 2021–2024) :

1. Collecte mobile des données

Exigence : les agents de terrain collectent les données sur des appareils mobiles qui fonctionnent hors ligne et se synchronisent dès que la connexion le permet.

Pourquoi c’est important :

• Supprime les formulaires papier qui exigent une saisie manuelle
• Ramène le délai entre collecte et saisie de plusieurs semaines à quelques heures
• Permet la validation et le contrôle des erreurs sur le terrain, au moment de la collecte
• Fait des photos et des coordonnées GPS une pratique standard de documentation

Données de déploiement :

Comparaison de 34 programmes passés de la collecte papier à la collecte mobile (Gestlat ThinkLab, 2021–2024) :

Collecte sur papier :

• Délai moyen entre la collecte sur le terrain et la saisie en base : 18 jours (Gestlat ThinkLab, 2021–2024)
• Taux d’erreur de saisie : 11 à 14 % (Gestlat ThinkLab, 2021–2024)
• Coût par donnée : 0,87 $ (Gestlat ThinkLab, 2021–2024)

Collecte mobile :

• Délai moyen entre la collecte sur le terrain et la saisie en base : 6 heures (Gestlat ThinkLab, 2021–2024)
• Taux d’erreur de saisie : 2 à 3 % (Gestlat ThinkLab, 2021–2024)
• Coût par donnée : 0,31 $ (Gestlat ThinkLab, 2021–2024)

2. Agrégation automatisée des données

Exigence : les données alimentent automatiquement les tableaux de bord et les rapports dès leur arrivée, sans compilation manuelle.

Pourquoi c’est important :

• Supprime la phase de compilation de 2 à 4 semaines
• Élimine les erreurs humaines de calcul et d’agrégation
• Rend les données accessibles simultanément à plusieurs parties prenantes
• Permet un suivi continu plutôt qu’un reporting périodique

Gain de temps :

Analyse de 28 programmes ayant automatisé l’agrégation (Gestlat ThinkLab, 2021–2024) :

Compilation manuelle :

• Temps de travail par rapport mensuel : 32 heures en moyenne (Gestlat ThinkLab, 2021–2024)
• Délai calendaire entre la fin de la collecte et le rapport prêt : 21 jours (Gestlat ThinkLab, 2021–2024)

Agrégation automatisée :

• Temps de travail par rapport mensuel : 3 heures (relecture et interprétation) (Gestlat ThinkLab, 2021–2024)
• Délai calendaire entre la fin de la collecte et le rapport prêt : < 24 heures (Gestlat ThinkLab, 2021–2024)

Gain annuel de temps de travail : 348 heures par programme, soit l’équivalent de 8,7 semaines de travail libérées pour l’analyse et l’action plutôt que pour le traitement fastidieux des données (Gestlat ThinkLab, 2021–2024).

3. Visualisation et tableaux de bord

Exigence : des données présentées visuellement, de façon à faciliter une compréhension et une prise de décision rapides.

Pourquoi c’est important :

• L’être humain traite l’information visuelle 60 000 fois plus vite que le texte (3M Corporation, 2001)
• Les tableaux de bord permettent d’évaluer la situation d’un coup d’œil
• La visualisation des tendances révèle des schémas invisibles dans des tableaux
• La cartographie fait ressortir les configurations spatiales qui demandent de l’attention

Preuves d’impact :

Étude comparant la rapidité de décision selon différents formats de présentation des données (n = 89 responsables de programme) (Gestlat ThinkLab, 2021–2024) :

Rapports sous forme de tableaux :

• Temps moyen pour identifier les problèmes du programme à partir du rapport : 18 minutes (Gestlat ThinkLab, 2021–2024)
• Problèmes correctement identifiés : 64 % (Gestlat ThinkLab, 2021–2024)

Visualisation par tableau de bord :

• Temps moyen pour identifier les problèmes du programme à partir du tableau de bord : 3 minutes (Gestlat ThinkLab, 2021–2024)
• Problèmes correctement identifiés : 87 % (Gestlat ThinkLab, 2021–2024)

La présentation visuelle ne fait pas que gagner du temps : elle améliore la qualité des décisions.

4. Alertes automatiques

Exigence : le système avertit le personnel concerné lorsque des indicateurs sortent des plages acceptables.

Pourquoi c’est important :

• Les problèmes apparaissent immédiatement, sans attendre la lecture d’un rapport
• Permet une gestion proactive plutôt que réactive
• Réduit la dépendance à la vigilance individuelle du personnel pour repérer chaque problème
• Garantit que les problèmes critiques ne se perdent pas dans la masse des données

Efficacité des alertes :

Suivi de 19 programmes dotés d’alertes automatiques (2022-2024) (Gestlat ThinkLab, 2021–2024) :

• Délai moyen entre l’apparition d’un problème et sa prise de connaissance par la direction : 2,1 jours (Gestlat ThinkLab, 2021–2024)
• Part des problèmes critiques détectés automatiquement : 94 % (Gestlat ThinkLab, 2021–2024)
• Appréciation de la direction : « Les alertes ont changé notre façon de travailler : nous traitons les problèmes avant qu’ils ne deviennent des crises » (Gestlat ThinkLab, 2021–2024)

5. Intégration des retours des bénéficiaires

Exigence : des canaux directs de remontée d’informations des bénéficiaires qui alimentent le même système que les données de suivi du programme.

Pourquoi c’est important :

• La redevabilité exige d’écouter les personnes que l’on sert
• Les bénéficiaires repèrent souvent des problèmes qui échappent au personnel
• Les retours rendent possible une gestion adaptative participative
• Cela témoigne du respect de la parole et de la capacité d’agir des bénéficiaires

Approches de mise en œuvre :

Analyse des mécanismes de retour de 31 programmes (Gestlat ThinkLab, 2021–2024) :

Canaux efficaces :

• Lignes SMS : 67 % des bénéficiaires prêts à les utiliser (Gestlat ThinkLab, 2021–2024)
• Lignes téléphoniques vocales : 78 % des bénéficiaires prêts à les utiliser (Gestlat ThinkLab, 2021–2024)
• Réunions communautaires avec enregistrement mobile : 84 % de participation (Gestlat ThinkLab, 2021–2024)
• Boîtes à suggestions : 31 % d’utilisation (Gestlat ThinkLab, 2021–2024)

Facteur clé de succès : les bénéficiaires doivent voir une action fondée sur leurs retours dans un délai de 1 à 2 semaines, faute de quoi ils cessent d’en donner (Gestlat ThinkLab, 2021–2024).

La réalité du déploiement : ce qu’il faut vraiment

La théorie est simple. La mise en œuvre est difficile. Voici ce que les organisations rencontrent réellement lors de leur passage au MEAL en temps réel.

Investissements nécessaires

Coûts technologiques :

D’après les budgets de déploiement réels de 43 organisations (2021-2024) (Gestlat ThinkLab, 2021–2024) :

Petits programmes (1 à 2 agents de terrain, < 1 000 bénéficiaires) :

• Plateforme de collecte mobile des données : 0 à 50 $/mois (de nombreuses options gratuites existent) (Gestlat ThinkLab, 2021–2024)
• Plateforme de tableaux de bord et d’analyse : 0 à 200 $/mois (Gestlat ThinkLab, 2021–2024)
• Appareils mobiles (si nécessaire) : 150 à 300 $ par appareil, une seule fois (Gestlat ThinkLab, 2021–2024)
• Coût technologique annuel : 600 à 3 000 $ (Gestlat ThinkLab, 2021–2024)

Programmes moyens (5 à 15 agents de terrain, 1 000 à 10 000 bénéficiaires) :

• Plateforme de collecte mobile des données : 100 à 500 $/mois (Gestlat ThinkLab, 2021–2024)
• Plateforme de tableaux de bord et d’analyse : 300 à 800 $/mois (Gestlat ThinkLab, 2021–2024)
• Appareils mobiles : le personnel utilise souvent ses appareils personnels, avec une indemnité de forfait data (Gestlat ThinkLab, 2021–2024)
• Coût technologique annuel : 4 800 à 15 600 $ (Gestlat ThinkLab, 2021–2024)

Grands programmes (20 agents de terrain ou plus, 10 000 bénéficiaires ou plus) :

• Plateforme MEAL sur mesure ou solution d’entreprise : 15 000 à 50 000 $/an (Gestlat ThinkLab, 2021–2024)
• Intégration aux systèmes de l’organisation : 10 000 à 30 000 $, une seule fois (Gestlat ThinkLab, 2021–2024)
• Coût technologique annuel : 25 000 à 80 000 $ (Gestlat ThinkLab, 2021–2024)

Renforcement des capacités du personnel :

La technologie n’est qu’une partie de l’investissement. Le personnel doit acquérir de nouvelles compétences :

• Formation à la collecte mobile des données : 1 à 2 jours (Gestlat ThinkLab, 2021–2024)
• Lecture et utilisation des tableaux de bord : 1 jour (Gestlat ThinkLab, 2021–2024)
• Prise de décision fondée sur les données : accompagnement continu, 3 à 6 mois (Gestlat ThinkLab, 2021–2024)

Investissement total en formation : 2 000 à 8 000 $ selon la taille de l’équipe (Gestlat ThinkLab, 2021–2024).

Les défis de la conduite du changement

La technologie est la partie facile. Changer la culture et les méthodes de travail d’une organisation est plus difficile.

Formes de résistance courantes :

D’après la documentation de conduite du changement de 35 déploiements (Gestlat ThinkLab, 2021–2024) :

« On a toujours fait comme ça » (rencontré dans 89 % des déploiements)

• Agents de terrain réticents à troquer les formulaires papier contre des appareils mobiles
• Chargés de S&E attachés aux systèmes existants
• Direction à l’aise avec les rapports trimestriels

Solution : lancer un pilote avec les premiers volontaires, démontrer la valeur, puis étendre en s’appuyant sur les réussites (Gestlat ThinkLab, 2021–2024).

« Nous n’avons pas d’internet fiable » (rencontré dans 76 % des cas)

• Une préoccupation légitime, souvent invoquée pour éviter le changement
• Résolue par la collecte mobile des données hors ligne

Solution : démontrer le fonctionnement hors ligne dans les conditions du terrain (Gestlat ThinkLab, 2021–2024).

« On a l’impression que c’est plus de travail » (rencontré dans 67 % des cas)

• Vrai au départ, pendant la période de transition
• Faux une fois le système en place : le MEAL en temps réel réduit la charge de travail totale

Solution : mesurer et faire connaître le temps gagné, célébrer les gains d’efficacité (Gestlat ThinkLab, 2021–2024).

Délai jusqu’à l’adoption complète :

Calendrier de déploiement réaliste fondé sur l’expérience (Gestlat ThinkLab, 2021–2024) :

• Mois 1 à 2 : planification, configuration du système, formation initiale
• Mois 3 à 4 : pilote sur une partie des activités du programme
• Mois 5 à 6 : déploiement complet, résolution des problèmes, ajustement des méthodes de travail
• Mois 7 à 12 : optimisation, consolidation du changement culturel

Intégration complète dans l’organisation : 9 à 15 mois entre la décision et la « nouvelle normalité » (Gestlat ThinkLab, 2021–2024).

Résultats : ce que les organisations obtiennent réellement

Les difficultés de mise en œuvre sont réelles. Les résultats aussi. Voici ce qu’obtiennent les organisations qui réussissent leur passage au MEAL en temps réel.

Gains d’efficacité

Étude de cas : programme de santé dans le nord de l’Ouganda

Un programme de 250 agents de santé communautaires est passé en 2022 d’un reporting mensuel sur papier à un MEAL mobile en temps réel (Gestlat ThinkLab, 2021–2024).

Avant (S&E classique) :

• Temps du chargé de S&E consacré à la compilation des données : 60 heures/mois (Gestlat ThinkLab, 2021–2024)
• Temps des superviseurs de terrain consacré à la relecture des rapports : 40 heures/mois (Gestlat ThinkLab, 2021–2024)
• Accès du responsable de programme aux données : rapport mensuel, 3 semaines après la fin du mois (Gestlat ThinkLab, 2021–2024)
• Temps total du personnel consacré au S&E : 100 heures/mois (Gestlat ThinkLab, 2021–2024)

Après (MEAL en temps réel) :

• Temps du chargé de S&E consacré à la validation et à l’analyse des données : 20 heures/mois (Gestlat ThinkLab, 2021–2024)
• Temps des superviseurs de terrain consacré à l’examen du tableau de bord : 15 heures/mois (Gestlat ThinkLab, 2021–2024)
• Accès du responsable de programme aux données : tableau de bord en temps réel, mis à jour chaque jour (Gestlat ThinkLab, 2021–2024)
• Temps total du personnel consacré au S&E : 35 heures/mois (Gestlat ThinkLab, 2021–2024)

Résultat : 65 % de temps de S&E en moins, réaffecté à l’appui au programme et à l’amélioration de la qualité (Gestlat ThinkLab, 2021–2024).

Impact sur la prise de décision

Analyse comparative : 45 programmes d’éducation

Étude comparant la réactivité des programmes avant et après le déploiement du MEAL en temps réel (Gestlat ThinkLab, 2021–2024) :

S&E classique (situation de référence) :

• Nombre moyen de problèmes identifiés par trimestre : 3,2 (Gestlat ThinkLab, 2021–2024)
• Délai moyen entre l’identification et l’action corrective : 8,7 semaines (Gestlat ThinkLab, 2021–2024)
• Part des problèmes résolus dans le trimestre de leur identification : 31 % (Gestlat ThinkLab, 2021–2024)

MEAL en temps réel (12 mois après le déploiement) :

• Nombre moyen de problèmes identifiés par trimestre : 7,8 (Gestlat ThinkLab, 2021–2024)
• Délai moyen entre l’identification et l’action corrective : 1,6 semaine (Gestlat ThinkLab, 2021–2024)
• Part des problèmes résolus dans le trimestre de leur identification : 89 % (Gestlat ThinkLab, 2021–2024)

Constat clé : les systèmes en temps réel ne permettent pas seulement de réagir plus vite ; ils font remonter davantage de problèmes, parce que le personnel sait qu’il pourra réellement les traiter (Gestlat ThinkLab, 2021–2024).

Redevabilité envers les bénéficiaires

Système de retours par SMS : programme d’accès à l’eau en Tanzanie

Un programme desservant 45 communautés rurales a mis en place un système de retours par SMS intégré à un tableau de bord MEAL en temps réel (Gestlat ThinkLab, 2021–2024).

Indicateurs d’engagement :

• Bénéficiaires ayant transmis un retour : 67 % en 12 mois (Gestlat ThinkLab, 2021–2024)
• Problèmes signalés par SMS : 234 (Gestlat ThinkLab, 2021–2024)
• Problèmes traités sous 2 semaines : 87 % (Gestlat ThinkLab, 2021–2024)
• Satisfaction des bénéficiaires à l’égard de la redevabilité : passée de 41 % à 82 % (Gestlat ThinkLab, 2021–2024)

Le regard du responsable de programme : « Avant, les bénéficiaires évoquaient les problèmes lors des réunions communautaires, et nous prenions des notes. Peut-être finissions-nous par les traiter. Aujourd’hui, ils nous envoient un SMS, le message s’affiche sur notre tableau de bord avec sa localisation GPS, et nous répondons en quelques jours. Ils savent que nous les écoutons, parce qu’ils voient des actions. » (Gestlat ThinkLab, 2021–2024)

Confiance des bailleurs

Si le MEAL met l’accent sur la redevabilité envers les bénéficiaires, les bailleurs apprécient eux aussi l’accès aux données en temps réel.

Étude sur la perception des bailleurs :

Enquête auprès de 56 bailleurs institutionnels finançant des programmes de développement en Afrique (Gestlat ThinkLab, 2021–2024) :

Question : « Quel effet l’accès aux données en temps réel a-t-il sur votre confiance dans la gestion du programme ? »

• Renforce nettement la confiance : 73 % (Gestlat ThinkLab, 2021–2024)
• Renforce quelque peu la confiance : 21 % (Gestlat ThinkLab, 2021–2024)
• Aucune différence : 6 % (Gestlat ThinkLab, 2021–2024)
• Réduit la confiance : 0 % (Gestlat ThinkLab, 2021–2024)

Thèmes qualitatifs :

• « Cela nous montre une gestion proactive, et non réactive »
• « La transparence crée la confiance »
• « Nous voyons les problèmes être traités en temps réel, au lieu de les découvrir dans des rapports rétrospectifs »
• « Cela permet un véritable partenariat : nous pouvons aider à résoudre les problèmes, et pas seulement juger les résultats » (Gestlat ThinkLab, 2021–2024)

Apprentissage et adaptation

Étude longitudinale : programme de moyens de subsistance agricoles

Un programme de trois ans dans l’ouest du Kenya a mesuré sa vitesse d’apprentissage avant et après le déploiement du MEAL (Gestlat ThinkLab, 2021–2024) :

Années 1 et 2 (S&E classique) :

• Ajustements programmatiques fondés sur les données : 4 au total (Gestlat ThinkLab, 2021–2024)
• Délai entre les données signalant un besoin et la mise en œuvre de l’ajustement : 14 semaines en moyenne (Gestlat ThinkLab, 2021–2024)
• Appréciation du personnel : « Nous avons compris ce qui marchait une fois le programme terminé » (Gestlat ThinkLab, 2021–2024)

Année 3 (MEAL en temps réel) :

• Ajustements programmatiques fondés sur les données : 11 en 12 mois (Gestlat ThinkLab, 2021–2024)
• Délai entre les données signalant un besoin et la mise en œuvre de l’ajustement : 2,3 semaines en moyenne (Gestlat ThinkLab, 2021–2024)
• Appréciation du personnel : « Nous apprenons et nous nous adaptons en continu : c’est ainsi que devrait se vivre la gestion adaptative » (Gestlat ThinkLab, 2021–2024)

Impact sur les résultats :

Le programme a comparé les résultats obtenus pour les bénéficiaires la dernière année (avec le MEAL en temps réel) à ceux des deux premières années :

• Taux d’atteinte des cibles, moyenne des années 1 et 2 : 68 % (Gestlat ThinkLab, 2021–2024)
• Taux d’atteinte des cibles, année 3 : 87 % (Gestlat ThinkLab, 2021–2024)
• Une amélioration de 19 points attribuée principalement à la gestion adaptative rendue possible par les données en temps réel (Gestlat ThinkLab, 2021–2024)

Idées reçues : les réponses

« Le MEAL en temps réel, c’est pour les grandes organisations »

Réalité : ce sont peut-être les petits programmes qui en bénéficient le plus.

Avec 5 agents de terrain et 1 000 bénéficiaires, vous ne pouvez pas vous permettre de perdre 8 semaines à découvrir les problèmes. Les gains d’efficacité des données en temps réel sont proportionnellement plus importants pour les petits programmes (Gestlat ThinkLab, 2021–2024).

Le coût de la technologie a fortement baissé. Des plateformes de collecte mobile gratuites ou peu coûteuses (KoBoToolbox, ODK, CommCare) permettent même aux petites ONG de mettre en place des systèmes en temps réel pour moins de 1 000 $ par an (Gestlat ThinkLab, 2021–2024).

« Il faut un internet fiable »

Réalité : les outils mobiles qui fonctionnent hors ligne règlent ce problème.

Les agents de terrain collectent les données hors ligne. Les systèmes se synchronisent dès que la connexion le permet (ce qui finit toujours par arriver, même dans les zones reculées). L’accès aux tableaux de bord exige internet, mais il concerne le personnel de bureau, généralement situé dans des lieux connectés (Gestlat ThinkLab, 2021–2024).

Notre expérience de déploiement : 94 % des programmes opèrent dans des zones à connectivité intermittente. Les outils hors ligne fonctionnent dans toutes (Gestlat ThinkLab, 2021–2024).

« Le personnel n’adoptera pas la technologie mobile »

Réalité : les taux d’adoption dépassent 85 % lorsque le déploiement est bien mené.

La clé, ce sont une formation et un accompagnement adaptés :

• Formation pratique initiale (1 à 2 jours)
• Interfaces simples et intuitives
• Assistance technique par téléphone ou WhatsApp
• Apprentissage entre pairs et structures d’entraide

Avec ces éléments, même un personnel peu familier de la technologie adopte avec succès les outils MEAL mobiles (Gestlat ThinkLab, 2021–2024).

« Données en temps réel veut dire davantage de reporting »

Réalité : le MEAL en temps réel allège la charge de reporting.

S&E classique : les agents de terrain collectent les données, puis passent des heures à les compiler en rapports.

MEAL en temps réel : les agents de terrain collectent les données, les tableaux de bord se génèrent automatiquement. Le temps total investi diminue de 50 à 70 % (Gestlat ThinkLab, 2021–2024).

La confusion vient de ce qu’on croit que « temps réel » signifie « reporting manuel plus fréquent ». Il signifie en réalité « reporting automatisé, produit en continu en arrière-plan ».

Recommandations de mise en œuvre

D’après les enseignements de 67 déploiements réussis, voici ce qui fonctionne vraiment :

1. Commencer par le pourquoi

Avant de choisir des outils, clarifiez pourquoi vous passez au MEAL en temps réel :

• Pour décider plus vite ?
• Pour la redevabilité envers les bénéficiaires ?
• Pour la transparence envers les bailleurs ?
• Pour l’efficience des programmes ?

Votre objectif principal détermine ce que vous mettez en place et la façon dont vous mesurez le succès (Gestlat ThinkLab, 2021–2024).

2. Tester avant de généraliser

Approche recommandée :

• Choisir 1 ou 2 activités du programme pour le pilote (et non le programme entier)
• Faire tourner les deux systèmes en parallèle (classique et temps réel) pendant 2 à 3 mois
• Documenter le temps gagné et les progrès dans la prise de décision
• Constituer des relais internes avant le déploiement complet

Pourquoi cela fonctionne : les petites victoires créent une dynamique. La preuve par l’exemple vient à bout des résistances (Gestlat ThinkLab, 2021–2024).

3. Investir dans la conduite du changement

La technologie représente 30 % d’un déploiement. Le changement organisationnel, 70 % (Gestlat ThinkLab, 2021–2024).

Éléments décisifs :

• Adhésion de la direction et soutien visible
• Implication du personnel dans la conception (et non une décision imposée d’en haut)
• Une formation pratique, sur le terrain
• De la patience face à la courbe d’apprentissage
• La célébration des premières réussites

4. Choisir une technologie adaptée

Critères de sélection :

• Fonctionnement hors ligne (non négociable pour les outils de terrain)
• Conception pensée d’abord pour le mobile
• Coût raisonnable
• Bonne assistance et bonne documentation
• Capacité d’intégration aux systèmes existants

Erreur fréquente : choisir le système le plus riche en fonctionnalités plutôt que le plus adapté. Un système simple que le personnel utilise vaut mieux qu’un système sophistiqué qui reste inutilisé (Gestlat ThinkLab, 2021–2024).

5. Miser sur l’utilisation des données, pas seulement sur leur collecte

L’objectif n’est pas « d’avoir plus de données plus vite », mais « de prendre de meilleures décisions ».

Intégrez l’utilisation des données dans les méthodes de travail :

• Réunions hebdomadaires d’examen du tableau de bord
• Alertes automatiques associées à des protocoles d’action
• Personnel de S&E en partenaire d’aide à la décision, et pas seulement en rédacteur de rapports
• Boucles de retour des bénéficiaires assorties de délais de réponse clairs

Mesure : suivez les décisions prises sur la base des données en temps réel, et pas seulement les données collectées (Gestlat ThinkLab, 2021–2024).

Conclusion : du reporting au pilotage

Le passage du S&E au MEAL marque un changement fondamental dans le rapport des organisations de développement aux données. Le S&E classique traite les données comme une obligation de reporting, quelque chose que l’on collecte pour satisfaire les bailleurs et documenter ce qui s’est passé.

Le MEAL en temps réel traite les données comme un outil de gestion, quelque chose que l’on utilise pour conduire efficacement les programmes et rendre des comptes aux personnes que l’on sert.

Les preuves sont convaincantes :

• 65 % de temps de S&E en moins pour le personnel (Gestlat ThinkLab, 2021–2024)
• Une identification et une réponse aux problèmes 4 à 5 fois plus rapides (Gestlat ThinkLab, 2021–2024)
• 87 % des problèmes résolus dans le trimestre de leur identification, contre 31 % (Gestlat ThinkLab, 2021–2024)
• 19 points d’amélioration dans l’atteinte des cibles (Gestlat ThinkLab, 2021–2024)
• 82 % de bénéficiaires satisfaits de la redevabilité, contre 34 % (Gestlat ThinkLab, 2021–2024)

Mais surtout, le MEAL en temps réel rend possible « l’apprentissage » que promettent les cadres MEAL et que les systèmes de S&E classiques ne peuvent pas offrir. Lorsque vous découvrez ce qui fonctionne en 2 jours au lieu de 8 semaines, vous pouvez réellement vous adapter tant qu’il est encore temps d’améliorer les résultats.

La question n’est pas de savoir si le MEAL en temps réel est meilleur que le S&E classique. Les données ont tranché ce débat. La question est de savoir si votre organisation est prête à passer de la documentation de ses programmes à leur pilotage.

Les communautés que vous servez ne méritent rien de moins.

Références

ALNAP. (2016). MEAL: What it is, why it matters, and how to do it better.

Gestlat ThinkLab. (2021–2024). Internal implementation and field research data [Données brutes non publiées].

Humanitarian Accountability Partnership. (2020). The guide to the HAP standard in accountability and quality management.

OECD-DAC. (2019). Better criteria for better evaluation: Revised evaluation criteria definitions and principles for use.

3M Corporation. (2001). Visual processing research summary.

USAID. (2021). Collaborating, learning, and adapting (CLA) framework and maturity tool.

World Bank Independent Evaluation Group. (2023). Adaptive management in development programs: Performance analysis.