Intégrer les voix de la communauté dans l'action anticipatoire : une synthèse de données qualitatives complexes
L'action anticipatoire consiste à fournir la bonne assistance, au bon endroit et au bon moment. Les cadres et les engagements pour y parvenir, tels que le Grand Bargain, la responsabilité envers les personnes touchées et l'Agenda transformateur, reconnaissent tous l'importance de veiller à ce que les voix des communautés soient "entendues et prises en compte". Cela signifie que les communautés à risque et touchées sont les mieux placées pour savoir ce dont elles ont besoin et à quel moment, et que ce sont elles qui devraient prendre les décisions.
Le Start Network s'efforce de faire en sorte que les communautés à risque puissent anticiper une crise et ne soient pas obligées de recourir à des mécanismes d'adaptation négatifs, comme sauter des repas, emprunter de l'argent pour acheter de la nourriture ou retirer leurs enfants de l'école. Cette "fenêtre d'opportunité" pour agir peut varier d'une région à l'autre d'un pays.
Notre étude récente montre qu'au Sénégal, les communautés de différentes régions entrent dans la période de soudure - la période entre la plantation et la récolte, lorsque les emplois et les revenus diminuent et que la nourriture se fait rare - à des moments différents. Cela suggère que certaines communautés pourraient avoir besoin d'aide pour faire face à la sécheresse plus tôt que d'autres. En outre, les différentes vulnérabilités qui se croisent peuvent signifier que certains groupes ont besoin de différents types d'assistance à différents moments, comme le montre une autre étude récente de Start Network, sur le genre et le financement des risques de catastrophes.
Comment, dès lors, s'assurer que l'on touche la bonne fenêtre d'opportunité et que l'on fournit la bonne assistance avec une action anticipatoire ? Les données, et en particulier les données qualitatives collectées sur plusieurs mois tout au long de l'année (données longitudinales), peuvent nous aider à comprendre non seulement quand ce moment se présente, mais aussi quel type d'assistance est le plus nécessaire. Cependant, il peut être très long de donner un sens à tant de points de données d'une manière qui aide les décideurs.
Pour y remédier, le Start Network a développé une méthodologie pour synthétiser et visualiser de grandes quantités de données longitudinales complexes, dans le cadre du programme ARC Replica au Sénégal.
Comment nous avons procédé
Collecte de données
Pour comprendre le moment opportun pour fournir une assistance, nous avons recueilli des données qualitatives dans différentes régions du Sénégal. Celles-ci ont été divisées en fonction de la principale source de subsistance ou de revenu. Ces zones - appelées "sites sentinelles" - comprenaient des régions où le pastoralisme, les arachides et le millet étaient les principales sources. Dans chaque site sentinelle, nous avons interrogé 1 à 4 personnes. Au total, 22 membres de la communauté ont été interrogés à distance chaque mois sur six domaines thématiques : la météo et l'agriculture ; l'approvisionnement en eau ; la santé des ménages ; les fermetures de marchés et la nourriture sur les marchés ; l'emprunt et l'achat à crédit ; et le bétail. Il en est résulté un ensemble de données riche décrivant la manière dont les ménages s'en sortent avant, pendant et après la période de soudure.
Codification
Ensuite, nous avons développé un système de codage par couleur dans lequel chaque site sentinelle s'est vu attribuer une couleur pour chaque mois. Un site était codé vert si aucun problème n'avait été signalé pour ce mois, jaune si des problèmes mineurs avaient été signalés, orange pour des problèmes importants (par exemple, l'utilisation de mécanismes d'adaptation négatifs) et rouge pour des problèmes graves (par exemple, la malnutrition). Si un seul répondant mentionnait quelque chose de négatif, la case était codée jaune ; si plus d'un répondant signalait quelque chose de négatif, elle était orange ; et si tous les répondants signalaient des problèmes, elle était codée rouge. Lorsque les réponses étaient contradictoires (par exemple, une personne signalant un problème important tandis qu'une autre signalait des problèmes mineurs), les codeurs décidaient de la couleur à attribuer.
Les figures 1 et 2 présentent les résultats codifiés. Chaque case de la figure 1 représente un mois ; ces données ont ensuite été converties en une roue représentant l'évolution de chaque site sentinelle (figure 2).
Figure 1 : Code couleur des mois
Figure 2 : Exemple de roue de site sentinelle
Figure 1 : Code couleur des mois
Figure 2 : Exemple de roue de site sentinelle
Qu'est-ce que ce processus nous a appris ?
Il existe de multiples fenêtres d'opportunité pour une action anticipatoire. En suivant les communautés sur plusieurs mois, nous avons constaté que certaines entrent dans la période de soudure plus tôt que d'autres. Nous avons également constaté que les cas de malnutrition étaient les plus nombreux en mai et en août, avec un plus grand nombre de familles luttant pour assurer trois repas par jour. Vers mars/avril, les ménages ont commencé à acheter des aliments supplémentaires pour leur bétail. Dans le même temps, une fois les pâturages épuisés, les prix des aliments pour le bétail ont commencé à augmenter, aggravant les effets négatifs sur le bétail. Chacun de ces éléments représente une fenêtre d'opportunité pour une action anticipatoire.
Les interventions ont été menées au bon moment, mais leur impact a parfois été de courte durée. Bien que les personnes interrogées aient trouvé que les distributions d'argent et de nourriture fournies par le gouvernement et le Start Network étaient opportunes, elles les ont épuisées très rapidement. C'était particulièrement vrai dans les grands ménages, certains ayant épuisé l'aide dès le début de la période de soudure, et la malnutrition était à nouveau en hausse au plus fort de la période de soudure.
Qu'est-ce que cela signifie pour l'action anticipatoire ?
Pour que les interventions soient efficaces et que leur impact soit durable, les praticiens de l'action anticipatoire doivent tenir compte de trois facteurs : le calendrier, la durée et le ciblage.
Le calendrier doit tenir compte du moment où les communautés se préparent à la période de soudure et les interventions doivent avoir lieu avant que les gens ne recourent à des mécanismes d'adaptation négatifs. Cela peut varier d'une région à l'autre, de sorte que les plans d'urgence peuvent nécessiter des délais plus longs pour tenir compte des différences entre les régions. Au Sénégal, les cas de malnutrition semblent augmenter en mai et en août, ce qui suggère deux fenêtres d'opportunité potentielles pour les interventions de sécurité alimentaire. La première fenêtre est le mois de mars, qui est susceptible d'être particulièrement efficace si la récolte de l'année précédente a été mauvaise ; la seconde pourrait être le mois de juin, juste avant le début de la période de soudure.
La durée d'une intervention est essentielle pour obtenir un impact durable. Cela signifie que l'aide doit s'échelonner dans le temps, plutôt que de fournir une aide ponctuelle (par exemple, un transfert d'argent). Cela permet d'éviter que les ménages épuisent leur aide trop rapidement et se retrouvent dans une situation vulnérable au début de la période de soudure. L'aide peut également être prolongée en fournissant une assistance ciblée à différents moments.
Les interventions doivent fournir différents types de soutien, ciblés sur les besoins spécifiques des communautés. Au Sénégal, un soutien axé sur l'alimentation du bétail pourrait être approprié en mars/avril, lorsque les ménages commencent à acheter des aliments complémentaires pour le bétail. En revanche, l'aide à la plantation est plus appropriée en avril/mai, avant le début de la saison des pluies.
Regarder vers l'avant
Ce type d'analyse complexe peut aider les praticiens et les décideurs à fournir les bonnes interventions et à les mettre en œuvre au moment où elles ont le plus d'impact potentiel. Ce projet pilote n'était toutefois qu'une première étape dans le processus d'apprentissage, et le Start Network prévoit de le tester dans d'autres pays. Par exemple, nous mettons en œuvre cette approche par le biais d'interventions ARC Replica au Zimbabwe, où le Start Network et le World Food Programme collaborent avec le gouvernement pour protéger les Zimbabwéens contre la sécheresse.
La valeur de l'analyse des risques centrée sur les personnes dans le renforcement des modèles de financement des risques de catastrophe a été démontrée, et nous espérons que ce type de données pourra également compléter les modèles de risque dans le cadre d'une action anticipatoire. Le Start Network intègre également les voix des communautés dans Building Blocks, un outil d'orientation permettant à nos membres de développer leurs propres systèmes de financement des risques de catastrophe. Au fur et à mesure que nous testons et affinons cette approche, nous souhaitons utiliser des échantillons plus importants et améliorer la robustesse de la méthode.
Des informations plus détaillées sur cette approche sont disponibles dans les documents de méthodologie et de visualisation, ainsi que dans une vidéo qui documente le processus (à venir).
Ce blog a été rédigé par Susan Njambi-Szlapka, conseillère en recherche et apprentissage, et Abi Jones, chargée de recherche, au Start Network.