PRÉLIMINAIRES

I. Épistémologie et Enjeux Scientifiques du Domaine

La statistique descriptive, historiquement confinée au dénombrement étatique, a muté en une science de l’inférence appliquée, où la collecte de données primaires constitue le pivot de la validation empirique. Cette UE déconstruit le mythe de la donnée “brute” pour la révéler comme une construction sociale et technique. Elle explore la tension fondamentale entre la quête d’une représentativité objective et les biais inhérents à toute interaction humaine sur le terrain. L’enjeu est de former des praticiens conscients que chaque chiffre collecté est le produit d’un protocole, d’un contexte et d’une éthique.

II. Cartographie des Compétences et Transversalité

Concevoir un protocole d’enquête fiable mobilise des compétences qui transcendent la seule statistique. Cette unité d’enseignement forge un profil hybride, à l’intersection de la sociologie pour la formulation des questions, de la géographie pour les techniques d’échantillonnage spatial, et du management de projet pour la logistique de terrain. Superviser une collecte exige un leadership situationnel et des aptitudes en communication interculturelle. Évaluer la qualité des données engage une pensée critique et une rigueur quasi-forensique, compétences directement transférables à l’audit, au contrôle qualité industriel et à la gestion de l’information.

III. Alignement Stratégique avec les Réalités Opérationnelles

Face aux besoins criants de données fiables pour le pilotage des politiques publiques et les stratégies d’investissement en RDC, les métiers de superviseur d’enquête et de chargé d’études sont en tension. Cet enseignement est calibré pour répondre à la demande immédiate des instituts nationaux de statistique, des ONG internationales, des agences onusiennes et des cabinets de marketing. En maîtrisant la chaîne complète de la collecte, de la conception du questionnaire à la validation des données, l’étudiant acquiert une employabilité maximale, devenant un maillon essentiel et crédible dans la production de savoirs socio-économiques locaux.

Chapitre I. Fondements de la Méthodologie d’Enquête

I.1 L’Architecture d’une Enquête Statistique

Au cœur de toute investigation quantitative se trouve le “Total Survey Error framework”, qui postule que l’erreur n’est pas un accident mais une composante systémique. Ce paradigme décompose l’imprécision en deux catégories : les erreurs d’échantillonnage et les erreurs de non-échantillonnage (couverture, non-réponse, mesure). Maîtriser cette taxonomie est la condition sine qua non pour passer du statut de simple collecteur à celui d’architecte d’enquête. L’objectif est de comprendre que la qualité finale d’une donnée dépend d’une série de décisions critiques prises bien en amont du terrain.

I.2 Distinction Conceptuelle : Recensement, Enquête par Sondage et Étude Monographique

La confusion entre ces trois approches est une source majeure d’erreurs méthodologiques. Le recensement vise l’exhaustivité sur une population finie, une opération logistiquement colossale. L’enquête par sondage, par contraste, recherche l’inférence statistique à partir d’un sous-ensemble représentatif, optimisant le rapport coût-précision. L’étude monographique, ou étude de cas, privilégie la profondeur analytique sur un nombre très limité d’unités. Ce sous-chapitre établit une grille de décision claire pour choisir l’outil adéquat en fonction de la question de recherche, du budget et du temps disponibles.

I.3 La Problématique des Biais : Identification et Stratégies de Mitigation

Un biais statistique est une distorsion systématique qui éloigne l’estimation de la vraie valeur du paramètre dans la population. Contrairement à l’erreur aléatoire, il ne se réduit pas avec l’augmentation de la taille de l’échantillon. Ce segment dissèque les biais les plus pernicieux : le biais de sélection, le biais de non-réponse, et le biais de mesure lié à la formulation des questions ou au comportement de l’enquêteur. L’analyse critique de ces phénomènes arme l’étudiant de techniques préventives pour concevoir des protocoles robustes et minimiser ces distorsions.

I.4 Cadre Éthique et Juridique de la Collecte en Contexte Africain

Face à des populations souvent vulnérables, la collecte de données engage une responsabilité déontologique absolue. Ce module ancre la pratique dans les principes de consentement éclairé, de confidentialité et d’anonymat, en les adaptant aux réalités culturelles et juridiques locales. Il s’agit d’apprendre à naviguer les protocoles avec les autorités coutumières, à gérer la protection des données personnelles en l’absence de cadres légaux robustes comme le RGPD, et à assurer la sécurité physique et psychologique des enquêteurs et des répondants. La confiance est le capital le plus précieux de l’enquêteur.

Chapitre II. Conception du Protocole de Collecte

II.1 Opérationnalisation : de la Question de Recherche aux Variables Mesurables

La transformation d’un concept abstrait (ex: “bien-être”) en une série de variables quantifiables est l’étape la plus créative et la plus risquée de l’enquête. Ce processus, l’opérationnalisation, exige une décomposition logique du concept en dimensions, puis en indicateurs observables et mesurables. Une mauvaise opérationnalisation invalide toute l’enquête, peu importe la qualité de la collecte. Ce sous-chapitre fournit une méthode rigoureuse pour construire un dictionnaire de variables solide, garantissant que les données collectées répondront effectivement à la problématique de départ.

II.2 Ingénierie du Questionnaire : Structure, Formulation et Échelles de Mesure

Un questionnaire est un instrument de mesure de précision. Sa conception transcende la simple rédaction de questions pour devenir une véritable ingénierie cognitive. Nous analysons la taxonomie des questions (ouvertes, fermées, à choix multiple), la psychologie des échelles de réponse (Likert, Osgood) et les techniques pour éviter les questions doubles, suggestives ou socialement désirables. L’étudiant apprendra à structurer le flux du questionnaire pour maintenir l’engagement du répondant, en utilisant des filtres et des sauts logiques pour personnaliser l’expérience et garantir la cohérence des réponses.

II.3 Les Limites du Verbatim : Traduction, Adaptation Culturelle et Pré-test

Sous l’apparente universalité d’un questionnaire standardisé se cache un piège culturel majeur. La traduction littérale d’un instrument d’enquête est une faute professionnelle ; il faut viser l’équivalence conceptuelle. Ce segment critique expose les dangers de l’ethnocentrisme méthodologique et impose la technique du “back-translation” comme standard minimum. Il détaille la méthodologie du pré-test et du pilote, deux phases non négociables pour identifier les ambiguïtés, les irritants et les problèmes de compréhension avant le déploiement à grande échelle, particulièrement dans des contextes multilingues comme celui de la RDC.

II.4 Mise en Situation : Élaboration d’un Questionnaire pour une Enquête de Consommation à Kinshasa

Cet atelier pratique simule la commande d’un cabinet d’études marketing. L’objectif est de concevoir, de A à Z, un questionnaire de 15 questions pour évaluer les habitudes de consommation de produits de première nécessité dans trois communes contrastées de Kinshasa (Gombe, Masina, Mont-Ngafula). Les étudiants devront opérationnaliser le concept de “panier de la ménagère”, choisir les échelles de mesure adéquates, intégrer des questions socio-démographiques pertinentes et justifier la structure de leur questionnaire, en anticipant les défis linguistiques (français, lingala) et logistiques.

Chapitre III. Planification de l’Échantillonnage et Logistique de Terrain

III.1 La Base de Sondage : Clé de Voute de la Représentativité

Sans une base de sondage complète, à jour et sans doublons, toute prétention à la représentativité s’effondre. Ce module explore la nature et les sources des bases de sondage : listes électorales, registres administratifs, données de recensement, ou encore bases cartographiques. Il analyse de manière critique la qualité souvent dégradée de ces sources en contexte africain et les implications directes sur la couverture de l’enquête. L’étudiant apprendra à auditer une base de sondage existante et à identifier ses lacunes pour mieux les corriger ou les contourner.

III.2 Mécanismes d’Échantillonnage Probabiliste et Non-Probabiliste

La sélection de l’échantillon est un acte technique qui conditionne la validité externe des résultats. Ce sous-chapitre dissèque les mécanismes de l’échantillonnage probabiliste (aléatoire simple, systématique, stratifié, en grappes), seul à même de permettre l’inférence statistique et le calcul des marges d’erreur. Il présente également les méthodes non-probabilistes (par quotas, de convenance, boule de neige) en précisant leur cadre d’utilisation légitime (études exploratoires) et leurs limites intrinsèques. L’objectif est de savoir choisir et justifier la méthode la plus efficiente selon les contraintes.

III.3 Critique des Méthodes : L’Échantillonnage en l’Absence de Base de Sondage Fiable

Dans de nombreuses zones rurales ou périurbaines de RDC, une base de sondage classique est inexistante. Ce segment aborde de front cette contrainte majeure et présente les innovations méthodologiques pour y pallier. L’analyse se concentre sur les méthodes de type “random walk” (itinéraire aléatoire) et l’utilisation de l’imagerie satellitaire couplée à des grilles pour créer une base de sondage aréolaire. La critique porte sur la complexité de mise en œuvre de ces techniques et les biais potentiels qu’elles introduisent si les protocoles ne sont pas suivis avec une rigueur absolue.

III.4 Application : Concevoir un Plan de Sondage Stratifié pour une Enquête Agricole au Kivu

Le défi est de planifier une enquête sur les rendements de maïs dans les provinces du Nord et Sud-Kivu. Les étudiants devront proposer un plan de sondage stratifié à deux degrés. La première étape sera de justifier la stratification (par exemple, par territoire ou par zone agro-écologique). La seconde consistera à définir les unités primaires (villages) et secondaires (ménages agricoles). Ce cas pratique force à intégrer les contraintes d’accessibilité, de sécurité et l’absence de listes exhaustives, en proposant une méthodologie pragmatique et défendable scientifiquement.

Chapitre IV. Exécution et Supervision de la Collecte de Données

IV.1 Le Rôle du Superviseur : de la Formation des Enquêteurs au Déploiement Logistique

Le superviseur est le chef d’orchestre de la collecte. Sa performance conditionne directement la qualité des données. Ce module détaille ses responsabilités critiques : recrutement et formation intensive des agents de terrain, maîtrise du questionnaire, organisation des plannings, gestion du matériel (tablettes, GPS, formulaires papier) et coordination des déplacements. Une attention particulière est portée à la préparation d’un manuel de l’enquêteur, document de référence garantissant l’uniformité des procédures et la gestion standardisée des cas difficiles rencontrés sur le terrain.

IV.2 Outils de Collecte : PAPI, CAPI et Innovations Frugales

La dichotomie entre l’enquête papier (PAPI) et l’enquête assistée par ordinateur (CAPI) structure les choix technologiques. Le CAPI, via des tablettes et des logiciels comme KoboToolbox ou ODK, offre des avantages immenses : contrôles de cohérence en temps réel, sauts logiques automatisés, géolocalisation. Cependant, sa dépendance à l’énergie et la nécessité d’une maintenance technique sont des freins. Ce segment analyse le modèle hybride, où le PAPI reste une solution de repli robuste, et explore les innovations frugales comme la collecte via SMS ou USSD pour des sondages rapides.

IV.3 La Gestion de la Non-Réponse : Refus et Absences

La non-réponse est l’ennemi silencieux de la représentativité. Un taux de non-réponse élevé peut introduire un biais majeur si les non-répondants diffèrent systématiquement des répondants. Ce sous-chapitre analyse les causes des refus (méfiance, lassitude, sujet sensible) et des absences, et fournit des stratégies proactives pour les minimiser. Il s’agit de former les enquêteurs à l’art de la persuasion éthique, de planifier des visites multiples à des heures différentes et de documenter méticuleusement les raisons de chaque échec de contact pour une analyse post-collecte.

IV.4 Simulation : Gérer une Crise sur le Terrain en tant que Superviseur

Mise en situation critique : une équipe de trois enquêteurs dans une zone reculée signale un problème. L’un est malade, la batterie de la seule tablette fonctionnelle est faible, et le chef de village conteste l’autorisation de l’enquête. L’étudiant, dans le rôle du superviseur, doit prendre une série de décisions en temps réel par téléphone. Il doit réallouer les tâches, proposer une solution pour la recharge de la tablette (ex: panneau solaire portable), et fournir les arguments et la posture pour négocier à nouveau avec le chef local.

Chapitre V. Contrôle Qualité en Temps Réel et Post-Collecte

V.1 Dimensions et Indicateurs de la Qualité des Données

La qualité d’une donnée n’est pas un concept monolithique. Elle se décompose en plusieurs dimensions mesurables : la complétude (absence de données manquantes), la validité (respect des formats et des plages de valeurs), la cohérence (logique interne entre les réponses), l’exactitude (proximité avec la valeur réelle) et la ponctualité (respect des délais). Ce module fournit une grille d’analyse et des indicateurs clés (KPIs) pour chaque dimension, permettant au contrôleur de mettre en place un tableau de bord de suivi de la qualité tout au long de la collecte.

V.2 Techniques de Contrôle : Back-Checks, High-Frequency Checks et Logique Inter-variables

Assurer la qualité exige une surveillance active et non passive. Ce segment détaille les trois outils fondamentaux du contrôleur. Les “back-checks” (ou contre-enquêtes) consistent à revisiter un sous-échantillon de ménages pour vérifier l’honnêteté et la précision de l’enquêteur. Les “high-frequency checks” sont des analyses statistiques quotidiennes sur les données entrantes pour détecter des patterns anormaux (valeurs extrêmes, variances nulles). Enfin, les scripts de contrôle de logique vérifient la cohérence entre différentes questions (ex: un enfant de 5 ans ne peut être chef de ménage).

V.3 La Critique de l’Audit : L’Effet Pervers du Contrôle sur le Comportement

Un contrôle excessif ou mal communiqué peut être contre-productif. Il peut générer un stress paralysant chez les enquêteurs ou, pire, les inciter à développer des stratégies de contournement pour paraître “parfaits”, falsifiant subtilement les données pour passer les contrôles automatisés. C’est l’effet Hawthorne appliqué à la collecte. Ce sous-chapitre analyse cette dynamique psychologique et propose une approche de l’audit qualité basée sur la collaboration et la formation continue plutôt que sur la sanction, transformant le contrôleur en un coach pour l’équipe de terrain.

V.4 Cas Pratique : Auditer un Lot de Données d’une Enquête de Santé

Un lot de 100 questionnaires (fictifs mais réalistes) issus d’une enquête sur l’accès aux soins de santé primaires est fourni aux étudiants. Leur mission est d’agir en tant que contrôleur qualité. Ils doivent rédiger et appliquer une série de règles de validation (ex: vérifier que l’âge est cohérent avec la date de naissance), identifier les questionnaires suspects (ex: temps de remplissage anormalement court), et produire un rapport synthétique pour le superviseur, recommandant soit la validation, soit la correction, soit le rejet des questionnaires problématiques.

Chapitre VI. Clôture de la Mission et Valorisation des Données Primaires

VI.1 Centralisation et Sécurisation des Données Collectées

La fin de la collecte sur le terrain n’est que le début du travail de bureau. Cette phase critique implique la centralisation de toutes les données, qu’elles soient sur papier ou sur serveurs. Ce module détaille les procédures pour minimiser les risques de perte ou de corruption : protocoles de synchronisation pour le CAPI, double saisie pour le PAPI, et stratégies de sauvegarde systématique (règle du 3-2-1). La sécurisation physique et numérique des données brutes, qui contiennent des informations personnelles, est une obligation légale et éthique absolue.

VI.2 Apurement et Documentation : du Nettoyage au Codebook

Les données brutes sont “sales”. L’apurement (ou nettoyage) est le processus itératif qui consiste à détecter et corriger les erreurs, les incohérences et les valeurs aberrantes identifiées lors du contrôle qualité. Parallèlement, la documentation est essentielle pour la pérennité et le partage des données. Ce sous-chapitre guide l’étudiant dans la création d’un “codebook” (livre de codes) et de métadonnées complètes, décrivant chaque variable, ses modalités, les questions sources et les transformations effectuées. Un jeu de données sans documentation est inutilisable.

VI.3 Les Limites de l’Interprétation : Erreur d’Échantillonnage et Portée des Résultats

Une fois les données nettoyées, la tentation est grande de surinterpréter les résultats. Ce segment constitue un garde-fou méthodologique. Il revient sur le concept de marge d’erreur et d’intervalle de confiance, en rappelant que toute estimation issue d’un sondage est sujette à une incertitude quantifiable. Il met en garde contre les généralisations abusives à partir d’échantillons non-probabilistes et souligne l’importance de présenter les résultats en toute transparence, en explicitant les limites de l’enquête (biais potentiels, taux de non-réponse) pour une interprétation honnête.

VI.4 Application Finale : Préparation d’un Rapport de Collecte pour un Bailleur de Fonds

Le livrable final de toute mission de terrain est le rapport de collecte. Cet exercice de synthèse simule la rédaction d’un tel rapport destiné à un commanditaire (ex: Banque Mondiale, UNICEF). L’étudiant doit y décrire de manière concise et rigoureuse la méthodologie employée (plan de sondage, déroulement), les défis rencontrés et les solutions apportées. Il doit surtout présenter les indicateurs clés de qualité de la collecte : taux de couverture, taux de réponse, résultats des back-checks. Ce document est la preuve de la rigueur du travail accompli.

ANNEXES

A. Grille d’Évaluation d’un Enquêteur par le Superviseur

Cet outil est une checklist structurée permettant au superviseur d’évaluer objectivement la performance de chaque agent de terrain. Elle couvre des critères techniques (maîtrise du questionnaire, utilisation de la tablette CAPI), comportementaux (posture face au répondant, gestion des refus) et administratifs (ponctualité, qualité du reporting). L’utilisation de cette grille standardisée garantit une évaluation équitable et permet d’identifier rapidement les besoins de formation continue. Pour le chargé d’études, elle fournit une traçabilité sur la qualité de la performance humaine derrière chaque donnée collectée.

B. Modèle de Rapport Journalier de Terrain

Ce gabarit formalise le reporting quotidien de l’équipe vers son superviseur. Il inclut des sections pour le nombre de questionnaires complétés, le nombre de refus et d’absences (avec motifs), les difficultés rencontrées (logistiques, sécuritaires, de compréhension), le matériel utilisé et les dépenses engagées. Pour le superviseur, c’est un instrument de pilotage essentiel qui permet d’ajuster la stratégie en temps réel. Pour le contrôleur qualité, l’analyse de ces rapports peut révéler des problèmes systémiques affectant une zone ou une équipe spécifique, orientant ainsi ses efforts de vérification.

C. Guide Pratique de KoboToolbox pour la Collecte Hors-Ligne

Ce guide synthétique est destiné au chargé d’études et au superviseur pour le déploiement rapide d’une enquête CAPI. Il se concentre sur les fonctionnalités vitales en contexte de connectivité limitée : création de formulaires avec logiques de saut et contraintes de validation, déploiement sur les tablettes Android via KoboCollect, et surtout, gestion de la collecte en mode hors-ligne. Il détaille la procédure de stockage sécurisé des données sur l’appareil et la méthode de synchronisation groupée une fois qu’un point d’accès internet est disponible, garantissant zéro perte de données.

Lire aussi :

Cours de Stage Professionnel, master-2, SHE2241

Cours de Projets : stratégie, conception et opérationnalisation, master-1, PUM2111

Cours de Langues et Communication 2, licence-3, LCO1352

Cours de Statistique et Probabilités 1, licence-1, SPR1111

Cours de Cloud Computing, master-2, CLC2231

Cours de Modélisation Hydrologique et Prédiction dans les Bassins non Jaugés, master-2, MHP2231