Conception d'Enquêtes pour le S&E : Guide Complet

Quand utiliser une enquête ?

La conception d'enquêtes est essentielle lorsque vous devez recueillir des données structurées et comparables auprès d'un grand nombre de répondants, afin de répondre à des questions quantitatives précises concernant une population donnée. Elles constituent l'instrument principal pour les situations de référence, les évaluations à mi-parcours et les évaluations finales. Elles sont également employées pour les évaluations des besoins, le suivi de la couverture et les enquêtes de performance. Recourez-y lorsque vous avez besoin de données systématiques, reproductibles et statistiquement représentatives.

Les enquêtes ne sont pas l'outil le plus approprié lorsque vous cherchez à comprendre pourquoi un phénomène se produit (privilégiez alors les groupes de discussion ou les entretiens avec des informateurs clés), lorsque la population est trop restreinte pour une analyse statistique (optez pour des méthodes qualitatives), ou lorsque la question nécessite des réponses narratives ou interprétatives.

Étapes clés de la conception d'enquête

Étape 1 : Définir les questions d'évaluation auxquelles l'enquête doit répondre

Chaque question de l'enquête doit être directement liée à une question d'évaluation ou de suivi. Les éléments sans lien clair avec la question et l'indicateur doivent être supprimés. Les enquêtes mal ciblées génèrent des données qui restent souvent inexploitées.

Étape 2 : Rédiger l'instrument

Rédigez les questions dans un langage clair et simple. Chaque question ne doit mesurer qu'une seule chose. Évitez les questions doubles ("Vous sentez-vous en sécurité et soutenu ?"), les questions orientées et le jargon. Utilisez des instruments établis et validés chaque fois qu'ils existent (par exemple, HDDS pour la diversité alimentaire des ménages, WDDS pour la diversité alimentaire des femmes, MDD-W pour la diversité alimentaire minimale des femmes).

Étape 3 : Concevoir le flux des questions et la logique de saut

Organisez les questions en sections logiques. Utilisez la logique de saut (ou de filtrage) pour orienter les répondants et leur éviter les sections non pertinentes. Commencez par des questions non sensibles et destinées à établir un rapport. Placez les questions sensibles (revenu, violence) vers la fin.

Étape 4 : Tester l'instrument

Testez l'instrument auprès d'un petit échantillon (15-30 répondants) issu du même type de population que l'étude finale. Identifiez les questions mal comprises, les problèmes de traduction et les erreurs de logique de saut. Réajustez l'instrument en fonction des résultats. Ne négligez jamais le pré-test : c'est l'investissement le plus rentable pour garantir la qualité des données.

Étape 5 : Former les enquêteurs

Les enquêteurs doivent être formés à l'utilisation de l'instrument, aux protocoles d'entretien, aux procédures de consentement et à la saisie des données. Menez des exercices de calibration où des paires d'enquêteurs interrogent indépendamment le même répondant et comparent leurs résultats.

Étape 6 : Mettre en œuvre avec des contrôles de qualité

Privilégiez la collecte de données numériques (via SurveyCTO, KoBoToolbox, ODK) pour automatiser la logique de saut, les vérifications de plage et les champs obligatoires. Mettez en place une supervision sur le terrain avec des enquêtes de vérification (ré-interrogez un échantillon aléatoire de 10 % pour valider les données des enquêteurs). Examinez les rapports de données quotidiens tout au long de la période de collecte.

Éléments essentiels d'une enquête réussie

• Portée : les sujets et indicateurs à inclure, et ceux à exclure délibérément.
• Types de questions : échelles de Likert, choix multiples, questions ouvertes, classement, questions basées sur l'observation.
• Catégories de réponse : elles doivent être exhaustives, mutuellement exclusives et adaptées à la compréhension de la population cible.
• Logique de saut (ou de filtrage) : un routage intelligent qui évite les questions non pertinentes et réduit la charge cognitive des répondants.
• Traduction et rétro-traduction : si l'enquête est menée dans une langue autre que l'anglais, effectuez une traduction directe, puis une rétro-traduction indépendante pour vérifier l'exactitude du sens.
• Protocole de pré-test : un plan détaillé spécifiant qui, où et comment l'instrument sera testé avant son déploiement à grande échelle.
• Règles de saisie et de validation des données : vérifications de plage intégrées et champs obligatoires, particulièrement importants pour la collecte de données numériques.

Bonnes pratiques en conception d'enquête

Utilisez des instruments validés. Réinventer des instruments largement utilisés (diversité alimentaire, sécurité alimentaire, WASH) engendre des problèmes de comparabilité et des risques pour la qualité des données. Privilégiez les outils établis, dont la validité et la fiabilité sont documentées.

Collectez des données sur les résultats, pas seulement sur les produits. De nombreuses enquêtes se concentrent sur ce qui a été livré (produits) plutôt que sur ce qui a réellement changé (résultats). Les indicateurs de résultats exigent des questions spécifiquement axées sur ces derniers.

Collectez les données de situation de référence avant le début du programme. Sans ces données, il est impossible de mesurer le changement et d'évaluer l'impact du programme.

Adaptez le calendrier de l'enquête à la logique de mesure. Certains résultats nécessitent du temps pour se matérialiser. Recueillir des données finales seulement 3 mois après une intervention de programme de 2 ans pourrait être prématuré pour détecter un changement significatif.

Gardez les instruments concis. La fatigue des répondants entraîne une baisse de la qualité des données dans la seconde moitié des enquêtes trop longues. Visez moins de 45 minutes pour les enquêtes auprès des ménages. Chaque question supprimée améliore la qualité des données pour les questions restantes.

Pièges courants à éviter

Sur-concevoir l'instrument. Ajouter des questions "au cas où" conduit à des enquêtes trop longues, à la fatigue des répondants et à la production de données qui ne sont jamais analysées. Chaque question représente un coût en temps pour le répondant, l'enquêteur et l'analyse.

Omettre le pré-test. Le pré-test révèle des problèmes de traduction, des questions confuses et des erreurs de logique de saut qui sont indétectables sur papier. Tester avec 20 répondants permet généralement d'identifier 80 % des problèmes de l'instrument.

Collecter des données sans impact sur l'analyse. Si vous ne pouvez pas agir sur une découverte négative, ne collectez pas ces données. Recueillir des informations sans intention de les utiliser gaspille le temps des répondants et érode la confiance de la communauté.

Manquer de standardisation entre les enquêteurs. Si différents enquêteurs interprètent et administrent les questions différemment, les données obtenues ne seront pas comparables. La formation de calibration et les protocoles de vérification rétroactive permettent de résoudre ce problème.

Exemples concrets

Situation de référence WASH, Afrique de l'Est. Un programme WASH financé par l'UNICEF en Éthiopie a utilisé l'Outil d'évaluation des conditions WASH comme base pour son enquête de situation de référence. Douze questions spécifiques au programme sur les comportements d'hygiène ont été ajoutées. L'enquête auprès des ménages, d'une durée de 40 minutes, a été pré-testée dans deux villages situés en dehors de la zone du programme avant son déploiement. Des exercices de calibration entre paires d'enquêteurs ont permis d'identifier une définition mal comprise de "latrine améliorée", qui a été corrigée avant la collecte de données sur le terrain. L'enquête finale a été administrée à 1 800 ménages répartis dans trois districts.

Enquête sur la sécurité alimentaire, Afrique de l'Ouest. Un programme financé par le PAM au Mali a utilisé l'Échelle d'accès à l'insécurité alimentaire des ménages (HFIAS) et le Score de diversité alimentaire des ménages (HDDS) comme base pour son enquête de suivi. Ces instruments validés ont permis la comparaison avec la base de données mondiale du PAM et avec sa propre situation de référence. La traduction en langue locale a été réalisée par le personnel bilingue du programme, suivie d'une rétro-traduction indépendante par un linguiste universitaire.

Comparaison avec d'autres méthodes

Ressources et sujets associés

• Méthodes d'échantillonnage : comment sélectionner qui enquêter
• Conception de la situation de référence : concevoir le premier point de collecte de données que les enquêtes permettent de comparer
• Assurance qualité des données (AQD) : les processus pour vérifier la qualité des données d'enquête
• Validité : si l'enquête mesure ce qu'elle est censée mesurer
• Fiabilité : si l'enquête produit des résultats cohérents