un cadre analytique commun fsin food security information … · 2015-07-01 · liste de figures...

Un cadre analytique commun de mesure de la résilience Cadre de Causalité et options méthodologiques

série technique no. 2Food Security Information NetworkFSIN

Food Security Information NetworkFSIN

Groupe de travail technique sur la mesure de la résilience

novembre 2014

Cette étude a pour but d’étayer la réalisation des grands objectifs du réseau d’information sur la sécurité alimentaire (Fsin) dans le but de renforcer les systèmes d’information visant à améliorer la sécurité alimentaire et nutritionnelle et promouvoir l’analyse et la prise de décision sur la base de preuves.

Ce document a fait l’objet d’une revue par les pairs conformément aux procédures rigoureuses établies par le groupe de travail technique du Fsin qui ne reflètent pas nécessairement les procédures de révision spécifiques de toutes les organisations partenaires.

les opinions exprimées et les appellations utilisées dans ce document sont celles de leur(s) auteur(s) et ne reflètent pas nécessairement les opinions de la Fao, de l’iFpri, du WFp et des organes les régissant.

les désignations employées ainsi que la présentation des données de ce document d’information n’impliquent nullement l’expression d’une quelconque opinion de la part de la Fao, de l’iFpri ou du WFp et des organes les régissant. la mention d’entreprises ou de produits de fabricants spécifiques, qu’ils soient ou non brevetés, ne signifie pas que ceux-ci ont été avalisés ou recommandés par la Fao, l’iFpri ou le WFp de préférence à d’autres entreprises ou produits de nature similaire qui ne sont pas mentionnés.

la Fao, l’iFpri et le WFp encouragent l’utilisation et la diffusion du matériel présenté dans ce document. le contenu peut être copié et diffusé à des fins non commerciales, sous réserve que la Fao, l’iFpri et le WFp soient correctement mentionnés comme source et à condition qu’il ne soit sous-entendu en aucune manière que la Fao et le WFp approuvent les opinions, produits ou services des utilisateurs.

toute demande relative aux droits de traduction ou d’adaptation, à la revente ou à d’autres droits d’utilisation commerciale doit être présentée au secrétariat du Fsin à l’adresse [email protected]. © WFp 2014

Un cadre analytique commun de mesure de la résilience Cadre de Causalité et options méthodologiques

novembre 2014



Table des matières

Remerciements 3

I. Contexte 4

II. Préface du modèle analytique commun 6modèles conceptuels, modèles analytiques et l’utilité d’un modèle analytique commun 6l’importance du contexte dans la mesure de la résilience 7tirer parti des connaissances acquises grâce aux modèles existants de mesure de la résilience 8

III. Cadre analytique commun de mesure de la résilience 10Composante 1. structure de la mesure de la résilience: étoffer la définition de base 12Composante 2. Cadre de causalité de la résilience 13Composante 3. structure des données sur la capacité de résilience: 16indicateurs et propriétés de la mesure Composante 4. trajectoire escomptée de la mesure de la résilience 18Composante 5. méthodes de collecte de données sur la mesure de la résilience 21Composante 6. procédures d’estimation de la mesure de la résilience 27

IV. Conclusion 33

V. Références 34

VI. Annexe: Révision de modèles choisis de mesure de la résilience 40 Cadre conceptuel de la Fao 40 Cadre conceptuel sur la résilience du dFid/tango 42

modèle tufts du changement des moyens d’existence avec le temps 44oXFam et aCCra: des approches fondées sur les caractéristiques 45aux approches centrées sur les capacités

Liste de figures

Figure 1. Composantes du modèle analytique commun de mesure de la résilience 11Figure 2. Cadre de causalité de la résilience 14Figure 3. sécurité alimentaire et résilience dans le temps 19Figure 4. sécurité alimentaire et résilience face à des chocs multiples 20Figure 5. Cadre conceptuel de la résilience de la Fao utilisé en somalie 41Figure 6. Cadre conceptuel de la résilience du dFid/tango 43Figure 7. Cadre détaillé du “Cycle des moyens d’existence” adapté pour le tigray en éthiopie 44

Liste de formules

Formule 1. modèle simplifié d’estimation 27Formule 2. modèle sensible au temps avec des mesures subjectives 28Formule 3. Forme fonctionnelle d’estimation de la sécurité alimentaire à travers 31 la capacité de résilience

Liste de tableaux

Tableau 1. structure des données sur la capacité de résilience 17

Cadre analytique commun de mesure de la résilience - Série technique du FSIN No. 2

3

Remerciements

Cette étude a été élaborée conjointement par mark a. Constas (Cornell university), timothy r. Frankenberger (tango international), John hoddinott (iFpri), nancy mock (tulane university), donato romano (university of Florence), et dan maxwell (tufts university) sous la direction générale de arif husain, économiste principal et directeur adjoint, division des politiques, des programmes et de l’innovation, programme alimentaire mondial (WFp) et luca russo, économiste principal, division de l’économie du développement agricole (esa), organisation pour l’alimentation et l’agriculture (Fao). un processus de revue par les pairs a permis à greg Collins (usaid), Jon Kurtz (mercy Corps), et rachel scott (oCde) de réaliser un examen détaillé du document et d’y apporter des observations précieuses dans plusieurs domaines. une autre revue technique a été effectuée par d’autres membres du groupe de travail technique sur la mesure de la résilience du réseau d’information sur la sécurité alimentaire (Fsin): tesfaye Beshah (igad), gero Carletto (Banque mondiale), richard Choularton (WFp), dramane Coulibaly (Fao), marco d’errico (Fao), Katie downie (ilri), alessandra garbero (iFad), Ky luu (tulane university), eugenie reidy (uniCeF) et nigussie tefera (Commission européenne, Centre commun de recherche).

Cette étude a également été enrichie par les observations détaillées et les contributions de John mcharris et astrid mathiassen (WFp). nos remerciements vont également à Kostas stamoulis, directeur, division de l’économie agricole (Fao), pour les avis qu’il a donnés sur cette étude et pour les débats utiles sur l’orientation générale du groupe de travail technique sur la mesure de la résilience. nous sommes aussi particulièrement reconnaissants à alexis hoskins (WFp, secrétariat du Fsin) pour les indications et orientations fournies dans tous les aspects du groupe de travail technique sur la mesure de la résilience.

Véronique de schutter (WFp) a coordonné le processus d’édition, d’impression et de publication, avec le concours de Cecilia signorini (WFp). Zoe hallington a apporté une aide précieuse en matière d’édition dans les phases finales de la révision. les services de conception graphique et de mise en page ont été fournis par energylink.


4

I. Contexte

les effets conjugués des changements climatiques, des forces économiques et des conditions socioéconomiques se sont traduits par une fréquence et une sévérité accrue de l’exposition au risque des populations vulnérables. le concept de résilience a suscité l’intérêt de groupes bigarrés d’acteurs qui cherchent à réduire la vulnérabilité et à promouvoir le développement durable. la résilience se présente comme une option intéressante, car elle apporte une réponse unifiée à des chocs résultant d’événements catastrophiques et de crises, ainsi qu’aux facteurs de stress associés à l’exposition actuelle aux risques qui menacent le bien-être. l’idée de résilience revêt également un intérêt particulier comme capacité généralisée de répondre à tout un éventail de menaces qui sont devenues de plus en plus imprévisibles.

la résilience fait donc l’objet d’un intérêt accru, tout comme la nécessité d’avoir une vision commune sur la façon de la mesurer. pour répondre à ce besoin, le réseau d’information sur la sécurité alimentaire a mis en place le groupe de travail technique sur la mesure de la résilience (gtt-mr).1 le gtt-mr vise au premier chef à apporter des orientations sur la façon de présenter les exigences analytiques et pratiques imposées la mesure de la résilience comme un ensemble de pratiques solides du point de vue technique et bien développées sur le plan conceptuel. a cet effet, le gtt-mr s’attache à produire une série d’études, de bulletins techniques et de documents de consultation sur différents aspects de la mesure de la résilience.

la publication initiale de la série technique sur la mesure de la résilience du Fsin a été la première étude du gtt-mr (Constas et coll. 2014) où étaient décrits les dix principes clés pour la conception de la mesure de la résilience.2 Cette étude (mentionnée ici comme étude no 1) avait pour but d’apporter une définition claire de la résilience et de décrire toutes les exigences analytiques associées à la mesure de la résilience. il était important de commencer par définir clairement le concept, car l’identification des concepts clés est une condition préalable fondamentale pour toute mesure fiable. C’est pourquoi l’étude nº 1 a présenté la définition ci-après de la résilience:

“La résilience est la capacité qui garantit que des facteurs de stress et des chocs adverses n’aient pas de conséquences négatives durables sur le développement.”

la capacité de résilience est donc un concept assorti de conséquences pratiques bien définies. la contribution réelle qu’elle peut apporter à l’amélioration des résultats du développement est illustrée par un rapport vérifiable sur le plan empirique qui associe les capacités de résilience et le résultat escompté. l’étude nº 1 contient une formule de base dans laquelle la résilience est définie comme indicateur pouvant exercer une influence par rapport aux autres variables prédictives. la fonction est exprimée dans la formule simplifiée ci-après:3

sécurité alimentaire = f (vulnérabilité, capacité de résilience, chocs)

1. le groupe de travail technique sur la mesure de la résilience, co-parrainé par l’union européenne et usaid, est composé de 20 personnalités représentant des organisations gouvernementales et non gouvernementales. la liste complète des membres est disponible à l’adresse http://www.fsincop.net/topics/resilience-measurement/technical-working-group/en/

2. une analyse détaillée des principes de conception est disponible à l’adresse http://www.fsincop.net/topics/resilience-measurement/en/3. même si la sécurité alimentaire est désignée comme le résultat recherché, le gtt-mr est convenu que la mesure de la résilience

pourrait également s’appliquer à d’autres catégories de résultats du développement.

http://www.fsincop.net/topics/resilience-measurement/technical-working-group/en/

http://www.fsincop.net/topics/resilience-measurement/en/


5

étant donné que l’une des principales raisons de l’intérêt porté à la résilience est l’aggravation de l’exposition aux risques, il est important de traiter la résilience comme une capacité en raison de l’incidence qu’elle peut avoir sur la sécurité alimentaire et sur d’autres résultats du développement face aux chocs.4 l’inclusion de la capacité de résilience parallèlement la implique que la résilience n’est pas simplement l’inverse de la vulnérabilité. elle représente au contraire un ensemble particulier de ressources et de capacités mesurables auxquelles les ménages, les communautés et d’autres unités (par exemple, des systèmes plus vastes) peuvent avoir recours pour se préparer et répondre à un choc ou à une combinaison de chocs. le fait d’être vulnérable implique d’avoir une plus forte probabilité d’être exposé aux risques, exposition qui représente une menace pour le bien-être des personnes concernées. la résilience est un rapport dynamique qui explique comment un ensemble de capacités données peut réduire la vulnérabilité d’un ménage (ou d’une autre unité) et l’aider à absorber, à s’adapter et à se transformer face aux chocs et aux facteurs de stress. par conséquent, grâce à cette fonction, certaines populations peuvent être à la fois vulnérables et résilientes. le rapport entre la vulnérabilité et la résilience a fait l’objet de nombreuses études (voir adger 2006; miller et coll. 2010) et la question de savoir comment représenter au mieux le rapport en tant que fonction est encore en discussion. pour comprendre la nature exacte de ce rapport, il faudra en définitive analyser, sur le plan empirique, les résultats d’études portant sur l’interaction entre la vulnérabilité et la résilience comme indicateurs de la sécurité alimentaire et comme indicateurs d’autres résultats du développement.

l’inclusion de chocs dans la formule est l’une des caractéristiques marquantes de la mesure de la résilience: un dosage optimal de capacités de résilience ne peut être défini qu’en mesurant les chocs. la formule ne prétend pas contenir toutes les variables dignes d’intérêt; elle est présentée comme une expression simplifiée indiquant la valeur fonctionnelle de la capacité de résilience et prépare le terrain pour l’élaboration de formules plus complètes susceptibles de servir de base à l’activité de mesure.

À partir des principes et de la définition de la résilience présentés dans l’étude nº 1, cette deuxième étude de la série technique du Fsin sur la mesure de la résilience est basée sur la prémisse selon laquelle la résilience ne peut se présenter comme un thème d’intérêt commun que si un degré raisonnable de consensus à été atteint sur la façon de la mesurer. et ce, parce que la mesure comprend l’ensemble des pratiques permettant de traduire des concepts en pratiques techniques qui produisent des données. pour contribuer à forger ce consensus, cette étude propose un modèle analytique commun dans lequel les tâches liées à la construction de la mesure de la résilience peuvent être définies et développées. sur le plan opérationnel, l’objectif est de présenter un modèle analytique centré sur la résilience dans le but de répondre aux questions de savoir quelles sont les données à collecter, à quel moment, avec quels outils, à quels niveaux et en fonction de quels types d’analyse.

Cette étude est organisée en quatre grandes sections. À titre de préface du modèle analytique commun, la section deux énonce les objectifs généraux des modèles analytiques et met en lumière certains éléments de modèles analytiques des mesures de la résilience qui ont été appliqués au développement. la section trois décrit la structure des composantes qui constituent le modèle analytique commun. la section quatre explicite chacune de ces composantes et apporte des orientations sur les caractéristiques méthodologiques et analytiques de la mesure de la résilience. en guise de conclusion, l’étude présente quelques commentaires décrivant l’utilité d’un modèle analytique commun et fait ressortir le type de travail nécessaire pour progresser davantage dans la mesure de la résilience.

4. sur la base d’une méthode de modélisation à variables latentes pour mesurer la résilience, certains travaux de base (voir alinovi et coll. 2009, 2010; Fao, 2014) ont abordé la résilience à la fois comme résultat non observé et comme variable prédictive. À partir du modèle de la Fao, Ciani et romano (2013) offrent une analyse ciblée sur la façon d’utiliser la résilience comme indicateur de la sécurité alimentaire en présence de chocs. une étude récente sur le modèle d’indice de mesure et d’analyse de la résilience, qui constitue la nouvelle génération de modèle de la Fao, permet d’aborder la résilience soit comme indicateur soit comme résultat.


6

II. Préface du modèle analytique commun

les données et les aperçus résultant de la mesure peuvent servir de base à la formulation de politiques, à l’intervention et à l’évaluation de programmes, ainsi qu’à la mise en œuvre de projets. l’utilisation des données de mesure comme base de l’intervention est pleinement justifiée lorsque la logique de la mesure est bien exprimée. À cette fin, le modèle analytique commun a été conçu pour promouvoir l’articulation de la logique de la mesure de la résilience.

pour commencer à décrire la logique de la mesure de la résilience, cette section est structurée autour de trois objectifs. le premier consiste à préciser l’objet d’un modèle analytique par rapport à celui d’un modèle conceptuel. en deuxième lieu, les approches de modélisation utilisées dans un certain nombre d’études sont brièvement passées en revue pour cerner les composantes centrales du modèle analytique commun de l’analyse de la résilience. l’explication des modèles de résilience existants reconnaît le travail important accompli dans la mesure de la résilience, ce qui constitue un bon point de départ pour la construction d’un modèle analytique commun de mesure de la résilience. Cette section reconnaît l’importance du contexte et décrit l’idée de proposer un modèle analytique commun qui soit à la fois applicable à grande échelle et sensible aux conditions locales.

Modèles conceptuels, modèles analytiques et utilité d’un modèle analytique commun

les modèles sont utilisés dans de nombreux domaines pour fournir des expressions ou des illustrations simplifiées de phénomènes complexes, et souvent abstraits. Ces expressions servent à attirer l’attention sur les éléments clés d’un problème, d’un programme ou d’un ensemble de conditions. les modèles indiquent également comment ces éléments peuvent être connectés, sur le plan théorique ou pratique, de façon à rendre compte de façon plus cohérente d’une réalité complexe. les modèles conceptuels et les modèles analytiques sont souvent utilisés de façon interchangeable dans la modélisation des problèmes et le développement de programmes. il est donc important de faire la distinction entre ces deux types de modèles avant d’expliquer l’objet d’un modèle analytique utile à la mesure.

un modèle conceptuel peut prendre la forme d’une théorie du changement associée à une intervention, ou un modèle logique utilisé pour organiser une évaluation. Ce modèle prend en considération un ensemble de relations censées déterminer un résultat spécifique (par exemple, la sécurité alimentaire, le retard de croissance ou la pauvreté). d’une manière générale, ce type de modèle offre une représentation graphique de cette relation; montre une séquence chronologique et/ou les dépendances fonctionnelles existantes entre les principales composantes de cette relation. ainsi, les cadres conceptuels présentent une information nominale et relationnelle détaillée: ils désignent les objets revêtant un intérêt, suggèrent les relations de cause à effet, et notent les facteurs contextuels. toutefois, du point de vue de la mesure, les modèles conceptuels n’indiquent pas la façon d’évoluer de cette représentation graphique aux pratiques techniques et aux procédures analytiques qui sont essentielles pour effectuer la mesure. les cadres conceptuels peuvent faire intervenir des éléments de données et des relations de causalité, mais ils ne précisent généralement pas le type de données qui seront collectées, comment elles seront collectées et comment elles seront analysées. les cadres conceptuels tentent de capter les notions et les concepts à mesurer, alors que les cadres analytiques vont au-delà et apportent une orientation plus spécifique sur la façon de mesurer et d’estimer des indicateurs effectifs associés à un concept déterminé, en l’occurrence, la résilience.


7

les modèles analytiques destinés à la mesure sont semblables aux modèles conceptuels, en cela qu’ils peuvent inclure une description graphique montrant comment une série de notions, concepts ou variables peuvent former un réseau de relations de causalité et d’association. les modèles analytiques destinés à la mesure présentent plusieurs caractéristiques propres. en premier lieu, ils apportent des orientations sur l’ensemble d’indicateurs requis pour avoir un accès empirique aux notions, concepts et variables. en deuxième lieu, les modèles analytiques incluent des instructions formalisées pour tirer des conclusions à partir de données. ils peuvent dès lors offrir un cadre qui va aider à l’élaboration d’un ensemble de propositions pouvant être testées sur le plan empirique. troisièmement, les modèles analytiques de mesure comprennent des critères techniques qui permettent de vérifier l’intégrité des données associées à un ensemble donné d’indicateurs. les modèles analytiques de mesure doivent refléter les soucis de précision (validité) et de cohérence (fiabilité) des données. quatrièmement, les modèles analytiques de mesure incluent des indications détaillées sur la façon de construire et d’utiliser des modèles d’estimation et des procédures d’analyse de données spécifiques. la spécification des modèles d’estimation et la description des analyses sont des éléments fondamentaux pour dégager des conclusions des données de mesure.5

en résumé, le résultat final d’un modèle analytique de mesure est un modèle de causalité conduisant à un ensemble d’indicateurs, étayés par des critères techniques. un modèle analytique doit décrire les procédures d’estimation et d’autres approches utilisées pour réaliser des inférences à partir de données. Finalement, les modèles analytiques contiennent des informations relatives aux procédures qui apportent une orientation sur les mesures à adopter pour produire et analyser des données.

L’importance du contexte dans la mesure de la résilience

l’un des enjeux liés à l’élaboration de directives d’action généralisables, tel qu’un modèle analytique commun de mesure, est l’importance du contexte. si la programmation de la résilience et les activités de mesure dépendent fortement du contexte, comment pouvoir spécifier raisonnablement un modèle analytique commun? À ce stade, il pourrait être utile de faire la distinction entre le désir de créer des mesures ou des indicateurs de résilience communs, et celui de créer un modèle analytique commun servant à articuler un cadre généralisable pouvant servir de base à l’élaboration des mesures. Ce document suggère des catégories d’indicateurs pouvant être incluses dans la mesure des capacités de résilience; néanmoins, les indicateurs spécifiques à utiliser vont dépendre du contexte et des besoins de ceux qui travaillent directement sur le terrain.

l’incapacité de définir des indicateurs reflétant les complexités de l’environnement local et de répondre aux besoins techniques de la mesure est souvent le résultat d’une mauvaise prise en compte du contexte. pour ceux qui s’intéressent aux exigences techniques de la mesure, une description imprécise du contexte va probablement se traduire par un problème par trop simplifié. des problèmes trop simplifiés donnent généralement lieu à des modèles déficients à faible capacité de prédiction. pour ceux qui travaillent plus directement sur les programmes et sur l’environnement dans lequel ceux-ci sont mis en œuvre, une insensibilité au contexte peut se traduire par un manque de pertinence des résultats de la mesure. en reconnaissant l’importance du contexte, ce modèle analytique commun cherche à décrire une logique de la mesure qui peut être appliquée dans toute une gamme de situations, de populations et d’interventions en rapport avec la résilience.

5. les idées de spécification et d’identification intéressent depuis longtemps le domaine de l’économie empirique.. même si l’étude de la résilience va au-delà du domaine économique, les concepts de spécification et d’identification seront utilisés dans le présent document pour formaliser plusieurs aspects du modèle analytique commun.


8

S’appuyer sur les connaissances acquises à travers les modèles existants de mesure de la résilience

il existe plusieurs modèles conceptuels de mesure de la résilience élaborés par des chercheurs, des organisations non gouvernementales, ainsi que des organismes nationaux et internationaux. du nombre croissant de modèles à présent en circulation, quelques-uns seulement sont étayés par une ou plusieurs études empiriques (voir alinovi et coll.,2009 et 2010; Ciani et romano 2013 maxwell et coll. 2013; smith et coll. 2014).6 une analyse des indicateurs et des procédures de modélisation utilisés dans les quatre approches mentionnées rend compte d’une cohérence assez importante sur les éléments de fond (ce qu’il faut mesurer) et les caractéristiques méthodologiques (le type d’outils de collecte de données) requis pour mesurer la résilience. par souci de brièveté, nous allons passer en revue les sept principales caractéristiques de la mesure de la résilience observée dans un ou plusieurs des quatre modèles en question:

1. Types de chocs – les données relatives aux chocs peuvent porter sur des chocs ressentis à grande échelle (chocs covariables), des chocs locaux ou individualisés (chocs idiosyncrasiques), et des facteurs de stress de faible intensité qui peuvent avoir un effet négatif cumulatif sur le développement. des types spécifiques de chocs contribuant à la mesure de la résilience sont, par exemple, les effets du changement climatique, les différents aléas climatiques, les chocs résultant de conflits, les chocs économiques, les chocs géologiques, les ravageurs et les maladies.

2. Mesures objectives et subjectives – les données relatives aux chocs peuvent inclure des mesures objectives qui enregistrent des données de base sur les chocs et les facteurs de stress (par exemple, intensité, ampleur, fréquence) et des mesures subjectives (par exemple l’effet perçu des chocs et des facteurs de stress).

3. Capacités de résilience – la capacité de résilience est nécessairement multidimensionnelle. elle doit englober une panoplie d’indicateurs concernant les ressources et les capacités économiques (avoirs, marchés, filières d’approvisionnement), sociales (capital social, réseaux sociaux), technologiques (pratiques agricoles), environnementales (ressources, pratiques de gestion des ressources naturelles), liées à l’infrastructure (réseau routier), à la sécurité (pratiques d’atténuation des conflits) et aux institutions (gouvernements).

4. Dynamique de la résilience – la capacité de résilience est mesurée en fonction du calendrier et des aléas. l’effet des capacités de résilience sur le bien-être en présence de chocs peut être déterminé en mesurant le bien-être existant avant et après les chocs.

5. Indicateurs de groupes – Certains facteurs comme la localisation d’une population cible ou le type de groupe de moyens d’existence peuvent avoir une incidence sur la probabilité d’être exposé à un choc et/ou un facteur de stress, et les capacités d’une population cible à absorber, s’adapter ou à se transformer en présence de chocs et/ou de facteurs de stress. les quatre études en question ont collecté des données de localisation et autres pour analyser les sous-groupes.

6. une synthèse des modèles utilisés dans chacune des études mentionnées est présentée dans l’annexe.


9

6. Contexte environnemental – les conditions environnementales dans lesquelles vivent les populations peuvent favoriser ou restreindre leur exposition aux risques et la possibilité d’absorber, de s’adapter et de se transformer en présence de chocs. C’est pourquoi un ensemble de facteurs environnementaux sont pris en compte, tel que le climat et le changement climatique, la situation et la gestion des ressources naturelles, les zones agroécologiques et les changements dans le paysage des risques associés à l’environnement et aux systèmes écologiques.

7. Types de données – les mesures de la résilience peut inclure une sélection de données quantitatives et qualitatives, apportant ainsi les données requises pour analyser les rapports, construire et tester des modèles de prédiction des pour évaluer l’impact, et décrire en détail les contextes locaux.

Bien qu’il ne s’agisse pas d’une révision exhaustive des mesures de la résilience disponibles, l’analyse des quatre approches mentionnées contribue à valider les recommandations issues de l’étude nº 1 et apporte des détails sur la mesure pouvant servir à l’élaboration du modèle analytique commun de mesure de la résilience proposée dans la section trois de la présente étude.


10

III. Modèle analytique commun de mesure de la résilience

un modèle analytique commun de mesure de la résilience apporte une structure logique dans laquelle il est possible d’organiser le processus d’élaboration des mesures. le but est de présenter un modèle qui peut être adapté pour répondre aux besoins de situations spécifiques de mesure tout en garantissant un certain degré de standardisation de tous les exercices de mesure.

pour favoriser la perspective partagée de la mesure de la résilience, le modèle analytique commun présenté ici inclut six composantes, dont chacune concerne une question pratique liée à la mesure:

• Hypothèses relatives à la résilience – quelles sont les hypothèses de base sur la nature de la capacité de résilience qui vont influencer la sélection des indicateurs utilisés pour la conception des mesures?

• Cadre de causalité de la résilience – quelle est la place de la capacité de résilience dans un rapport dynamique qui explique le bien-être en présence de chocs? quels sont les types d’indicateurs à mesurer, à quel moment du calendrier, à quelle échelle et avec quelles méthodes pour pouvoir mesurer l’effet de la résilience?

• Indicateurs de résilience et structure des données – quels indicateurs spécifiques faut-il utiliser pour mesurer la résilience? quelles caractéristiques spéciales doivent posséder ces indicateurs pour contribuer à la modélisation de la dynamique de résilience?

• Trajectoire escomptée de la résilience – quel est le taux prévu de changement? quels sont les facteurs qui ont une incidence sur le taux de changement des résultats du développement dans le temps, en présence de chocs et de facteurs de stress, et par rapport aux interventions et aux contextes?

• Collecte de données sur la mesure de la résilience – quels types d’outils et de méthodes de collecte de données faut-il utiliser pour obtenir des données précises en matière de résilience?

• Procédures d’estimation de la mesure de la résilience – Comment faudrait-il analyser les données pour dégager des inférences sur l’effet que les capacités de résilience peuvent avoir sur les résultats du développement en présence de choc et de facteurs de stress?

le modèle analytique commun est basé sur des fondements acceptés de la pratique de la mesure dérivés de théories de la mesure à la fois classiques (par exemple, Crocker et algina 1986; Cronbach et meehl 1955; nunnally et Bernstein 1994) et contemporaines (par exemple, preacher et coll. 2013). le graphique 1 illustre les éléments analytiques et leurs pratiques fondamentales de mesure, ainsi que les six composantes qui constituent le modèle analytique commun de mesure de la résilience.


11

en partant de la définition de base de la résilience formulée dans l’étude nº 1, la partie du modèle dénommée Hypothèses relatives à la résilience offre une définition plus détaillée de la résilience comme objet de mesure. les composantes Cadre de causalité de la résilience et Indicateurs de résilience et structure des données constituent la cheville ouvrière du modèle analytique. la première composante décrit les relations causales, et la deuxième, les éléments de base de la mesure de la résilience. la composante relative à la Trajectoire escomptée de la résilience fait ressortir l’importance de mesurer le changement dans le temps et permet d’éclairer le fait que la résilience est fonction de la voie suivie. la composante relative à la Collecte de données sur la mesure de la résilience décrit pourquoi il est nécessaire d’appliquer de multiples approches de collecte de données pour mesurer la résilience, en particulier en ce qui concerne les données sensibles au contexte à des échelles multiples. Finalement, la composante Procédures d’estimation de la mesure de la résilience explore différentes approches afin de définir la façon dont les variables associées à la résilience peuvent être organisées pour prédire le niveau de bien-être en présence de chocs.

les six composantes analytiques sont analysées en détail ci-après. l’analyse de chacune d’entre elles commence par une question pratique liée à la mesure soulignant l’importance de cette composante dans le processus d’élaboration de mesures de la résilience. s’il est vrai que chaque composante a son importance, le Cadre de causalité de la résilience (composante deux) est sans doute l’élément le plus déterminant pour avancer vers la création de modèle analytique commun de la résilience. et ce, parce que les cadres de causalité ont des répercussions pour les théories du changement qui servent d’orientation à la programmation. ils spécifient également une relation de causalité qui va inspirer le contenu et la structure d’un modèle d’estimation.

Figure 1. Composantes du modèle analytique commun de mesure de la résilience

Eléments d’analyse pourde mesure de la résilience

Fondement d’une bonne mesure

•Validitéduconstruit•Propriétéslatentes•Opérationnalisation•Caractère multidimensionnel•Normesdefiabilité•Normesdevalidité•Normesd’utilité

Produit du modèle analytique de mesure de la résiliencemesures de la résilience correctement ciblées, rigoureuses sur le plan technique

résilience - hypothèses relatives au construit

Cadre de causalité de la résilience

indicateurs de résilience et structure des données

trajectoire escomptée de la résilience

méthodes de collecte de données sur la mesure de

la résilience

procédures d’estimation de la mesure de la résilience


12

Composante 1. Construit de mesure de la résilience: Partir de la définition de base • Question pratique relative à la mesure: quelles sont les hypothèses de base relative à la nature de la

capacité de résilience ayant une influence sur la sélection des indicateurs utilisés dans la construction des mesures?

toute mesure passe par une définition précise du construit à mesurer. C’est pourquoi il faut élaborer des définitions qui permettent de préciser les indicateurs. en ce qui concerne la résilience, celle-ci est définie dans l’étude nº 1 comme “la capacité qui garantit que des facteurs de stress et des chocs adverses n’aient pas de conséquences négatives durables sur le développement.”

une partie importante de la définition qui doit être perfectionnée concerne les caractéristiques temporelles de la résilience. le construit de résilience et la mesure qui y est associée se situent à deux moments différents dans le temps. en premier lieu, la résilience peut être mesurée de façon à produire un ensemble d’indicateurs ex ante qui peuvent faire l’objet d’hypothèses pour représenter des caractéristiques prévoyant le bien-être futur d’un groupe témoin, comme un ménage ou une communauté, en présence de chocs. il faut également disposer d’indicateurs ex post pour analyser la façon dont un ou plusieurs ensembles d’indicateurs du bien-être évoluent au fil du temps pour un groupe cible. le bien-être peut être mesuré en fonction de plusieurs types d’indicateurs (par exemple, la sécurité alimentaire, la pauvreté, la santé physique, la sécurité) ou d’une combinaison d’indicateurs. il est certes nécessaire de disposer d’indicateurs ex ante et ex post pour effectuer une modélisation de la résilience, mais il est également important de continuer à positionner résolument la résilience comme capacité. en l’occurrence, l’hypothèse générale est que les investissements et les programmes de développement peuvent soutenir ou renforcer la capacité de résilience.

le fait que certains résultats en termes de bien-être qui évoluent dans le temps en présence de chocs et de facteurs de stress peuvent apporter des preuves sur l’effet des capacités de résilience ne signifie pas que ces indicateurs (par exemple, la sécurité alimentaire ou la pauvreté) équivalent à des indicateurs de résilience. le construit de résilience proposé ici est centré sur les capacités de résilience, dont l’influence peut être mesurée par rapport à un résultat donné comme la sécurité alimentaire ou la pauvreté.

la résilience en tant que capacité ex ante présente quatre autres caractéristiques:

1. la capacité de résilience est une influence positive: son objet est d’améliorer les résultats en termes de bien-être en présence de chocs et de facteurs de stress. Certains facteurs négatifs sont certes importants pour prédire les résultats en termes de bien-être, mais ces facteurs ne doivent pas être comptabilisés comme faisant partie du construit de capacité de résilience. au contraire, ces facteurs négatifs sont, par définition, des incapacités. en cette qualité, ils peuvent jouer un rôle fondamental dans la modélisation, mais se distinguent de la capacité de résilience.

2. la capacité de résilience est définie comme un construit multidimensionnel axé sur l’être humain. elle est dès lors conçue comme un élément qui fait partie des attributs des êtres humains et qui est présent dans les processus et les structures créées par ceux-ci. les structures et les processus incluent les institutions, les systèmes de gouvernance, les politiques et les programmes.

3. la capacité de résilience dépend des caractéristiques des environnements dont dépend le bien-être des populations vulnérables aux chocs. les environnements englobent l’ensemble des ressources ou des services écologiques ainsi que les conditions agroécologiques qui jouent un rôle important pour la sécurité alimentaire, les moyens d’existence et d’autres résultats du développement. les


13

facteurs environnementaux conditionnent également la sévérité d’un choc. par exemple, les effets des inondations et des sécheresses sont amplifiés par l’existence de sols dégradés qui favorisent l’augmentation des taux de ruissellement et l’épuisement des nutriments essentiels des terrains.

4. À la lumière des approches élaborées dans le domaine de l’écologie (Folke et coll. 2002) et appliquées aux études du développement (Béné et coll. 2012; Frankenberger et coll. 2014), on considère que le construit de la résilience représente trois types de capacités pour répondre aux chocs et aux facteurs de stress: i) la capacité d’absorber les chocs et les facteurs de stress, ii) la capacité de s’adapter aux chocs et aux facteurs de stress, et iii) la capacité de se transformer en présence de chocs et de facteurs de stress. il peut donc s’avérer utile de savoir comment les différentes capacités (par exemple, le capital humain) contribuent à la capacité d’absorber, de s’adapter ou de se transformer en présence de chocs.

la combinaison entre ces quatre particularités et les principales caractéristiques des modèles analytiques présentés plus haut permet de dégager une série d’affirmations de base qui précisent la définition du concept de résilience apportée dans l’étude nº 1. pour perfectionner la définition offerte dans ces premières études, le construit de résilience peut être perçu comme:

• Une capacité ex ante utile à une fonction prédictive. l’effet de la capacité de résilience peut être observé ex post par rapport à certains indicateurs de sécurité alimentaire et de bien-être;

• Unélémentquiexerceuneffet positif sur la sécurité alimentaire et le bien-être en présence de chocs et de facteurs de stress;

• Un facteur qui contribue à différents résultats fonctionnels, notamment la capacité d’absorber, de s’adapter et de se transformer en présence de chocs;

• Une capacité présente dans les ménages et dans les agrégats plus vastes (par exemple, lescommunautés, les institutions) qui soutiennent les ménages;

• Unélémentquidoitêtreobservéàunmomentdéterminéetsurdespériodesprolongées,carleseffetsde la capacité de résilience sont sensibles à la voie empruntée et à l’horizon temporel;

• Un construit multidimensionnel formé de ressources ou de capitaux humains, sociaux, financiers, physiques et naturels;

• Unconstruit à multiples niveaux où les indicateurs requis pour modéliser la résilience peuvent être dérivés des ménages, des communautés ou de niveaux plus élevés, en fonction de la nature de l’intervention et de la théorie associée du changement/modèle de causalité; et

• Unélément fondamentalement liéàunensemble interdépendantde ressourcesécologiquesetdeconditions agroécologiques dont dépend fortement la capacité de répondre aux chocs et aux facteurs de stress.

Ces huit aspects du construit, élaborés à partir de la définition de base, répondent aux principes de la mesure de la résilience exposés dans l’étude n° 1, et contribuent à cerner l’ensemble d’indicateurs pouvant servir à mesurer la résilience. Cette présentation de la résilience comme construit se reflète à différents points de la description des éléments du modèle analytique commun présentés ci-après.

Composante 2. Cadre de causalité de la résilience • Questions pratiques en matière de mesure: est la place de la capacité de résilience dans un rapport

dynamique qui explique le bien-être en présence de chocs? quels sont les types d’indicateurs à mesurer, à quel moment du calendrier, à quelle échelle et avec quelles méthodes pour pouvoir mesurer l’effet de la résilience?


14

l’utilité des cadres de causalité réside dans le fait qu’ils se centrent sur les activités de mesure et permettent d’établir un lien potentiel entre la logique des interventions et l’organisation de l’analyse des données postérieure à la mesure. l’élaboration de cadres précis de causalité implique d’organiser l’axe de la mesure comme séquence observable. une qualité essentielle d’un cadre de causalité de la résilience est donc la présentation de la mesure comme séquence ordonnée et observable d’attributs, d’événements et de situations. la présentation de la résilience comme séquence de possibilités de collecte de données afférentes permet de décrire les différents indicateurs qui doivent être collectés dans un ordre spécifique (voir Constas et Barrett 2013). une deuxième qualité de cadres bien spécifiés de causalité est le fait que la séquence de situations et d’événements ordonnés et observables est représentée comme des réseaux de relations de cause à effet qui peuvent être vérifiées par des tests. Ceux-ci contribuent également à renforcer les analyses qui servent de fondements aux demandes d’efficacité accrue.

reflétant les deux qualités d’un cadre de causalité bien défini, le Cadre de causalité de la résilience (CCr) présenté ici fournit un nouveau cadre organisationnel au sein duquel le travail de développement de mesures de la résilience peut être conceptualisé et mis en œuvre. dans la Figure 2, les caractéristiques clés du CCr sont décrites dans les quatre encadrés, chacun illustrant les catégories d’indicateurs nécessaires pour modéliser la résilience.

Figure 2. Cadre de causalité de la résilience

La résilience définie comme une capacité instrumentale qui affecte le bien-être face aux chocs et facteurs de stress

indicateurs requis pourmodéliser la résilience

Échelles multiples•Ménage•Communauté•Région•Nation•Systèmes

•Capacitésderésilience •Bien-êtreinitial(T1)•Vulnérabilitéinitiale

•Catastrophesnaturelles•Foyersd’organismesnuisibles et maladies•Conflitspolitiques•Chocs/facteursdestress économiques...

états initiaux et capacité

Chocs et facteurs de stress

états postérieurs et trajectoires

•Resiliencecapacities •Well-being•Vulnerability

Composante ex-ante Composante perturbatrice Composante ex-post

Catégories d’indicateurs Catégories d’indicateurs

•Facteurspolitiques•Facteursculturels•Facteursagro-écologiques...

Catégories d’indicateurs

Composantes locales

Facteurs contextuels

Categories of Indicators

Méthodes multiples•Quantitatives•Qualitatives•Objectives•Subjectives

Objectif opérationnel et analytique de la mesure de la résilience

Collecter et analyser des données pour modéliser les trajectoires de récupération et de bien-être dans le temps en tant que fonction des états initiaux et des chocs/facteurs de stress, influencée par la capacité de résilience

Mesure sensible au temps et aux évènements


15

différentes caractéristiques du CCr doivent être soulignées. structurellement, les indicateurs passent des composantes ex-ante aux composantes perturbatrices et aux composantes ex-post, ce qui indique une voie de causalité. Cette voie peut être comprise comme sensible à la fois à l’évènement et au temps. ainsi, la résilience peut être liée aux perturbations et aux changements du bien-être mesurés à des périodes non arbitraires (c’est-à-dire, au-delà des simples programmes de collecte de données de référence et finales, ou des collectes saisonnières). pour l’application du CCr à des situations de mesure réelles, il sera important d’articuler la manière dont la voie de causalité générale et le moment de la collecte de données peuvent s’aligner sur une théorie du changement fondée sur le programme. au niveau substantif, les quatre composantes encadrées soulignent le besoin de sélectionner et/ou construire des ensembles spécifiques d’indicateurs7 dans le cadre de la mesure de la résilience.

• Composante ex-ante – elle génère des données pour décrire l’état initial (t=1), avant un choc, en utilisant des catégories d’indicateurs qui représentent:

o le résultat d’intérêt en matière de développement (par ex., la sécurité alimentaire) dans le sens où il est sensible au fait que les états de bien-être ne sont pas statiques. l’utilisation de mesures dynamiques de l’état initial de la sécurité alimentaire de deux ménages différents peut, par exemple, entraîner le même score de sécurité alimentaire, mais avec différents patrons de sécurité alimentaire (par ex. empirant, s’améliorant, oscillant) observés dans le temps;

o la capacité de résilience en tant qu’ensemble de compétences, capacités, relations et ressources dont dispose un ménage, une communauté ou une unité plus grande; et

o des variables qui influent sur la probabilité et les conséquences de l’exposition au risque (par ex., la vulnérabilité).

les décisions concernant l’ensemble spécifique de capacités de résilience à mesurer seront informées par des affirmations prouvées ou hypothétiques pour établir quelles capacités de résilience sont les plus efficaces en lien avec un choc ou un facteur de stress particulier.

• Composante perturbatrice – elle génère des données pour décrire l’intensité et les effets de différents types de chocs et facteurs de stress, comprenant:

o les catastrophes/facteurs de stress naturels, comme les inondations, les sécheresses, les séismes et le climat;o les foyers d’organismes nuisibles et de maladies qui menacent la production agricole;o les conflits politiques qui menacent directement le bien-être et/ou perturbent les systèmes (systèmes

sociaux, gouvernements et institutions, infrastructure physique, marchés) dont le bien-être dépend; eto les chocs et facteurs de stress économiques qui affectent les avoirs financiers, les modèles de

consommation d’avoirs, les fonctions du marché, le prix des aliments et des matières premières, et d’autres perturbations économiques qui peuvent affecter le bien-être.

il est important de collecter des informations sur les perturbations qui ne reflètent pas seulement l’exposition à un choc, mais aussi la manière dont les chocs et leurs effets sont souvent hautement interactifs. il est également utile de mesurer la manière dont les chocs et facteurs de stress sont perçus, y compris la manière dont ils affectent les attentes et aspirations liées au bien-être futur. Bien que les

7. la liste d’indicateurs indiqués dans le modèle pour chaque composante est présentée à titre d’illustration et n’est pas exhaustive. Beaucoup d’autres indicateurs pourraient être inclus pour une composante donnée. le choix des indicateurs réels sera fonction de la manière dont la relation entre les composantes ex-ante, perturbatrices et ex-post est modélisée et celle dont les composantes et les interactions inter-composante sont affectées par le contexte.


16

aspirations soient indiquées ici comme faisant partie de la composante perturbatrice, la manière dont l’exposition au choc affecte les aspirations de long terme doit également être prise en compte.

• Composante ex-post – elle génère des données pour décrire l’état final lorsque la dernière série de données de mesure est collectée, en utilisant des catégories d’indicateurs qui représentent:

o la capacité de résilience en tant qu’ensemble de compétences, capacités, relations et ressources dont dispose un ménage, une communauté ou une unité plus grande. remarque: il est important de mesurer à la fois les indicateurs ex-ante et ex-post car les ressources qui comprennent la capacité de résilience sont souvent sacrifiées pour satisfaire des besoins de court terme;

o des variables qui influent sur la probabilité et les conséquences de l’exposition au risque (par ex., la vulnérabilité); et

o les résultats en matière de développement qui utilisent des indicateurs liés, par exemple, à la sécurité alimentaire, la pauvreté ou la sécurité.

la collecte de données pour le suivi et l’évaluation suit souvent une conception pré-post simple, avec une mesure unique effectuée à un moment donné après une intervention. le moment d’une mesure ex-post (ou ex-ante) ne devrait pas simplement suivre un modèle de collecte de données initiales, intermédiaires et finales, car la relation de ces moments conventionnels de mesure est arbitraire par rapport au choc. la décision concernant le moment de la collecte de données pourrait plutôt être informée par une théorie sur le taux de changement attendu d’un résultat d’intérêt. dans le cadre de la planification de la mesure de la résilience, il est utile de considérer combien de temps cela prendra à un résultat donné pour atteindre un niveau attendu. il est également important d’effectuer des mesures ex-ante et ex-post à plusieurs moments dans le temps pour augmenter la précision des mesures non statiques. Ceci permet de s’assurer que les modèles d’adaptation et de transformation observés ne sont pas passagers. lorsque cela est pertinent, la collecte de données devrait également refléter les variations saisonnières ou autres fluctuations normales des indicateurs.

la composante contextuelle du CCr est un ensemble additionnel d’indicateurs centré sur les données nécessaires pour décrire la manière dont les facteurs situationnels peuvent affecter les trois composantes principales du modèle: i) les états initiaux (y compris la capacité de résilience), ii) la survenance et l’expérience de perturbations, et iii) les états subséquents. Bien qu’un aperçu des facteurs contextuels ait été cité (politiques, culturels, sociaux, agroécologiques, etc.), les facteurs contextuels spécifiques à inclure dans la mesure de la résilience sont déterminés par les contextes locaux et les théories du changement. Ce point est approfondi dans la section suivant concernant la collecte de données.

dans la Figure 2, l’accolade à l’extrême gauche montre l’importance de la collecte de données sur la résilience à des échelles multiples. le niveau des systèmes est le plus étendu et le plus complexe auquel on peut collecter des données sur la résilience. l’accolade à l’extrême droite souligne le besoin de méthodes multiples.

Composante 3. Structure des données sur la capacité de résilience: indicateurs et propriétés de la mesure • Questions pratiques concernant la mesure: quels indicateurs spécifiques sont-ils nécessaires pour

mesurer la résilience? quelles caractéristiques spéciales de ces indicateurs pourraient-elles contribuer à modéliser les dynamiques de la résilience?

l’élaboration d’une structure de données est une étape importante dans le processus de développement de mesures. une structure de données spécifie des indicateurs et les organise en une structure qui décrit


17

leurs propriétés. la structure de données présentée ici pour la capacité de résilience est organisée selon i) les éléments de données qui représentent les capacités de résilience, ii) les fonctions de la résilience, et iii) les tactiques de mesure. les éléments de données comprennent les catégories de capacité de résilience et des échantillons d’indicateurs. les fonctions de la résilience soulignent l’idée que les capacités de résilience peuvent servir différentes fonctions, permettant à une unité d’absorber, adapter ou transformer face à un choc et des facteurs de stress. les tactiques de mesure représentent des caractéristiques méthodologiques de la collecte de données.

s’appuyant sur les orientations générales présentées dans l’étude nº 1 et sur l’analyse de diverses études de la résilience (alinovi et coll. 2009 et 2010; Ciani et romano 2013; smith et coll. 2014; maxwell et coll. 2013), le tableau 1 présente une proposition de structure de données pour informer la sélection et l’élaboration des indicateurs de la capacité de résilience.

Tableau 1. Structure des données sur la capacité de résilience

* aldrich, 2013** Comprend à la fois le bien-être physique et mental

Structure des données sur la capacité de résilience: Éléments de données, fonctions de la résilience et tactiques de mesure

Éléments de données pour la capacité de résilience

Catégories de capacité de résilience

Capital social*rC-Cs

Capital humainCr–Ch

Ressources économiquesCr-re

Infrastructure de serviceCr-is

Stratégies relatives aux moyens d’existenceCr-sme

Institutions et gouvernance Cr-ig

Stratégies de risqueCr-sr

Technologie et innovationCr-ti

Protection socialeCr-ps

Agro-écologique Cr-ae

Échantillon d’indicateurs

•Rapprochement•Pont•Enchaînement

•Éducation•Compétencesetcapacités•Santéetbien-être**

•Avoirs-financiersetproductifs•Accès/mécanismesdumarché•efficacité de la chaîne d’approvisionnement

•Roads&transportation•Water&sanitation•Medical

•Sécuritéalimentaireetfinancière•Diversité•Adaptation

•Couverture•Intégritéstructurelle•Efficacité

•histoire/perception de l’exposition au risque•Évaluationdupaysagederisque•Définitionduproblème•Prisededécisionsetplanification

•Agriculture•Gestion/productiondesaliments•Affaires

•Ciblageettype•Objectifstratégique•Intégrationetdurée

•Solsetressourceshydriques•Pratiquesdeculture/pâturage•Gestiondesressourcesnaturelles

Réponse aux chocs

Perspectives etméthodes

Niveaux mesurés

Périodes de temps et évènements déclencheurs

Fonctions de la résilience

Tactiques de mesure pour augmenter la validité des mesures de la résilience

•Absorbe•Adapte•Transforme

•Objective•Subjective•Quantitative•Qualitative

•Individu•Ménage•Communauté•Niveaux supérieurs

•Courtterme•Moyeterme•Longterme•Évènement sensible


18

les indicateurs du tableau 1 peuvent soit être combinés dans une échelle composite unique à travers une analyse factorielle ou être incorporés dans une analyse de régression multiple. le choix dépendra de la qualité des données et de la capacité d’analyse.

en plus des indicateurs de la seconde colonne du tableau, la priorité peut être mise sur plusieurs autres ensembles d’indicateurs en fonction de leur propension à affecter les dynamiques de résilience observées:

• Genre• Identitéethnique/culturelle• Groupesdemoyensdesubsistance• Zonesagroécologiques• Géographieetautresfacteursspatiauxaffectantl’expositionauxchocs.

Ces variables et d’autres identifiées comme pertinentes grâce à des critères d’inclusion explicites (c’est-à-dire, reflétant des variables cohérentes avec une théorie du changement donnée) contribueront à identifier la manière dont la capacité de résilience change en tant que fonction de variables qui sont importantes en termes de programme, de théorie et de contexte.

Composante 4. Trajectoire escomptée de la mesure de la résilience8 • Questions pratiques concernant la mesure: quel est le taux attendu de changement? quels facteurs

affectent-ils le taux de changement des résultats en matière de développement dans le temps, face à des chocs et des facteurs de stress, et en lien avec les interventions et contextes?

l’une des stratégies clés utilisées pour collecter des données précises concernant la résilience consiste à reconnaître que les données collectées à tout moment dans le temps représentent la vue transversale temporaire d’une trajectoire. l’idée que les états observés (par ex., le bien-être) dépendent d’une voie suivie a été bien documentée dans la littérature sur la résilience. ici, la dépendance à une voie se réfère aux trajectoires qui montrent comment le bien-être peut changer dans le temps face aux chocs. la Figure 3 illustre cette idée: elle présente l’état de la sécurité alimentaire de deux ménages, hh-q (la ligne continue) et hh-r (la ligne pointillée), dans le temps.

au départ, les deux ménages partagent le même état de sécurité alimentaire. après un choc, leur sécurité alimentaire chute. la sécurité alimentaire du ménage hh-q récupère graduellement, alors que d’un autre côté la sécurité alimentaire du ménage hh-r remonte plus lentement et ne parvient jamais à atteindre son niveau préalable au choc. le ménage hh-q est résilient face à ce choc, alors que le ménage hh-r ne l’est pas.

8. Cette section de l’étude s’appuie sur hoddinott 2014.


19

Considérons maintenant une variante des voies illustrées ci-dessus. la Figure 4 montre deux ménages qui partent avec des niveaux de sécurité alimentaire similaires. ils font tous deux l’expérience d’un choc qui fait chuter leur sécurité alimentaire, et tous deux récupèrent et reviennent à leur état de sécurité alimentaire préalable au choc, à des taux relativement similaires. Cependant, lorsqu’un second choc survient, le ménage hh-Y récupère rapidement, mais ce n’est pas le cas du ménage hh-Z. au contraire, sa sécurité alimentaire chute à un nouveau niveau plus faible. le ménage hh-Z semblait résilient face à un choc, mais il n’a pas pu en affronter un deuxième. la raison de cette différence repose sur les capacités de réponse différentes des deux ménages. par exemple, un ménage peut avoir été forcé à vendre ses avoirs (compromettant ainsi sa sécurité alimentaire future), ou il peut avoir dû engager une activité génératrice de revenus risquée pouvant avoir des conséquences futures indésirables (par ex., migrer vers une région éloignée pour travailler, ou engager des activités sexuelles rémunérées pour obtenir de l’argent pour s’alimenter, augmentant ainsi ses chances de contracter le Vih). ainsi, un ménage peut tout d’abord sembler résilient, alors qu’en fait sa sécurité alimentaire future est compromise.

Figure 3. Sécurité alimentaire et résilience dans le temps

* FCs = score de consommation alimentaire

FCs

ChoC temps

hh-r

hh-q


20

hoddinott (2006) propose un exemple de ces processus en action dans le contexte de la sécheresse de 1994-95 en afrique australe. dans son enquête sur les localités de réinstallation dans trois zones du Zimbabwe rural, les principaux avoirs des ménages étaient la terre, le bétail et le capital humain. Ces avoirs étaient utilisés pour générer des revenus à partir d’activités agricoles. dans les années non concernées par la sécheresse, les activités agricoles (principalement la production de maïs, des cultures commerciales comme le tabac et le café, et des revenus issus du bétail) représentaient à peine moins de 80 pour cent des revenus totaux des ménages. en 1994-95, les précipitations ont chuté de 20 à 40 pour cent (selon les lieux), réduisant de plus de moitié les revenus agricoles. les réponses des ménages à ce choc ont été différentes, marquées par leur niveau de propriété d’avoirs. les preuves économiques (owens, hoddinott et Kinsey 2003) ainsi que les conversations avec les agriculteurs ont indiqué qu’au moins deux bœufs étaient nécessaires pour labourer et que leur absence avait sévèrement restreint la capacité des ménages à générer des revenus. les ménages avec plus deux bœufs étaient trois fois plus susceptibles de vendre au moins un bœuf que les ménages avec un ou deux bœufs, démontrant que la menace de perdre un avoir productif clé influait significativement sur le comportement des ménages. Cependant, les femmes issues des ménages n’ayant pas vendu de bœuf ont perdu plus de masse corporelle, et les enfants en âge préscolaire dans les ménages possédant peu de bœufs ont connu une réduction de leur taux de croissance qui s’est avérée permanente.

Figure 4. Sécurité alimentaire et résilience face à des chocs multiples

* FCs = score de consommation alimentaire

FCs

ChoC n°1 ChoC n°2 temps

hh-Y

hh-Z


21

l’étude illustrait plusieurs autres aspects: les difficiles décisions auxquelles les ménages font face suite à une perte importante de leurs revenus; la manière dont ces décisions sont affectées par la menace d’une sécheresse pouvant créer un piège de pauvreté et un déclin général du bien-être; et la valeur de l’examen plus approfondi des hypothèses de causalité afin de comprendre comment les réponses des ménages aux chocs sont déterminées par les règles d’assignation internes au ménage.9 d’autre part, on suppose souvent qu’à la suite d’un choc, les ménages les plus affectés sont ceux qui vendent leurs avoirs. pourtant dans ce cas, c’est plutôt le contraire qui s’est produit: ce sont les enfants des ménages n’ayant pas vendu leurs avoirs qui souffrent des conséquences irréversibles de la sécheresse de 1994-95.

aux fins de collecter des données de mesure de la résilience, un certain nombre de leçons peuvent être tirées de cette discussion:

• Données de mesure à haute fréquence – afin de saisir les dynamiques de la résilience, les données de mesure doivent être collectées à une fréquence qui permet de cartographier la trajectoire du bien-être dans le temps. Collecter des données plus fréquemment révèlera des dépendances à des voies (c’est-à-dire, la manière dont le bien-être est une trajectoire observée qui change dans le temps) avec une attention particulière portée à l’exposition aux chocs.

• Définition opérationnelle de la résilience et des voies de résilience – Bien que la résilience soit

mesurée par la capacité à atteindre et conserver un niveau de bien-être supérieur à un seuil acceptable, une trajectoire cohérente d’amélioration peut indiquer une “voie de résilience”, même dans des cas où les niveaux acceptables de sécurité alimentaire, pauvreté, etc. n’ont pas été atteints.

• Intégration de la planification des interventions et trajectoires – les informations obtenues des données sur la fluctuation du bien-être dans le temps face aux chocs pourrait contribuer à identifier des points d’entrée optimaux pour une intervention.

la composante 4 soulève également des questions pour déterminer si la capacité de résilience devrait être mesurée par rapport à un seuil (c’est-à-dire un état minimum acceptable de sécurité alimentaire ou bien-être) et/ou en fonction d’une trajectoire (Barrett et Constas 2014). Ces décisions sont importantes pour calibrer les mesures et déterminer l’efficacité d’une intervention donnée.

Composante 5. Méthodes de collecte de données sur la mesure de la résilience • Question pratique concernant la mesure: quels types d’outils et de perspectives de collectes de

données sont-ils nécessaires pour obtenir des données précises sur la résilience?

dans la lignée des recommandations énoncées dans l’étude n° 1, les éléments suivants renforceraient les données de mesure collectées concernant la résilience:

• Analyse des facteurs contextuels – la concentration sur les facteurs contextuels nécessite de prendre en compte la manière dont les conditions et situations locales et les caractéristiques contextuelles affectent la capacité à faire face aux chocs et facteurs de stress et/ou affectent directement le résultat d’intérêt.

9. de manière très générale, celles-ci peuvent être décrites comme suit: “qui fait quoi”, “qui obtient quoi” et “qui décide qui fait quoi et obtient quoi”. Voir haddad, hoddinott et alderman (1997) pour une description plus détaillée.


22

• Une perspective de systèmes – les travaux de conceptualisation, mesure et modélisation de la résilience peuvent être informés par une perspective de systèmes. il est important de construire des mesures qui soient sensibles aux ensembles hautement interconnectés de relations qui affectent les résultats en matière de développement face aux chocs et facteurs de stress.

• Utilisation de méthodes de collecte de données multiples – la mesure de la résilience requiert des méthodes de collecte de données quantitatives et qualitatives. les modèles de mesure les plus performants vont identifier des moyens d’intégrer les deux méthodes afin d’approfondir les descriptions et renforcer les inférences.

Ces trois caractéristiques de la mesure de la résilience sont décrites de manière plus détaillée dans la section qui suit.

Analyse des facteurs contextuels – les facteurs contextuels peuvent entraver et modérer les effets des interventions et programmes qui visent à affecter les résultats en matière de développement. en général, on entend par contexte l’ensemble de facteurs géographiques, sociaux, culturels, politiques et historiques qui influent sur la manière dont les interventions sont mises en œuvre et dont leurs effets sont analysés. Ceci peut prendre toute sorte de formes, depuis la corruption politique, l’élévation du niveau des sols ou une zone agroécologique jusqu’aux caractéristiques des ménages non prises en compte dans la programmation de la résilience (par ex., certains attributs ou variables démographiques). les variables contextuelles sont parfois appelées variables de fond, lesquelles décrivent les propriétés des contextes et les caractéristiques des populations qui peuvent affecter les résultats observés. il n’existe pas de règle pour décider ce qui devrait être considéré comme un facteur contextuel, car les variables de fond sont définies en fonction des objectifs des interventions et de la manière dont une ou plusieurs variables de résultats sont affectées par le contexte. pour effets de la mesure, le contexte doit être décrit en des termes pratiques dans le cadre de la théorie du changement d’une intervention, et en termes techniques dans le cadre du protocole de collecte de données.

l’un des défis de l’analyse du contexte est la cohérence. Comment peut-on exprimer les divers aspects du contexte d’une manière qui traduise les interdépendances entre les sources d’influence contextuelle ? une perspective de systèmes, en tant qu’outil d’organisation des influences multiples, fournit une bonne réponse à cette question.

Une perspective de systèmes – il est entendu que les résultats en matière de développement, comme la sécurité alimentaire et le bien-être économique, sont le résultat d’une série complexe de relations qui peuvent être comprises à travers une perspective de systèmes. les écologistes affirment depuis longtemps la nécessité de traiter les questions autour de la résilience dans ce sens (voir holling 1973). les concepts centraux pour la résilience dans le développement ont été définis et soumis à des examens empiriques par les écologistes (voir gunderson, allen et holling 2010).

de nombreux articles scientifiques ont souligné les avantages de l’adoption du concept de résilience comme cadre pour l’analyse de problèmes empiriques (Carpenter et coll. 2001; Berkes et coll. 2003; gunderson et Folke 2005; Walker et coll. 2006). nombreux sont certainement ceux qui conviendraient que les caractéristiques les plus utiles de la résilience sont sa capacité à contribuer à cadrer les problèmes dans une approche systémique et à penser de manière “holistique” – ce qui est particulièrement pertinent dans le contexte du développement, pour diverses raisons.

en premier lieu, une approche fondée sur les systèmes est utile, car les chocs qui affectent les ménages et/ou les sociétés sont de plus en plus covariables, touchant des groupes de ménages ou même des


23

communautés entières (Banque mondiale 2000; heltberg 2007). dès lors que la vulnérabilité des individus est intensifiée par leur dépendance sociale et économique envers d’autres qui s’avèrent eux-mêmes être affectés par les mêmes catastrophes naturelles et chocs, la nature holistique (systémique) de la résilience et sa concentration sur l’interdépendance de composantes distinctes d’un système est particulièrement avantageuse. les chocs liés au climat, les catastrophes naturelles ou les crises économiques sont de bons exemples des chocs covariables (par ex., Carte et al. 2007).

l’approche à travers la résilience est alors utile, car elle propose une vision fondée sur les systèmes des interactions socioécologiques, qui s’avère nécessaire pour comprendre les liens entre les systèmes humains, les écosystèmes, et les chocs et tendances. la vision à échelles multiples de la résilience permet aussi d’identifier la relation (et idéalement, les complémentarités) entre différents types d’interactions, de même que les seuils de différents types de systèmes. il est important de considérer les seuils ou points charnières qui, lorsqu’ils sont dépassés, peuvent entraîner un changement de l’état du système. par exemple, de nombreuses études sur les innovations et les conflits montrent comment les seuils de changement du comportement humain sont dépassés lorsqu’une masse critique est atteinte. Ceci contribue donc à identifier des caractéristiques générales qui font qu’un système est résilient dans un contexte d’incertitude et d’exposition à des types multiples de risque. ainsi, une approche systémique du risque peut faire la lumière sur les sources multiples de vulnérabilité qui peuvent affecter les ménages ou la société à différentes échelles (Wisner et coll. 2004).

en second lieu, adopter une approche systémique aide à expliquer pourquoi de nombreux processus et dynamiques qui affectent les personnes et/ou leurs environnements surviennent à des échelles multiples, du niveau local au niveau mondial (adger et coll. 2005), et sont souvent caractérisés par une rétroalimentation (Folke 2006). en termes pratiques, si la résilience est entendue comme un concept lié aux systèmes, les personnes étant en position d’affecter le changement (par ex., les décideurs politiques, les développeurs de programmes) devraient bénéficier d’une meilleure capacité à évaluer le caractère probable et désirable de changements ou transitions dans les différentes configurations systémiques. Carpenter et coll. (2006) évoquent l’importance des effets à échelles multiples dans leurs réflexions sur les besoins de la recherche en lien avec la situation socio-économique (sse) et l’évaluation des écosystèmes pour le millénaire. ils citent l’exemple de la perte d’écosystèmes côtiers tampons ayant entraîné l’exposition de larges zones littorales à des dommages catastrophiques, comme le tsunami de 2004 en asie ou les ouragans récurrents dans le golfe du mexique.

dans le contexte de moyens d’existence ruraux, la résilience et son approche fondée sur les systèmes et la pensée holistique a également une résonance liée aux ressources naturelles et à l’environnement. il est établi que personnes pauvres dépendent encore plus fortement des ressources naturelles (reddy et Chakravarty 1999; Beck et nesmith 2001; Béné et al. 2009). en conséquence, la résilience d’une communauté est inextricablement liée à la condition de l’environnement et à l’état de ses ressources. mettre l’emphase sur cette dépendance socioécologique permet de définir (ou redéfinir) les groupes vulnérables (améliorant ainsi le ciblage des interventions). Cela peut également contribuer à concevoir de meilleurs programmes de travaux publics “verts” pour la réhabilitation environnementale ou la conservation des ressources naturelles (comme les mesures de reforestation ou conservation des sols, par ex., Kuriakose et coll. 2012). appliquer des approches systémiques à la mesure de la résilience présente un certain nombre d’implications. l’adoption d’une approche fondée sur les systèmes implique que la mesure doit être effectuée à des échelles multiples (temporelles, spatiales, juridictionnelles, institutionnelles) et en utilisant des méthodes multiples.


24

tel qu’on l’a remarqué dans l’étude technique nº 1, une perspective systémique dans l’analyse de la résilience et ses déterminants amène à prendre en compte une pensée systémique et des échelles ou niveaux d’échelles multiples dans la mesure de la résilience. pour chacune des quatre composantes – composantes ex-ante, perturbatrices, ex-post et contextuelles – les leviers importants de la résilience au niveau d’intérêt peuvent apparaître à différents niveaux (ou échelles) du système. remarquons que les termes “échelle” et “niveau” de mesure sont utilisés différemment par diverses disciplines.10 dans cette analyse, ils sont utilisés de manière interchangeable.

par exemple, la mesure (ex-ante ou ex-post) du bien-être est souvent effectuée au niveau individuel ou du ménage, alors que les capacités de résilience peuvent inclure des facteurs à différents niveaux du système. Ces niveaux peuvent dépendre du fait que les facteurs sont liés à la vulnérabilité ou à la résilience: la qualité des sols (vulnérabilité) peut être mesurée au niveau écologique, alors que la capacité d’action collective (résilience) peut opérer au niveau communautaire. dans d’autres cas, la mesure de la résilience est orientée au niveau sous-national ou national, signifiant que les interventions et les mesures sont effectuées et suivies au niveau régional, du district, écologique, communautaire ou du ménage.

de la même manière, la composante perturbatrice peut être mesurée au niveau du ménage, mais cette mesure reflète typiquement l’expérience subjective d’exposition du représentant du ménage. Celle-ci peut différer de l’exposition réelle au danger, dont la mesure est meilleure à travers des données environnementales (par ex., condition des sols, précipitations). Bien entendu, les dangers présentent également différentes limites géographiques et différentes échelles (selon leur couverture). Cependant, la sensibilité de l’exposition doit être mesurée au niveau du ménage, car c’est l’unité primaire d’analyse. les facteurs de stress chroniques sont souvent politiques, environnementaux et culturels, lesquels sont fréquemment régionaux, mais peuvent apparaître à des niveaux plus élevés ou plus bas du système. par exemple, les valeurs culturelles encourageant les comportements qui érodent les stocks de ressources naturelles ou entravent l’émancipation des femmes peuvent avoir un impact négatif sur la résilience.

l’essentiel est ici d’analyser les niveaux auxquels les facteurs les plus critiques influent sur une composante particulière de la mesure. dans certains cas, ces facteurs peuvent être préidentifiés à travers une analyse secondaire des données, par exemple une analyse de séries chronologiques ou une nouvelle analyse d’enquêtes auprès des ménages à grande échelle comme les enquêtes nationales d’estimation du niveau de vie. alternativement ou parallèlement, des techniques qualitatives formelles peuvent être utilisées pour identifier les principaux facteurs opérant dans un système donné. il convient aussi de remarquer que cette mesure à échelles multiples a des conséquences pour la fréquence de l’enquête/du suivi. les sciences empiriques – en particulier l’écologie terrestre et marine – ont démontré qu’il existe une forme de relation linéaire entre les échelles spatiale et temporelle: les dynamiques et processus de faible niveau opèrent généralement à des fréquences plus élevées que les phénomènes à plus grande échelle (steele, 1989; levin 1992). ainsi, les changements dans les systèmes de circulation océanique surviennent sur des échelles temporelles plus longues (généralement des décennies) que l’évolution des organismes individuels (saisons ou années) (haury et coll. 1978). dans le cas qui nous intéresse, des dynamiques importantes au niveau individuel (par ex., des changements du bien-être, de la sécurité alimentaire ou des niveaux d’avoirs) peuvent nécessiter une mesure relativement fréquente (par ex. mensuelle), en particulier pour saisir leur changement en lien avec un choc donné. mais les changements survenant

10. les différents domaines d’intérêt pour la mesure de la résilience peuvent avoir des limites spatiales différentes, ou des divergences de limite. Ceci peut survenir, par exemple, lorsque les limites administratives et celles d’un agroécosystème diffèrent, ce qui est généralement le cas.


25

à un niveau plus élevé (par ex., des changements dans les attitudes de la communauté envers l’action collective ou des changements de la dégradation des ressources naturelles) peuvent requérir un suivi moins fréquent (par ex., annuel ou biannuel). Ces considérations ont des conséquences importantes pour les approches recommandées de la mesure de la résilience.

Utilisation de méthodes multiples – des méthodes multiples sont nécessaires pour mesurer les variables qui déterminent ou saisissent la capacité de résilience. Ceci s’explique par la nature dynamique, contextualisée et à niveaux multiples de la résilience et ses déterminants. il existe deux classes basiques de technique: qualitative et quantitative.

les méthodes qualitatives comprennent les groupes de réflexion, les entrevues avec des informateurs clés, les évaluations d’impact participatives et les techniques pour obtenir des classements des populations locales. l’information qualitative prend la forme de mots ou récit qui ne peuvent être exprimés de manière sensée dans un format numérique. Ce type d’information ne se prête pas souvent à une inclusion sous forme de modules dans des questionnaires. Cependant, il peut être utilisé de manières diverses dans la mesure de la résilience. on peut l’utiliser pour mettre au point des indicateurs de mesure de la résilience locaux pertinents pour une évaluation quantitative. il peut aussi contribuer à identifier des leviers locaux de résilience au sein de la population. les méthodes qualitatives sont souvent employées pour mesurer certains comportements et variables comme les dynamiques de conflit, les mécanismes de résilience locaux et des aspects du capital social. elles sont aussi utilisées pour générer des indicateurs qui sont ensuite incorporés aux méthodes quantitatives (voir ci-dessous) ou qui recentrent les stratégies de mesure vers les déterminants ou manifestations de la résilience les plus importants.

les relations sociales sont primordiales dans la détermination de la résilience, en particulier pour les ménages, mais aussi pour les communautés, que le risque affronté soit idiosyncrasique ou covariable. il est extrêmement difficile de saisir les relations sociales uniquement avec des informations quantitatives, de même que de prédire leur impact sur la résilience et les moyens d’existence ou les résultats en matière de pauvreté en l’absence d’information qualitative de qualité. l’information qualitative et subjective est essentielle pour déterminer pourquoi certains ménages ou communautés sont résilients et d’autres non (en opposition à s’ils sont résilients). Cette information peut contribuer à expliquer le comportement et les processus de prise de décisions en révélant les systèmes de valeurs motivationnels ou culturels et les croyances (maxwell 2013).

les méthodes quantitatives sont généralement associées à l’échantillonnage de population ou de probabilités spatiales, dans le but de générer des estimations de populations ou les caractéristiques des systèmes environnementaux ou socio-environnementaux, y compris la mesure du changement dans le temps. les travaux quantitatifs cherchent à déterminer des inférences concernant la résilience des ménages ou des communautés et à juger scientifiquement les hypothèses spatiales et géographiques.

il est important de distinguer les méthodes qualitatives et quantitatives des mesures objectives et subjectives. les mesures objectives et subjectives peuvent être utilisées aussi bien par les méthodes quantitatives que qualitatives.11 les mesures subjectives constituent toute forme de classement ou évaluation effectuée par un participant, mais dans le travail concernant la résilience elles sont typiquement associées aux comportements d’adaptation, à l’exposition au risque et au capital social. les

11. Voir maxwell (2013) pour une analyse plus approfondie de l’usage des données subjectives et qualitatives.


26

méthodes d’évaluation objectives sont celles ne reposant pas sur le jugement des participants. Ceci inclut les données environnementales issues de satellites, certains types d’évaluations anthropométriques, les avoirs observables et les données de surveillance de la mortalité.

les méthodes d’évaluation qualitatives et quantitatives sont souvent utilisées ensemble pour mesurer la résilience et ses déterminants. Cette combinaison peut améliorer la mesure de la résilience en identifiant les facteurs les plus importants à mesurer et en validant les mesures à travers la convergence de preuves. parfois ces méthodes sont utilisées de manière itérative ou séquentielle pour mettre au point un cadre d’évaluation de la mesure de la résilience. dans ce cas, selon la disponibilité des données secondaires, l’analyse secondaire des données quantitatives (enquêtes, registres administratifs) peut être utilisée pour identifier les leviers et manifestations clés de résilience et de vulnérabilité. lorsque l’on ne dispose pas de données secondaires, ou immédiatement après le passage en revue des données disponibles, des méthodes qualitatives formelles peuvent constituer la première application de mesure utilisée pour identifier les indicateurs potentiels dans le cadre. les mesures quantitatives peuvent alors être mises au point et testées, et les méthodes qualitatives peuvent être utilisées pour interpréter les résultats quantitatifs. Cette approche est l’une des plus communément utilisées dans le domaine à ce jour.

une approche alternative consiste à utiliser les méthodes qualitatives pour saisir les attributs liés à la résilience, s’agissant souvent de facteurs communautaires collectés grâce à des entrevues avec des informateurs clés ou des groupes de réflexion. Ces caractéristiques communautaires peuvent être résumées en termes quantitatifs dans les différentes communautés, ou elles peuvent être représentées par des variables d’indicateurs et intégrées avec les données des ménages pour mettre au point un ensemble de données à niveaux multiples.

Ces méthodes peuvent aussi être utilisées pour calibrer la mesure dans le temps. par exemple, entre les mesures ex-ante et ex-post, une combinaison des méthodes qualitatives et quantitatives peut être utilisée pour identifier les aspects des facteurs de stress et chocs les plus liés à la vulnérabilité et la résilience, de même que pour identifier la capacité, la vulnérabilité et les résultats en matière de bien-être anticipés.

la validité des variables difficiles à mesurer concernant le capital social, par exemple, peut être améliorée grâce à l’utilisation d’approches fondées sur la convergence de preuves, lorsque les méthodes qualitatives appliquées au niveau communautaire sont corroborées par l’information subjective obtenue des enquêtes auprès des ménages.

les mesures objectives et subjectives peuvent être utilisées de manière complémentaire pour mieux comprendre le risque perçu en tant que fonction de l’exposition au risque, un levier potentiel important de la résilience et la vulnérabilité. par exemple, l’exposition au risque covariable des catastrophes naturelles peut être mesurée de manière quantitative avec des données environnementales objectives, alors que l’exposition à la “sensibilité au danger” peut être mesurée grâce à des données subjectives comme le risque perçu et les comportements d’adaptation, marquant la différence entre l’exposition au risque et le risque perçu.

l’utilisation de différentes techniques dépend également de la disponibilité des données et des objectifs spécifiques de l’exercice de mesure de la résilience. les données quantitatives comprennent les séries de données chronologiques rétrospectives, les enquêtes auprès des ménages et les données collectées systématiquement qui peuvent être énumérées à des niveaux plus élevés dans le système (communautés, districts). des méthodes qualitatives peuvent être utilisées pour produire des données qui peuvent être quantifiées, mais avec une grande prudence. il est vital de s’assurer que les forces et les faiblesses des données quantitatives et qualitatives sont décrites et comprises.


27

Composante 6. Procédures d’estimation de la mesure de la résilience12 • Question pratique concernant la mesure: Comment les données peuvent-elles être analysées pour

déterminer des inférences concernant l’effet que les capacités de résilience ont sur les résultats en matière de développement face aux chocs et facteurs de stress?

Cette composante du modèle analytique commun vise à encadrer la mesure de la résilience sous la forme d’un modèle de régression typique. Comme remarqué précédemment, il existe de nombreux modèle de résilience en circulation. le principal avantage d’un modèle analytique est de fournir une approche explicite pour traduire des idées en contenu ou données empiriques. l’objectif est de montrer comment des variables peuvent être liées les unes aux autres. en conséquence, l’expression formalisée et symbolique des relations à examiner constitue une part essentielle du modèle analytique. en général, ces expressions spécifient une relation de causalité dans laquelle une variable donnée ou un ensemble de variables (variables prévues ou dépendantes) est vu comme le résultat fonctionnel d’un autre ensemble de variables (variables prédictives). les expressions de ce type sont parfois appelées formes fonctionnelles, spécifications, modèles d’estimation, formules, modèles prédictifs, ou simplement modèles.

dans l’étude technique nº 1 et l’introduction du présent document, une version simplifiée du modèle d’estimation de la résilience a été présentée. Cette version simplifiée initiale est désormais élaborée selon trois voies. tout d’abord, le modèle original, désigné ici comme le modèle simplifié, est modifié pour démontrer la qualité de sensibilité au temps de la résilience et souligner le besoin de mesures à la fois objectives et subjectives. reprenant des éléments du modèle analytique commun, ceci donne lieu à un modèle d’estimation plus complexe: le Modèle sensible au temps avec des mesures subjectives. dans cette analyse de départ des modèles d’estimation, le modèle original et le modèle de résilience sensible au temps sont présentés sans utiliser de conventions économétriques. ensuite, l’ensemble des assomptions utilisées pour construire un modèle d’estimation pour la résilience est présenté. enfin, nous verrons un modèle plus profondément développé avec des variables définies plus précisément et une formulation économétrique. Cette présentation finale de l’estimation, sous une forme fonctionnelle, est proposée en tant qu’illustration et afin de souligner la valeur des modèles spécifiques qui peuvent être examinés empiriquement.

Modification du modèle simplifié. Un modèle = simplifié montre la fonction de la capacité de résilience comme une variable pouvant exercer son influence en lien avec d’autres variables qui affectent le bien-être d’un ménage, d’une communauté ou d’une autre unité touché-e par des chocs et facteurs de stress. la fonction est exprimée dans la forme simple suivante:

Modèle d’estimation simplifié:

sécurité alimentaire = f (vulnérabilité, capacité de résilience, chocs)

au-delà de démontrer la valeur instrumentale de la capacité de résilience, le modèle de résilience simplifié a été introduit pour indiquer que la résilience doit être définie à la fois par le langage ordinaire et en tant que formule.

12. Bien que l’objectif de cette section soit de fournir une présentation raisonnablement générale, les procédures d’estimation de la mesure de la résilience constituent l’aspect le plus technique du modèle. les lecteurs moins intéressés par les procédures d’estimation peuvent choisir de poursuivre directement la lecture de la quatrième section “Conclusion”.


28

afin de refléter le principe de la sensibilité temporelle présenté dans l’étude technique n°1 et en préparation d’une présentation économétrique plus élaborée, une dimension temporelle peut être ajoutée au modèle de résilience simplifié. une dimension temporelle peut être incluse en utilisant un indice t (t=1,2,3,...n) indiquant que des mesures multiples ont été effectuées dans le temps. la première mesure est effectuée à t=1, la seconde mesure à t=2, jusqu’à la dernière mesure où t=n. la version modifiée du modèle de résilience simplifié, qui comprend une dimension temporelle avec des mesures à la fois subjectives et objectives des chocs, est comme suit:

Modèle sensible au temps avec des mesures subjectives:

sécurité alimentairet = f (vulnérabilitét, capacité de résiliencet, chocsto, s)

l’indice t pour la sécurité alimentaire signifie qu’il s’agit de la sécurité alimentaire au temps t, par exemple des données de référence collectées avant une intervention. le changement de la sécurité alimentaire peut être mesuré comme la différence entre la sécurité alimentaire à t et la sécurité alimentaire à t+1.13 la première variable prédictive, la vulnérabilité, montre comment la vulnérabilité change dans le temps (t=1,2,3,...n), avec des baisses observées de la vulnérabilité pouvant être attribuées à la résilience. la deuxième variable prédictive, la capacité de résilience, est un composite de variables dont l’on présume qu’elles assureront qu’une unité (par ex., le ménage ou la communauté) ne souffrira pas de conséquences adverses face aux chocs et facteurs de stress. elle représente un ensemble de ressources qui permet à l’unité de se préparer et/ou répondre aux effets d’un choc. la composante de sensibilité temporelle est incluse ici pour refléter la manière dont les dimensions qui constituent la capacité de résilience peuvent changer dans le temps. le bien-être à long terme peut, par exemple, être compromis pour satisfaire des besoins à court terme. la troisième variable prédictive, le choc, représente un ou plusieurs évènements ou conditions qui menacent le bien-être d’un grand nombre de personnes (chocs covariables) ou d’un nombre moindre, plus isolée de personnes (chocs idiosyncrasiques). les exposants o, s pour les chocs indiquent que les mesures à la fois objectives (données sur l’occurrence) et objectives (données sur les perceptions des chocs et facteurs de stress) doivent être incluses. l’indice temporel pour les chocs suggère que les caractéristiques objectives comme subjectives des chocs changent dans le temps.

Encadrer la capacité de résilience dans un modèle d’estimation formel. si l’on considère que la “résilience est la capacité qui garantit que des facteurs de stress et des chocs adverses n’aient pas de conséquences négatives durables sur le développement” (étude technique nº 1: p. 13), deux observations ouvrent la voie à l’introduction d’un modèle d’estimation illustratif. en premier lieu, les capacités de résilience spécifiques utilisées dans un modèle d’estimation peuvent être indexées sur la sécurité alimentaire, la pauvreté ou tout autre concept de bien-être représentant un résultat d’intérêt en matière de développement. en second lieu, la résilience, en opposition à des concepts corrélés (par ex., la vulnérabilité), souligne les effets durables sur la variable de résultat, car elle saisit la capacité d’absorption, d’adaptation et de transformation d’un ménage en réponse aux chocs.

dans l’examen de la manière dont un résultat change dans le temps face aux chocs, la variable dépendante dans le modèle d’estimation mesure la résilience d’un ménage et d’unités plus importantes

13. dans le cas d’une évaluation d’impact avec une intervention, la procédure d’estimation peut utiliser une méthode de différence dans les différences, où le changement de la sécurité alimentaire impliquerait une comparaison plus approfondie des changements de la sécurité alimentaire observés entre une condition d’intervention et une condition de contrôle.


29

pouvant affecter le ménage. remarquons que la résilience n’est pas seulement un concept véritablement dynamique, impliquant le processus de préparation et réponse aux chocs, elle se définit aussi en référence aux conséquences “durables” d’un choc donné.

le modèle d’estimation, et le modèle analytique dont il dérive, doivent être capables de saisir toutes les voies possibles vers le bien-être face aux chocs. Ces voies peuvent être très différentes, même parmi les ménages vivant dans le même contexte. en conséquence, le modèle d’estimation doit être capable d’exprimer la relation de causalité liant risques et résultats (la chaîne de risque) et refléter l’hétérogénéité.

Conformément aux principes de mesure de la résilience énoncés dans l’étude technique n°1, le modèle de résilience doit être indexé sur un résultat spécifique en matière de bien-être. Ceci signifie que la variable dépendante doit être un indicateur de l’état de bien-être, comme la sécurité alimentaire. l’indicateur spécifique utilisé dépend des objectifs et de l’échelle de l’analyse. les ménages semblent être le point d’entrée le plus pertinent pour l’analyse de la résilience face à l’insécurité alimentaire.14 dans ce cas, la consommation alimentaire du ménage à différents moments dans le temps, ou des changements dans la consommation alimentaire entre deux moments dans le temps constituent un indicateur adéquat de l’état de bien-être. Cependant, il n’y a pas de raison de limiter l’analyse à la consommation alimentaire du ménage: tout indicateur du bien-être du ménage peut être utilisé (par ex., l’état nutritionnel ou de santé) (voir hoddinott et Kinsey 2001).

adopter une perspective fondée sur le ménage ne signifie pas pour autant ignorer l’importance des relations entre les ménages et le système plus large auquel ils appartiennent (par ex., la communauté ou le district). il s’agit plutôt de reconnaître que les systèmes comprennent des hiérarchies, et que chaque niveau implique une échelle temporelle et spatiale différente. ainsi, si le niveau d’analyse est différent, comme la sécurité alimentaire au niveau de la communauté ou d’un niveau hiérarchique plus élevé (par ex., le district, la province, l’état, la région), les indicateurs de la variable dépendante vont changer (par ex., la proportion de la population touchée par l’insécurité alimentaire, le fossé de sécurité alimentaire, ou la consommation d’énergie quotidienne moyenne de la population).15

Ceci signifie de plus reconnaître que le système plus large contribue à déterminer la performance de sécurité alimentaire du ménage, y compris la résilience face à l’insécurité alimentaire (il s’agit du “contexte” dans la chaîne de risque). en termes opérationnels, les caractéristiques du système plus large auquel appartient le ménage doivent être explicitement prises en compte dans le cadre analytique et le modèle.

le cadre temporel pour l’analyse dépend aussi des objectifs analytiques: spécifiquement, il dépend du niveau de l’analyse et des stratégies relatives aux moyens d’existence adoptées par un ménage donné (qui définissent à leur tour le paysage de risque dans lequel il vit et les options disponibles pour gérer les risques). en effet, le choix du cadre temporel est inscrit dans la définition de la résilience, qui se concentre sur les conséquences adverses “durables” des chocs. de manière générale, plus la période temporelle

14. le ménage est l’unité au sein de laquelle les décisions les plus importantes sont prises pour la gestion du risque ex-ante et ex-post. Ceci comprend la manière dont les décisions affectant la sécurité alimentaire sont prises: par ex., quelles activités génératrices de revenus réaliser, comment assigner la consommation alimentaire et non alimentaire parmi les membres du ménage, quelles stratégies mettre en œuvre pour gérer et faire face aux risques.

15. Comme cela apparaîtra dans l’analyse ci-dessous, le modèle d’estimation doit être modifié pour traduire ces changements de la variable dépendante. de fait, un niveau d’analyse plus élevé et des chocs covariables, et non pas idiosyncrasiques, plus importants nécessitera une modification du modèle. généralement, ceci se traduit aussi par un cadre temporel d’analyse plus long.


30

couverte par l’analyse est longue, meilleure sera l’évaluation de ces conséquences (par ex., la capacité du ménage à retrouver [ou atteindre] un état de bien-être supérieur au seuil normatif établi).16

la question du cadre temporel minimum pour obtenir une analyse significative dépend de la stratégie relative aux moyens d’existence du ménage. les stratégies utilisées par les pasteurs ou agriculteurs sont complètement différentes de celles des conducteurs de pousse-pousse ou des salariés urbains en termes de vitesse de la génération de revenus ou de constitutions d’avoirs, ainsi que dans leurs modèles temporels (par ex., saisonnier ou non saisonnier). du point de vue opérationnel, ceci signifie que i) le modèle doit explicitement contrôler l’hétérogénéité des stratégies relatives aux moyens d’existence et leurs profils de risque, et ii) que le cadre temporel doit être assez long pour donner au ménage une chance de récupérer (par ex., trois ou cinq cycles de production complets). le plus souvent, il s’agit de considérer un cadre temporel analytique qui s’étend sur plusieurs années.

la référence la plus proche pour une analyse quantitative de la résilience fondée sur le travail économique est l’analyse de la vulnérabilité. pour hoddinott et quisumbing (2010), il existe trois approches principales de l’évaluation de la vulnérabilité: la vulnérabilité comme pauvreté escomptée (Vpe), la vulnérabilité comme faible utilité escomptée (Vue) qui minimise le bien-être futur, et la vulnérabilité comme exposition non assurée au risque (Ver). toutes ces approches sont des modèles économétriques qui proposent une estimation de la mesure du bien-être – en général la consommation du ménage et des variantes de celle-ci.

les mesures de la Vpe et Vue estiment la vulnérabilité comme la probabilité que la consommation réalisée chute en deçà d’un seuil normatif. Ces approches mesurent la vulnérabilité du ménage à partir de tous les ménages individuels, offrant une mesure de la vulnérabilité agrégée. la Ver ne propose pas d’estimation de probabilités, mais elle évalue si les chocs observés entraînent des pertes de bien-être. les mesures de la Ver sont des évaluations ex-post déterminant à quel point un choc négatif fait dévier un ménage de son niveau de bien-être escompté.

si l’on reprend la définition de la résilience introduite dans l’étude technique nº 1, la Ver fournit un cadre analytique fondamental adapté pour évaluer la résilience, en particulier en utilisant des sources de données disponibles comme les données des enquêtes nationales d’estimation du niveau de vie et les ensembles de données en lien sur les ménages. la procédure d’estimation fondamentale est définie ci-dessous, avec des suggestions d’améliorations fondées sur la disponibilité d’ensembles de données plus riches, qui seront mis en ligne dans le but de mesurer la résilience.

la description de la forme fonctionnelle d’un modèle d’estimation pour la résilience présentée dans la section suivante est rédigée pour les personnes intéressées par les aspects statistiques et économétriques de la mesure de la résilience. les lecteurs qui sont plus intéressés par le traitement conceptuel de la mesure de la résilience peuvent choisir de poursuivre directement la lecture des conclusions de cette étude, dans la quatrième section.

Modèle d’estimation de la sécurité alimentaire à travers la capacité de résilience. un modèle fondamental est défini ci-dessous, où h représente le ménage h-th vivant dans le village v au moment t.

16. Cependant, plus la période d’analyse est longue, plus la probabilité d’effets composés de chocs multiples sera grande, ce qui peut compliquer le travail d’identification des mécanismes de causalité.


31

en tant que variable dépendante, la consommation alimentaire17(ΔlnFChtv) doit être définie comme la différence des registres de consommation alimentaire entre t et t+1, c’est-à-dire le taux de croissance de la consommation alimentaire, ou d’un autre résultat en matière de bien-être, durant la période considérée. l’impact des chocs survenus entre t et t+1 sur la consommation alimentaire du ménage h-th peut alors être estimé en fonction de la relation suivante:

Forme fonctionnelle d’estimation de la sécurité alimentaire à travers la capacité de résilience:

ΔlnFChvt=∑iαiCs(i)vt+∑iβiis(i)hvt+∑vtδvtrChvt+γXhvt+θZhv+Δεhvt

où Csvt est un vecteur de chocs covariables survenant entre t et t+1. le terme is(i)htv représente un vecteur de chocs idiosyncrasiques sur la même période (y compris les éléments objectifs comme subjectifs comme remarqué plus haut); rChtv est un vecteur de variables catégoriques et continues18 qui indique les capacités de résilience employées par un ménage donné au moment t; Xhvt and Zhv sont, respectivement, les caractéristiques du ménage variables dans le temps et invariantes dans le temps (ou des caractéristiques d’agrégésdeniveaupossiblementplusélevé);etΔεhvt est un terme d’erreur stochastique.

Lesvaleursestiméesd’αetβidentifientlamagnitudedesimpactsdeschocscovariablesetidiosyncrasiques,respectivement. les impacts des chocs covariables comme idiosyncrasiques sont contrés par les effets des capacités de résilience privées (c’est-à-dire au sein des ménages) et les réponses publiques (c’est-à-dire les ressources, politiques et programmes sociaux).19 en quantifiant l’impact de ces chocs, cette approche identifie quels risques constitueraient une cible adaptée de politique et estime l’effet des capacités de résilience. en outre, si l’on considère l’impact asymétrique bien connu des chocs positifs et négatifs, il peut être utile de désagréger les variables de chocs entre des composantes de chocs positives et négatives (dercon et Krishnan 2003).

l’estimation économétrique du modèle ci-dessus peut être meilleure si l’on dispose de données de panel. il est important ici de rappeler que la mesure de la résilience nécessite une comparaison entre des états ex-ante et ex-post avec pour médiateur les capacités de résilience. l’utilisation de données transversales suggère deux hypothèses principales: premièrement, la variance transversale peut être utilisée pour estimer la variance intertemporelle; et deuxièmement, il n’y a pas de corrélation entre les chocs observés et les caractéristiques non observables des ménages. de manière alternative, si des données transversales répétées issues du même cadre d’échantillonnage sont disponibles, des panels en groupes peuvent être créés, mais cela saisira uniquement la variation intertemporelle d’un ménage représentatif par groupe. Ceci peut ne pas être pertinent si les caractéristiques des ménages varient largement parmi les groupes. l’analyse de données de panel permet d’analyser le changement au niveau individuel. si les estimations sont dérivées d’une régression à effets fixes, on peut contrôler les caractéristiques invariantes dans le temps non observables des ménages et communautés. les types d’ensembles de données de panel nécessaires pour ce travail ne sont pas habituellement viables pour l’évaluation et le suivi dans le cadre des études appliquées. Ceci souligne l’importance de l’usage judicieux des sources de données secondaires pour identifier les principaux leviers de résilience, qui doivent être suivis dans le temps dans les environnements des projets.

17. À des fins d’illustration, la consommation alimentaire est utilisée comme un résultat représentant la sécurité alimentaire. tout résultat en matière de développement ou autre indicateur de la sécurité alimentaire peut être inséré comme le résultat d’intérêt.

18. Cette variable peut aussi être désagrégée entre les capacités d’absorption, d’adaptation et de transformation qui représentent la nature multidimensionnelle de la capacité de résilience.

19. les impacts de ces réponses privées et publiques peuvent être quantifiés si la variable rC est désagrégée de manière adéquate.


32

les praticiens et décideurs politiques veulent savoir quels segments de la population sont moins résilients que d’autres, afin de pouvoir améliorer leur ciblage. on peut identifier les strates de population montrant un impact supérieur en modifiant l’équation et introduisant un terme d’interaction entre la variable des chocs et un vecteur de variables fictives indiquant les caractéristiques des ménages (harrower et hoddinott 2005; skoufias et quisumbing 2005). dans cette spécification, le signe et la taille du coefficient du terme d’interaction identifient dans quelle mesure il existe une covariation supérieure ou inférieure entre le choc et les changements de consommation dans le groupe de ménages avec cette caractéristique spécifique par rapport au groupe de ménages de référence sans cette caractéristique. dans une lignée similaire, la valeur-t de student associée à ce coefficient permet de tester si cette différence est significative.

de manière générale, un ménage non résilient est celui qui montre une mauvaise gestion des risques face aux chocs négatifs (dercon et Krishnan 2003). Cette caractéristique peut être utilisée comme une stratégie pour évaluer ce qui rend un ménage non résilient. les chocs sont inclus comme des déterminants du changement de la consommation alimentaire dans l’équation. il est alors simple d’identifier les sources de résilience/non-résilience en s’intéressant à la magnitude et la signifiance statistique des estimations des variables de risque. afin de concevoir des instruments de protection sociale adéquats, il convient d’examiner les capacités existantes que les ménages utilisent pour faire face aux chocs idiosyncrasiques et covariables. Ceci est possible avec une régression des mécanismes de gestion des risques (capacités) sur les chocs et les caractéristiques des ménages (skoufias et quisumbing 2005). en permettant aux chocs d’interagir avec des caractéristiques fixes des ménages, on peut aussi déterminer si différents types de ménages sont plus ou moins susceptibles d’utiliser un ensemble donné de capacités pour gérer le risque. en outre, en croisant les réponses aux chocs (privées et/ou publiques) avec les impacts sur le bien-être (significatifs/non significatifs), on obtient des informations sur l’efficacité de ces capacités de gestion des risques. Ceci peut être utilisé par les décideurs politiques pour identifier les priorités d’intervention (hoddinott et quisumbing 2010). Ces informations peuvent être désagrégées plus avant par caractéristiques des ménages afin de déterminer l’efficacité du ciblage des réponses publiques.

Modèles d’estimation, inférence et méthodes qualitatives. Bien que le travail de spécification d’un modèle d’estimation requière une série d’informations, il existe une tendance à envisager cette modélisation comme un exercice d’analyse quantitative. afin de fournir un panorama complet, il est utile de penser à l’objectif déductif servi par la spécification et l’examen des modèles d’estimation. les modèles d’estimation de la résilience sont importants, car, avec une expression quantitative associée, ils clarifient la relation entre un ensemble de variables qui doivent permettre de prédire un résultat face aux chocs et facteurs de stress, et un résultat d’intérêt comme la sécurité alimentaire. un modèle d’estimation peut contribuer à identifier la force de ces relations, et il aide à décrire le degré de convergence ou divergence de telles relations dans une population donnée. Cependant, les modèles d’estimation ne fournissent pas de descriptions très détaillées des contextes locaux. assez souvent, ils expliquent une part relativement faible – bien que statistiquement significative – de la variation des variables qu’ils doivent prédire. alors que les modèles d’estimation fournissent un moyen techniquement défendable d’estimer les effets des interventions, ils n’offrent pas d’informations particulières sur la manière dont les personnes perçoivent et font l’expérience des interventions dans leurs vies quotidiennes. il existe des questions pour lesquelles les modèles d’estimation sont conçus, et d’autres pour lesquelles les méthodes qualitatives sont plus adaptées. pour énoncer une règle générale pour la conception des mesures de la résilience, les inférences seront plus fortes et les descriptions plus complètes lorsque les méthodes qualitatives comme quantitatives sont employées.


33

IV. Conclusion

la résilience est un nouveau concept pour le développement et continue à être appliqué comme une solution potentielle à un large éventail de problèmes. l’introduction d’un nouveau concept offrant une orientation donne la possibilité de renforcer et cibler plus efficacement le travail dans un champ donné. un nouveau concept peut fournir une nouvelle lunette à travers laquelle explorer les politiques, formuler les interventions, et programmer les études. Cependant, l’opportunité de faire des progrès sur un nouveau concept est souvent sapée par la tendance à représenter et/ou mesurer le concept en se fondant sur une logique qui est largement non spécifiée ou opaque. l’articulation d’un modèle commun peut faciliter le progrès en promouvant la transparence de la logique analytique dont dépend la mesure. la possibilité d’obtenir des progrès scientifiquement défendables est renforcée par la présentation d’un modèle analytique commun, même lorsque le modèle lui-même n’est pas largement accepté. l’acceptation uniforme des idées n’est pas typique de la science. au contraire, la science dépend du débat ouvert et de la divergence active (voir popper 1962). afin d’avancer une approche scientifique de la mesure de la résilience, un modèle analytique commun est introduit. un modèle analytique commun pour la mesure de la résilience présente un double avantage: les stratégies pour mettre au point les mesures seront transparentes et ouvertement débattues, et les arguments autour de la mesure de la résilience feront l’objet d’une attention plus précise.

s’appuyant sur les principes de la mesure de la résilience proposés par l’étude technique nº 1 du gtt-mr, ce document décrit un modèle analytique commun pour la mesure de la résilience. divisé en six composantes, le modèle fournit une structure logique sur laquelle les activités de planification de la mesure peuvent se reposer. un trait essentiel du modèle, le cadre de causalité de la résilience, identifie une voie causale fondamentale qui souligne les moments auxquels les données doivent être collectées afin de modéliser l’état et la trajectoire du bien-être affecté par les chocs et facteurs de stress, ces chocs et facteurs de stress étant compensés par la capacité de résilience. le modèle identifie aussi quatre grandes catégories de données requises pour mesurer la résilience. les recommandations générales pour la mesure mettent en lumière le besoin de collecter des données sur les états initiaux, les chocs, les états subséquents (post-choc) et les influences contextuelles. Cette étude considère également la manière de construire des mesures de la capacité de résilience, suggérant dix catégories d’indicateurs et soulignant des tactiques méthodologiques spécifiques pour améliorer la validité de la mesure de la résilience. l’analyse méthodologique fait apparaître l’importance de méthodes multiples (quantitatives et qualitatives), ainsi que celle des indicateurs objectifs et subjectifs. enfin, depuis une perspective analytique, le document décrit des modèles d’estimation qui peuvent être utilisés pour évaluer l’impact de la résilience.

en conclusion, le modèle analytique commun est utile, car il fournit un point de référence partagé pour élaborer et appliquer des mesures dans des contextes divers. À cette fin, cette étude propose un modèle analytique commun de mesure de la résilience qui est à la fois largement applicable et techniquement solide. le modèle est largement applicable, car il est assez général pour s’adapter à un éventail de contextes et d’interventions. il est techniquement solide, car il fournit un cadre de causalité identifiable pour la résilience et recommande des perspectives et procédures pour orienter la mesure. la prochaine étape de travail sur la mesure de la résilience implique la génération d’une série d’ensembles de données pouvant être utilisés pour décrire la manière dont la capacité de résilience est distribuée à travers différents contextes et population et pour tester des hypothèses concernant les effets des interventions liées. une révision systématique des données sur la résilience contribuera à affiner la mesure. l’analyse des données, obtenues d’études multiples sur les populations vivant dans des contextes enclins aux chocs, permettra aussi d’évaluer combien la capacité de résilience apporte à l’efficacité des stratégies de développement et humanitaires.


34

V. References

ACCRA. 2012. The ACCRA Local Adaptive Capacity Framework. An ACCRA Brief. disponible à l’adresse: http://community.eldis.org/.59d669a7/aCCra%20local_adaptive%20policy_new.pdf

Adger, W., Amell, N. et Tompkins, E. 2005. Successful Adaptation and Climate Change Across Scales. global environmental Change. 15(2), 77–86.

Adger, W. 2006. Vulnerability. global environmental Change. 16(3), 268–281.

Aldrich, D.P. 2012. Building Resilience: Social Capital in Post-Disaster Recovery. Chicago: university of Chicago press.

Alinovi, L., D’Errico, M., Mane, E. et Romano, D. 2010. Livelihoods Strategies and Household Resilience to Food Insecurity: an Empirical Analysis to Kenya. document élaboré pour la Conférence sur le thème “Promotion de la résilience par la protection sociale dans l’Afrique Subsaharienne“, organisée par le rapport européen sur le développement” à dakar, sénégal, 28–30 juin 2010.

Alinovi, L., Mane, E. et Romano, D. 2009. Measuring Household Resilience to Food Insecurity: Application to Palestinian Households. programme Ce–Fao pour la sécurité alimentaire.

Banque mondiale. 2000. World development report 2000/2001. attacking poverty. new York: publié pour la Banque mondiale par oxford university press.

Barrett, C. et Constas, M. 2014. Toward a Theory of Resilience for International Development Applications. proceedings of the national academy of sciences. publié en ligne, avant la version imprimée., 22 septembre 2014.

Beck, T. et Nesmith, C. 2001. Building on Poor People’s Capacities: The Case of Common Property Resources in India and West Africa. World development 29(1): 119–133.

Béné, C. 2013. Towards a Quantifiable Measure of Resilience. ids Working paper 434, Brighton: institute of development studies, p. 27.

Béné, C., Wood, R.G., Newsham, A. et Davies, M. 2012. Resilience: New Utopia or New Tyranny? Reflection about the Potentials and Limits of the Concept of Resilience in Relation to Vulnerability Reduction Programmes. ids Working paper. Vol. 2012 nº 405. Centre for social protection Working paper no. 006. institute of development studies (ids) et Centre for social protection (Csp). septembre 2012.

http://community.eldis.org/.59d669a7/ACCRA Local_Adaptive Policy_new.pdf


35

Béné, C., Steel, E., Kambala Luadia, B. et Gordon, A. 2009. Fish as the “Bank in the Water” - Evidence from Chronic-Poor Communities in Congo. Food policy 34, 104–118.

Berkes, F., Colding, J. et Folke, C. 2003. Navigating Social-Ecological Systems: Building Resilience for Complexity and Change. Cambridge: Cambridge university press.

Brooks N., Aure, E. et Whiteside, M. 2014. Assessing the Impact of ICF Programmes on Household and Community Resilience to Climate Variability and Climate Change. rapport préliminaire. londres: dFid. disponible à l’adresse: https://www.gov.uk/government/uploads/system/uploads/attachment_data/file/279639/draft-measuring-resilience-report.pdf

Carpenter S., Walker, B., Anderies, J.M. et Abel, N. 2001. From Metaphor to Measurement: Resilience of What to What? ecosystems 4(8): 765–781.

Carpenter, S., DeFries, R., Dietz, T., Mooney, H., Polasky, S., Reid, W. et Scholtes, R. 2006. Millennium Ecosystem Assessment: Research Needs. science 314(5797): 257–258.

Carter, M., Little, P., Mogues, T. et Negatu, W. 2007. Poverty Traps and Natural Disasters in Ethiopia and Honduras. World development 35(5): 835–856.

Ciani, F. et Romano, D. 2013. Testing for household resilience to food insecurity: Evidence from Nicaragua. department of economics and management. university of Florence. Job market paper disponible à l’adresse: http://ageconsearch.umn.edu/bitstream/172958/2/testing%20for %20household%20resilience%20to%20Food_Federico%20Ciani%20and%20donato%20romano.pdf

Constas, M., Frankenberger, T. et Hoddinott, J. 2014. Principes de la mesure de la résilience: vers un programme pour la conception de la mesure. groupe de travail technique sur la mesure de la résilience. série technique no. 1. rome: réseau d’information sur la sécurité alimentaire. disponible à l’adresse: http://www.fsincop.net/fileadmin/user_upload/fsin/docs/resources/Fsin_resilience%20paper1_Fr_WeB.pdf

Constas, M. et Barrett, C. 2013. Principles of Resilience Measurement for Food Insecurity: Metrics, Mechanisms and Implementation Plans. document présenté à la Consultation d’experts sur la mesure de la résilience en rapport avec la sécurité alimentaire, 19–21 février 2013. rome: Fao et WFp.

Crocker, L. et Algina, J. 1986. Introduction to Classical and Modern Test Theory. new York: harcourt, Brace, Jovanovich.

Cronbach, L. et Meehl, P. 1955. Construct Validity in Psychological Tests. psychological Bulletin, 52: 281–302.

https://www.gov.uk/government/uploads/system/uploads/attachment_data/file/279639/Draft-measuring-resilience-report.pdf

https://www.gov.uk/government/uploads/system/uploads/attachment_data/file/279639/Draft-measuring-resilience-report.pdf

http://ageconsearch.umn.edu/bitstream/172958/2/Testing for Household Resilience to Food_Federico Ciani and Donato Romano.pdf

http://ageconsearch.umn.edu/bitstream/172958/2/Testing for Household Resilience to Food_Federico Ciani and Donato Romano.pdf

http://www.fsincop.net/fileadmin/user_upload/fsin/docs/resources/FSIN_Resilience%20paper1_FR_WEB.pdf

http://www.fsincop.net/fileadmin/user_upload/fsin/docs/resources/FSIN_Resilience%20paper1_FR_WEB.pdf


36

Department for International Development (DFID). 2011. Defining Disaster Resilience: A DFID Approach Paper. london: dFid.

Dercon, S. et Krishnan, P. 2003. Food Aid and Informal Insurance. Wider discussion paper, 16095774; no. 2003/09. doi: 10.1093/0199276838.003.0015

FAO. 2014. Household Resilience in Dolow, Somalia. Baseline Analysis for Impact Evaluation of FAO-UNICEF-WFP Resilience Strategy. Février 2014. rome: Fao, uniCeF, WFp.

Folke, C. 2006. Resilience: The Emergence of a Perspective for Social-Ecological Systems Analyses. global environmental Change. 16(3): 253-267.

Folke, C., Colding, J. et Berkes, F. 2002. Building Resilience for Adaptive Capacity in Social-Ecological Systems. in Berkes F., Colding, J. et Folke, C. (eds.). Navigating Social-Ecological Systems: Building Resilience for Complexity and Change. Cambridge, uK: Cambridge university press.

Frankenberger, T. et Nelson, S. 2013. Background Paper for the Expert Consultation on Resilience Measurement for Food Security. document présenté à la Consultation d’experts sur la mesure de la résilience en rapport avec la sécurité alimentaire, 19–21 février 2013. rome: Fao et WFp.

Frankenberger, T., Mueller, M., Spangler, T. et Alexander, S. 2014. Community Resilience: Conceptual framework and Measurement Feed the Future Learning Agenda. octobre 2013. rockville, md: Westat.

Frankenberger, T., Spangler, T., Nelson, S. et Langworthy, M. 2012. Enhancing Resilience to Food Security Shocks in Africa. paper. novembre 2012. usaid, dFid, Banque mondiale. disponible à l’adresse: http://www.fsnnetwork.org/sites/default/files/discussion_paper_usaid_dfid_wb_nov._8_2012.pdf

Gunderson, L., Allen, C. R. et Holling, C. S. 2010. Foundations of ecological resilience. island press, new York, new York, usa.

Gunderson, L. et Folke, C. 2005. “resilience - now more than ever”. Ecology and Society 10(2).

Haddad, L., Hoddinott, J. et Alderman, H. (eds.). 1997. Intrahousehold Resource Allocation in Developing Countries: Models, Methods and Policy. Baltimore: Johns hopkins university press.

Harrower, S. et Hoddinott, J. 2005. Consumption Smoothing in the Zone Lacustre, Mali. Journal of african economies 14(4): 489–519. doi: http://jae.oxfordjournals.org/content/14/4/489

Haury, L.R., McGowan, J.C., et Wiebe, P.H. 1978. Pattern and Processes in the Time-Space Scales of Plankton Distributions. in steele, h. (ed.) Spatial Pattern in Plankton Communities. new York: plenum, pp. 277–327.

http://www.fsnnetwork.org/sites/default/files/discussion_paper_usaid_dfid_wb_nov._8_2012.pdf

http://jae.oxfordjournals.org/content/14/4/489


37

Heltberg, R. 2007. Helping South Asia Cope Better with Natural Disasters: The Role of Social Protection. development policy review 25(6): 681–698.

Hoddinott, J. 2014. Understanding Resilience for Food and Nutrition Security. document présenté à la Conférence de l’iFpri 2020 “Building resilience for Food and nutrition security,” 15–17 mai à addis-ababa.

Hoddinott, J. 2006. Shocks and their Consequences Across and Within Households in Rural Zimbabwe, Journal of development studies, vol. 42, pp. 301–321.

Hoddinott, J. et Kinsey, B. 2001. Child Growth in the Time of Drought. oxford Bulletin of economics and statistics, vol. 63, pp. 409–436.

Hoddinott, J. et Quisumbing, A. 2010. methods for microeconometric risk and Vulnerability assessment. in Fuentes-nieva, r. et seck, p. (eds.). Risk, Vulnerability and Human Development: On the brink. londres: palgrave macmillan – programme des nations unies pour le développement.

Holling, C.S. 1973. Resilience and stability of ecological systems. annual review of ecology and systematics 4: 1-23.

Hughes, K. 2012. Oxfam’s Attempt to Measure Resilience. présentation powerpoint à la réunion de l’american evaluation association (aea), octobre 2012. disponible à l’adresse: http://www.disasterriskreduction.net/fileadmin/user_upload/drought/docs/oxfam_presentation_resilience_aea_10_2012.pdf

Kuriakose, A., Heltberg, R., Wiseman, W., Costella, C., Ciprik R. et Cornelius, S. 2012. Climate Responsive Social Protection: Background Paper for the World Bank’s New Social Protection Strategy, Washington dC: protection sociale et développement social de la Banque mondiale.

Levin, S. A. 1992. the problem of pattern and scale in ecology. Ecology 73(6):1943–1967.

Maxwell, D. 2013. On the Use of Subjective and Qualitative Data in Resilience Measurement for Food Security. document élaboré pour le groupe de travail technique sur la mesure de la résilience. rome: réseau d’information sur la sécurité alimentaire.

Maxwell, D., Vaitla, B., Tesfay, G. et Abadi, N. 2013. Resilience, Food Security Dynamics and Poverty Traps in Northern Ethiopia. Analysis of a Biannual Panel Data Set, 2011–2013. somerville, mass.: Feinstein international Center.

McCreight, R. 2010. Resilience as a Goal and Standard in Emergency Management. Journal of homeland security and emergency management 7(1), 1–7.

http://www.disasterriskreduction.net/fileadmin/user_upload/drought/docs/Oxfam_Presentation_Resilience_AEA_10_2012.pdf




38

Messick, S. 1988. The Once and Future Issues of Validity: Assessing the Meaning of Consequences of Measurement. in Wainer, h. (ed). Test Validity. hillsdale, nJ: lawrence erlbaum associates.

Miller, F., Osbahr, H., Boyd, E., Thomalia, F., Bharwani, S., Ziervogel, G., Walker, B., Birkmann, J., Vander Leeuw, S., Rockstrom, J., Hinkel, J., Downing, T., Folke, C. et Nelson, D. 2010. Resilience and Vulnerability: Complementary or Conflicting Concepts. ecology and society 15 (3). disponible à l’adresse: http://www.ecologyandsociety.org/vol15/iss3/art11/

Mitchell, A. 2013. Risk and Resilience: From Good Idea to Good Practice. a scoping study for the experts group on risk and resilience. organisation pour la coopération et le développement économiques. décembre 2013. disponible à l’adresse: http://www.oecd.org/dac/Final%20Wp%2013%20resilience%20and%20risk.pdf

Nunally, J. et Bernstein, I. 1994. Psychometric Theory (3rd edition). new York: mcgraw hill.

Oxfam. 2011. Consultation Document: The ACCRA Local Adaptive Capacity Framework (LAC). Consulté à l’adresse: http://policy-practice.oxfam.org.uk/our-work/climate-change-drr/accra

Owens, T., Hoddinott, J. et Kinsey, B. 2003. The Impact of Agricultural Extension on Farm Production in Resettlement Areas of Zimbabwe. economic development and Cultural Change, vol. 51, pp. 337–358.

Preacher, K.J., Zhang, G., Kim, C. et Mels, G. 2013. Choosing the Optimal Number of Factors in Exploratory Factor Analysis: A Model Selection Perspective. multivariant Behaviour research, vol. 48, pp. 28–56.

Popper, K. 1962. The Open Society and Its Enemies (4th edition). new York: harper et row.

Reddy, S.C. et Chakravarty, S. P. 1999. Forest Dependence and Income Distribution in a Subsistence Economy: Evidence from India. World development 27(7): 1141–1149.

Rival, L. 2009. The Resilience of Indigenous Intelligence. in hastrup, K. (ed.). the question of resilience: social responses to climate change. Viborg, denmark: det Kongelige danske Videnskabernes selskab, pp. 293–313.

Skoufias, E. et Quisumbing, A. R. 2005. Consumption Insurance and Vulnerability to Poverty: A Synthesis of the Evidence from Bangladesh, Ethiopia, Mali, Mexico and Russia. european Journal of development research 17(1): 24–58.

Smith, L., Frankenberger, T., Langworthy, B., Martin, S., Spangler, T., Nelson, S. et Downen, J. 2014. Ethiopia Pastoralist Areas Resilience Improvement and Market Expansion (PRIME) Project Impact Evaluation. Baseline survey report. 5 mai 2014.

http://www.ecologyandsociety.org/vol15/iss3/art11/

http://www.oecd.org/dac/FINAL%20WP%2013%20Resilience%20and%20Risk.pdf

http://www.oecd.org/dac/FINAL%20WP%2013%20Resilience%20and%20Risk.pdf

http://policy-practice.oxfam.org.uk/our-work/climate-change-drr/accra


39

Steele, J.H. 1989. Discussion: Scale and Coupling in Ecological Systems. in roughgarden, J., may, r.m. and levin, s. a. (eds.) Perspective in Theoretical Ecology. princeton, usa: princeton university press, pp. 177–180.

Vaitla, B., Tesfay, G., Rounseville, M. et Maxwell, D. 2012. Resilience and Livelihoods Change in Tigray, Ethiopia. Feinstein international Center, tufts university. octobre 2012.

Walker, B. H., Anderies, J.M., Kinzig, A.P. et Ryan, P. 2006. Exploring Resilience in Social-Ecological Systems through Comparative Studies and Theory Development: Introduction to the Special Issue. Ecology&Society11(1):12.

Wilson, G. A. 2012. Community Resilience and Environmental Transitions. londres: earthscan from routledge press.

Winderl, T. 2014. Disaster Resilience Measurements: Stocktaking of Ongoing Efforts in Developing Systems for Measuring Resilience. draft report. 3 janvier 2014. undp/BCpr.

Wisner B., Blaikie, P., Cannon, T. et Davis, I. 2004. At Risk: Natural Hazards, People’s Vulnerability and Disasters (2nd edition). new York, nY: routledge, p. 471.


40

VI. Annexe: Révision d’une sélection de modèles de mesure de la résilience

alors que l’intérêt pour la résilience va croissant chez les institutions, donateurs et autres parties prenantes, le besoin d’un accord sur un cadre conceptuel fournissant une vision complète des éléments spécifiques qui contribuent à la résilience se fait sentir.

un cadre conceptuel de la résilience doit aider ses utilisateurs à comprendre comment les chocs et facteurs de stress affectent les résultats en matière de moyens d’existence et le bien-être des ménages. il doit aussi contribuer à l’identification des principaux leviers à utiliser en développant une théorie du changement, permettant d’informer la programmation conçue pour encourager la résilience (Frankenberger et coll. 2014). enfin, un cadre conceptuel pour l’évaluation de la résilience peut souligner le type d’indicateurs qui peuvent être utilisés pour déterminer si les ménages, les communautés et des systèmes de plus haut niveau (par ex., national, régional, mondial) se trouvent sur une trajectoire allant vers une plus vulnérabilité plus importante ou une plus grande résilience (dFid 2011; Frankenberger et al. 2012).

Le modèle conceptuel de la FAO

la pensée sur la résilience a considérablement évolué au cours des sept dernières années. depuis 2008, la Fao travaille à l’élaboration d’un cadre de mesure de la résilience (alinovi et coll. 2009).

la méthodologie de la Fao pour mesurer la résilience face à l’insécurité alimentaire identifie et analyse les différents aspects de la résilience des ménages au moyen d’un modèle économétrique d’équation structurelle. le résultat de cette analyse nourrit la programmation des investissements, le ciblage, la conception et l’évaluation de l’impact. la méthodologie a initialement été appliquée en Cisjordanie et dans la Bande de gaza pour mesurer la résilience des ménages à l’insécurité alimentaire. elle a ensuite été appliquée dans d’autres pays comme:

• Outil de diagnostic (éthiopie, Kenya et soudan) pour évaluer empiriquement la résilience des ménages à l’insécurité alimentaire en fonction des différentes stratégies de moyens d’existence; et

• Indicateur d’évaluation de l’impact (somalie, soudan du sud et soudan) afin d’améliorer la conception des interventions futures et des mécanismes de responsabilisation liés.

dans le cadre analytique de la Fao, la résilience explique pourquoi un ménage donné retrouve un niveau souhaité de sécurité alimentaire tandis qu’un ménage semblable n’y parvient pas. le modèle de la Fao permet donc d’expliquer l’interaction entre les chocs et leurs effets sur les ménages, la résilience expliquant les différents résultats entre deux ménages semblables exposés au même choc. pour la Fao, le résultat examiné est la sécurité alimentaire.

selon le modèle, le résultat pour un ménage donné est une fonction de (i) la probabilité qu’a un ménage d’être touché par une catastrophe naturelle en raison de son emplacement géographique; (ii) la probabilité de subir un choc en raison d’un ensemble particulier de caractéristiques qui déterminent les moyens d’existence d’un ménage; et (iii) la résilience du ménage.


41

dans sa dernière mise à jour utilisée en somalie (Fao 2014), le modèle considère la résilience comme une variable latente faire de composantes multiples (Figure 5). Chaque composante est une variable latente, car elle ne peut pas être directement observée. les composantes sont: avoirs agricoles, avoirs non-agricoles, pratiques et technologie agricoles, revenus et accès aux aliments, accès aux services de base, filets de sécurité sociaux, adaptabilité et sensibilité.

au départ, le modèle de la Fao utilisait une analyse factorielle pour calculer les variables latentes (par ex., au Kenya, et en Cisjordanie et dans la Bande de gaza). les variables choisies pouvaient être utilisées comme indicateurs supplétifs pour chaque dimension de la résilience.

des exercices récents emploient une analyse factorielle exploratoire (c’est-à-dire que le modèle de mesure est un modèle d’équation structurelle). l’analyse des facteurs part du postulat que les erreurs résiduelles (les facteurs uniques) ne sont pas en rapport les unes avec les autres et n’ont pas de rapport avec la variable commune (latente). pour les analyses de la sécurité alimentaire, ce postulat est inacceptable, car la probabilité de corrélations entre les dimensions est élevée. ainsi, la modélisation à équation structurelle a été adoptée, ce qui inclut une corrélation entre les erreurs résiduelles. Bien que cette méthode requière davantage de calculs que les précédents exercices, elle permet de calibrer le modèle jusqu’à ce qu’un niveau satisfaisant d’adéquation soit atteint.

l’étude menée par l’université de Florence développe l’approche originale d’alinovi et coll. (2009) en l’appliquant à un choc spécifique. elle mesure la résilience de la sécurité alimentaire de ménages ruraux touchés par l’ouragan mitch au nicaragua en 1999, et produit un indice unique de résilience agricole, qui est lui-même un indice composite fait de 11 variables latentes estimées grâce à une analyse factorielle (Ciani et romano 2013). Bien que s’appuyant sur le modèle de la Fao, cette étude ajoute certaines caractéristiques des ménages, ainsi qu’une connectivité sociale, économique et physique, qui indique si les ménages sont capables de faire appel à des options alternatives pour tirer parti des opportunités et accéder aux ressources nécessaires pour faire efficacement face aux chocs, c’est-à-dire s’adapter (Frankenberger et nelson 2013).

Figure 5. Cadre conceptuel de la résilience de la FAO utilisé en Somalie

source: Fao 2014

T0

adaptabilité

sens

ibili

té

Filets de sécurité sociaux

avoirs

accès aux services de base

revenus et accès aux aliments

T1

Chocs endogènes

méc

anism

es d

e ré

pons

e de

s mén

ages

sout

ien

des p

rogr

amm

es e

t pol

itiqu

es

Chocs exogènes

adaptabilité

sens

ibili

té

Filets de sécurité sociaux

avoirs

accès aux services de base

revenus et accès aux aliments


42

Cadre conceptuel de la résilience du DFID/TANGO

le cadre de la résilience face aux catastrophes naturelles promu par le dFid (2011) implique quatre éléments qui décrivent la résilience: le contexte, la perturbation, la capacité de faire face à la perturbation et la réaction à la perturbation. Cette approche considère de qui vient la résilience (par ex., les individus, les ménages, les communautés, les gouvernements nationaux), à quoi s’applique la résilience (le choc ou facteur de stress auquel le système est exposé), le degré d’exposition (exposition à grande échelle versus exposition différentielle), la sensibilité (capacité à faire face à court terme), la capacité d’adaptation – à la fois en termes d’anticipation et de réponse – à des conditions changeantes à long terme, et la manière dont le système répond à la perturbation (par ex., survie, adaptation, récupération, apprentissage, transformation) (Brooks et coll. 2014).

alors que le cadre du dFid s’intéresse à la résilience avant tout depuis une perspective de réduction des risques de catastrophe (rrC), d’autres approches incluent l’adaptation au changement climatique (aCCra 2012; oxfam 2011) et l’amélioration des moyens d’existence (alinovi et coll. 2010). l’un des défis d’une approche centrée sur la rrC est son cycle de financement court (souvent inférieur à deux ans), qui limite la capacité de programmation de la résilience pour promouvoir et améliorer la capacité d’adaptation ou aborder les conditions propices à plus long terme nécessaires pour éliminer les causes structurelles de la vulnérabilité. une approche systémique à plus long terme était nécessaire, combinant l’aide d’urgence et la programmation du développement, c’est-à-dire une approche multisectorielle et promouvant des partenariats/alliances synergiques entre les ong et d’autres acteurs.

le cadre de la résilience présenté par Frankenberger et coll. (2012) – et actualisé ici – intègre les approches fondées sur les moyens d’existence, la rrC et l’adaptation au changement climatique dans un cadre unique d’évaluation de la résilience (Figure 6) (Frankenberger et coll. 2014). Cette approche systémique intégrée souligne l’importance des capacités d’absorption, d’adaptation et de transformation, comprenant l’accès aux avoirs productifs, les stratégies relatives aux moyens d’existence des ménages, et les structures et processus institutionnels, ainsi que la préparation, la prévention, les activités de réponses et récupération formulées pour atteindre des résultats en matière de bien-être en réponse aux chocs et aux facteurs de stress liés au climat.

les variables d’intérêt importantes sont des mesures composites fondées sur plusieurs autres mesures. dans beaucoup de ces cas, l’analyse en composantes principales (aCp) ou une analyse factorielle polychorique est utilisée pour construire un indice. Ces techniques permettent de réduire un ensemble de variables “d’entrée”, dont on suppose qu’elles sont liées les unes aux autres, en détectant la structure des relations entre elles à partir de leur matrice de corrélation. l’aCp peut être utilisée lorsque toutes les variables d’entrée sont continues. l’analyse factorielle polychorique20 est l’analogue de l’aCp qui est utilisée lorsque certaines variables sont binaires ou ordinales. dans les deux cas, les variables sont combinées en utilisant une pondération qui représente leurs corrélations avec la variable unique produite.

on utilise cette technique pour construire les indices uniquement si les signes de la pondération des variables d’entrée sont tels que prévus (positifs ou négatifs), en s’appuyant sur la compréhension conceptuelle des relations entre les variables d’entrée et l’indicateur mesuré.

20. Kolenikov, s. et angeles, g. (2004), The use of discrete data in PCA: Theory, simulations, and applications to socioeconomic indices, Working paper Wp-04-85, measure/evaluation project, Carolina population Center, university of north Carolina, Chapel hill.


43

remarquons que pour tous les indices construits, la première composante principale (ou son équivalent, pour l’analyse factorielle polychorique) est utilisée pour construire l’indice. Cette composante, qui détermine la plus grande part possible de la variabilité des données, s’avère toujours être celle pour laquelle les variables d’entrée présentent le signe adéquat – une indication positive de la validité conceptuelle des indicateurs.

une analyse de régression à variables multiples est utilisée pour examiner les relations structurelles dont on suppose qu’elles existent entre les variables principales de l’analyse (résultats en matière de bien-être, exposition aux chocs et capacités de résilience) pour la population étudiée. Cette approche a été appliquée au niger, en somalie, et, plus récemment, en éthiopie.

Figure 6. Cadre conceptuel de la résilience du DFID/TANGO

Contextepar ex., social, écosystémique, politique, religieux, etc.

Cont

ext

Niv

eau

d’ag

réga

tion

Expo

sitio

n

Avo

irs

rela

tifs

aux

moy

ens

d’ex

iste

nce

Stra

tegi

es r

elat

ives

aux

moy

ens

d’ex

iste

nce

Stru

ctur

es/P

roce

ssus

Sens

ibili

té

Perturbationpar ex., catastrophe naturelle, conflit, pénurie alimentaire, hausse du prix des carburants

Réaction à la perturbationpar ex., survie, adaptation, récupération, apprentissage, transformation

Résultats relatifs aux moyens d’existence

Vole de résilience

Voie de vulnérabilité

Capacités d’absorption, adaptation et transformation

État d’adaptation au choc

Facteurs de stress

Meilleurerécupération

Récupération

(-)

(+)

Récupérationà un niveauinférieurà l’antérieur

Effondrement

Sécurité alimentaire

Nutrition adéquate

Sécuritéenvironnementale

Insécuritéalimentaire

Malnutrition

Dégradationenvironnementale

Chocks


44

Modèle du changement des moyens d’existence dans le temps (CMET) de l’Université Tufts

le Centre international Feinstein de l’université tufts, en collaboration avec World Vision et le Collège de l’agriculture et des ressources naturelles en milieu aride de l’université de mekele dans le tigray, mesure la résilience dans le nord de l’éthiopie en évaluant le “changement des moyens d’existence dans le temps” (Cmet) (maxwell et coll. 2013; Vaitla et coll. 2012). le modèle conceptuel Cmet adopté ici saisit des résultats statiques relatifs aux moyens d’existence (par ex., la sécurité alimentaire, l’état de santé, le niveau d’éducation), qui sont typiquement mesurés de manière relativement linéaire, ainsi que des résultats plus complexes fondés sur des interactions dynamiques entre les stratégies relatives aux moyens d’existence, les politiques et programmes, et les institutions qui peuvent améliorer ou limiter les réponses des ménages. Fondée sur un cadre du cycle des moyens d’existence, l’évaluation Cmet implique tout d’abord de comprendre les chocs inhérents au système (c’est-à-dire, quels types de chocs ou dangers surviennent dans la population ciblée), et en conséquence comment un choc donné affecte différentes étapes du cycle des moyens d’existence (c’est-à-dire, comment les avoirs sont affectés par un choc particulier, comment la production et d’autres décisions sont influencées par un choc, et comment les politiques/institutions atténuent le risque d’un choc). Cette information est ensuite utilisée pour identifier qui est le plus vulnérable à quels types de chocs. plutôt que de collecter un grand volume de données requises pour mesurer directement divers aspects du cycle des moyens d’existence, un modèle est utilisé pour estimer les relations entre les niveaux d’avoir initiaux, les variables à différentes étapes du cycle des moyens d’existence, et les mesures de résultat de la résilience des ménages (maxwell et coll. 2013; Vaitla et coll. 2012). la Figure 7 illustre le cadre du cycle des moyens d’existence.

Figure 7. Cadre détaillé du “cycle des moyens d’existence” adapté pour le Tigray, en Éthiopie

source: maxwell et al. 2013

Résultats relatifs aux moyens d’existenceConsommation (aliments,santé, eau, éducation, etc.investissementépargneadaptation - compensations

Décisions et stratégies

Avoirs et revenus

PIP/Vulnérabilitépratiques traditionnelles néfastesendettement/incapacité deremboursementtaille des familles et obligationsfamiliales

PIP/ Vulnérabilitéaccès aux ressources naturelles

perceptions des dangersaccès au crédit

prix des intrants

PIP/Vulnérabilitéenvoi de fonds

prix de productiontransferts du programme de

filets de sécurité productifsprécipitations/dangers réels

Consommationépargneinvestissementadaptation

AvoirsnaturelsphysiqueshumainsFinancierssociaux

“Revenus”espèces

en nature

agriculture (fertilisants, semences)déstockageempruntsassignation du travail

Décisions et comportementsde consommation/d’investissement

Décisions et comportementsde production/d’échange


45

pour mesurer la résilience, l’étude utilise un certain nombre d’indices, scores et variables individuelles pour observer les changements de sept indicateurs de résultats relatifs aux moyens d’existence et au bien-être des ménages au cours des années (c’est-à-dire, d’une saison de famine à l’autre): la mesure de l’accès des ménages à la nourriture (hFias), l’indice des stratégies d’adaptation (Csi), le score de consommation alimentaire (FCs), le score de maladie, la valeur des avoirs productifs, la dette nette, et les revenus (dépenses quotidiennes per capita). l’hFias, le Csi et le FCs sont utilisés pour évaluer la sécurité alimentaire. le score de maladie mesure le capital humain. d’autres scores (ou indices) comprennent l’accès aux ressources communautaires (c’est-à-dire, l’accès aux terres appartenant à la communauté, aux pâturages, aux sources hydriques, aux ressources forestières); le score de réseau d’entraide (c’est-à-dire, la capacité à accéder à des réseaux non familiaux en cas de choc); le score de participation sociale (c’est-à-dire, la participation du ménage à des groupes formels ou informels); et l’indice de diversité des cultures (c’est-à-dire, les modèles du système de culture). les variables relatives aux avoirs incluent à la fois celles les plus susceptibles de changer à court terme (par ex., la valeur des terres, du bétail, des avoirs productifs) et celles les plus susceptibles de changer à long terme (par ex., l’alphabétisation, la participation à des organisations sociales).

OXFAM et ACCRA: depuis des approches fondées sur les caractéristiques à des approches fondées sur les capacités

la pensée concernant la résilience a évolué depuis une approche fondée sur les caractéristiques vers une perspective centrée sur les capacités. promue par oxfam gB (hughes 2012), aCCra (2012) et d’autres organismes, l’”approche fondée sur les caractéristiques” cherche à identifier des déterminants fiables de la résilience des ménages et des communautés pouvant être évalués avant l’occurrence des chocs. elle est centrée sur des approches fondées sur les avoirs, ainsi que les processus et fonctions intangibles qui soutiennent la capacité d’adaptation.

l’approche développée par oxfam gB mesure la résilience à partir d’un certain nombre de dimensions censées caractériser la résilience en utilisant l’indice d’alkire-Foster (Brooks et coll. 2014). la mesure se fonde sur des caractéristiques/indicateurs supplétifs sans considération du choc. oxfam estime que cinq dimensions sont primordiales pour la résilience: la viabilité des moyens d’existence, le potentiel d’innovation, l’accès aux ressources de contingence et à l’aide, l’intégrité de l’environnement naturel et construit, et les capacités sociales et institutionnelles (hughes 2012). Bien qu’oxfam considère ces cinq dimensions comme essentielles à la résilience des ménages, les caractéristiques spécifiques déterminant la résilience et/ou l’adaptation dans un contexte particulier varient largement. l’africa Climate Change resilience alliance (aCCra) est un consortium d’ong (oxfam gB, l’overseas development institute [odi], save the Children alliance, Care international et World Vision international), qui a mis au point le cadre des capacités locales d’adaptation (Cla) (Frankenberger et nelson 2013). dans le cadre Cla, la capacité d’adaptation est divisée en cinq caractéristiques: la base d’avoirs, les institutions et les droits, la connaissance et l’information, l’innovation et la prise de décisions flexible et progressiste, et la gouvernance.

Ces approches fondées sur les caractéristiques sont souvent dérivées en utilisant des méthodes participatives du bas vers le haut (Winderl 2014). définir un ensemble de caractéristiques résilientes présente l’avantage d’être adapté aux contextes géographiques, cultures et environnements différents. identifier un ensemble de caractéristiques formant un indicateur supplétif de la résilience tend à être spécifique aux cas étudiés et ne peut pas être facilement généralisé (Winderl 2014).


46

la faiblesse la plus significative d’une approche inductive fondée sur les caractéristiques de la mesure de la résilience est le problème de la logique circulaire, car la résilience est mesurée en utilisant les mêmes caractéristiques que l’on considère comme les éléments clés de la résilience (Winderl 2014). l’approche fondée sur les caractéristiques est également fortement limitée, car elle n’aborde pas la question de la pertinence réelle des caractéristiques identifiées lorsque différents chocs surviennent (Frankenberger et nelson 2013). Comme le souligne le travail de Béné et coll. (2012), la résilience est un processus plutôt qu’un état statique, et en tant que tel, ses déterminants changent constamment à mesure que les paysages sociaux, économiques et environnementaux au sein desquels les ménages et communautés opèrent changent également.

Bien qu’une approche fondée sur la résilience puisse réduire le fossé entre l’aide humanitaire et les activités de développement, elle doit aussi fournir une orientation claire pour la programmation de la résilience différente des approches sectorielles existantes (mitchell 2013). mitchell (2013) suggère que la valeur ajoutée d’une approche fondée sur la résilience combine la programmation fondamentale et les approches de la gestion des risques qui construisent des capacités d’absorption, adaptation et transformation. ainsi, la résilience n’est pas l’objectif premier du programme (c’est-à-dire, le quoi), mais définit plutôt comment la programmation est mise en œuvre pour atteindre l’objectif premier. Ceci est cohérent avec le cadre de la résilience présentée dans la Figure 2 car le succès de l’intervention est mesuré non pas par la “résilience” en soi mais par l’atteinte de certains résultats relatifs aux moyens d’existence positifs (par ex., la sécurité alimentaire, la nutrition adéquate).

Ceci met en lumière un nouveau changement de la pensée sur la résilience au cours des dernières années: la capacité de résilience améliorée est mieux mesurée avec des types multiples d’indicateurs, y compris ceux qui mesurent les chocs et/ou facteurs de stress qui surviennent, plutôt qu’avec des indices portant sur un résultat unique. de nombreux indices de la résilience existants ne prennent pas en compte les différents types de chocs et facteurs de stress. les orientations du gtt-mr suggèrent que la résilience peut être mesurée comme une capacité (les capacités d’absorption, adaptation et transformation) qui permet aux ménages et communautés de maintenir une condition à un seuil minimum lorsqu’ils sont exposés aux chocs et facteurs de stress (Constas et coll. 2014).

la résilience a récemment vu le jour comme un cadre aidant les personnes et les communautés à réduire les chocs, à leur faire face et/ou à s’y adapter. toutefois, une méthode commune d’évaluation et de prévision des niveaux de résilience et de l’impact des programmes de résilience fait défaut. dans ce contexte, le Groupe de travail technique sur la mesure de la résilience (gtt-mr) a été constitué sous les auspices du réseau d’information sur la sécurité alimentaire (Fsin) en vue d’identifier et de promouvoir des moyens d’appliquer le concept de résilience à la pratique de l’aide humanitaire et au développement, essentiellement par le biais de recherches et de perspectives techniques en lien avec la mesure de la résilience.

pour mettre en œuvre la mesure de la résilience, les praticiens devront fournir des perspectives crédibles et fondées sur des données probantes sur les caractéristiques, les capacités et les processus observés à différentes échelles (p. ex. individu, ménage, communauté, pays) et maximiser l’emploi de données disponibles sur des données tirées d’initiatives en cours sur la résilience, afin d’identifier et de prôner des pratiques optimales.

par conséquent, le gtt-mr promouvra l’adoption de pratiques optimales de mesure de la résilience grâce à l’élaboration conjointe de trois documents principaux: •undocument-cadre sur la mesure de la résilience;•uncadre d’analyse commun pour la mesure de la résilience, et •desdirectives techniques sur la mesure de la résilience.

Pour plus de renseignements ou pour intégrer la communauté de pratique, veuillez vous rendre sur: www.fsincop.net

Créd

its p

hoto

grap

hiqu

es: W

Fp

série technique no. 2Food Security Information NetworkFSIN


Groupe de travail technique sur la mesure de la résilience

un cadre analytique commun fsin food security information … · 2015-07-01 · liste de figures...

Documents