Collaboration by Mandate: How Shared Data Infrastructure Shapes Coordination and Control in U.S. Homelessness Services

Cette étude montre que, dans le secteur américain des services aux sans-abri, les systèmes de données partagés mandatés par le gouvernement facilitent la coordination tout en agissant comme des instruments de contrôle qui reproduisent des asymétries de pouvoir en limitant la participation équitable et en favorisant une conformité administrative.

L'essentiel

Voici une explication simple de cette recherche, imagée comme si nous parlions d'un grand projet de quartier.

Le Titre : Quand le gouvernement dit « Travaillez ensemble ! » et donne un grand cahier de notes

Imaginez que vous avez un quartier où beaucoup de gens sont sans-abri. Pour les aider, il y a des dizaines de petites associations (des boulangers, des médecins, des travailleurs sociaux) qui travaillent chacune de leur côté.

Le gouvernement arrive et dit : « Vous devez tous travailler ensemble ! » Mais comment faire ? Il ne suffit pas de se serrer la main. Il faut un outil commun. Alors, il impose un grand cahier de notes numérique (appelé HMIS) que tout le monde doit utiliser.

L'idée est belle : si le boulanger écrit « M. X a besoin de pain », le médecin peut le voir et dire « Ah, M. X a aussi besoin de soins ». Tout le monde est coordonné, on évite les doublons, et on aide mieux les gens.

Mais l'article de Lingwei Cheng et ses collègues nous raconte une histoire plus complexe : ce grand cahier de notes, censé être un outil de coopération, devient aussi un outil de contrôle qui crée des inégalités.

---

1. Le Grand Cahier de Notes (L'Infrastructure de Données)

Le système HMIS est comme un géant central où tout le monde doit écrire ses observations.

• Le but : Que tout le monde parle le même langage. Si l'un dit « sans-abri », l'autre ne doit pas dire « personne sans toit ». Tout doit être standardisé.
• La réalité : C'est comme si le gouvernement donnait à tout le monde le même stylo et la même grille de remplissage. C'est pratique pour le chef de projet (l'agence centrale), mais c'est parfois très rigide pour les petites associations.

2. Le Problème : Qui a le crayon le plus fort ?

L'article montre que tout le monde n'a pas la même capacité à utiliser ce grand cahier.

• Les « Gros Poissons » (Les grandes agences) : Elles ont des ordinateurs puissants, des experts en informatique et du temps. Elles peuvent lire les données, faire des graphiques complexes et dire : « Regardez, nous avons besoin de plus d'argent ici ». Elles dirigent la conversation.
• Les « Petits Poissons » (Les petites associations) : Elles sont débordées par le travail sur le terrain (donner à manger, loger). Elles n'ont pas le temps ni les compétences pour analyser les chiffres. Pour elles, remplir le cahier devient une corvée administrative pour ne pas perdre leur financement. Elles ne font que « cocher des cases » pour se conformer aux règles, sans vraiment participer aux décisions.

L'analogie : Imaginez une réunion de quartier où tout le monde doit remplir un formulaire Excel. Les grandes entreprises ont un assistant qui remplit le formulaire et propose des idées. Les petites boutiques doivent arrêter de servir leurs clients pour remplir le formulaire elles-mêmes. À la fin, ce sont les grandes entreprises qui décident de l'avenir du quartier, car elles sont les seules à avoir lu les résultats.

3. La Méfiance et les Murs Invisibles

Le système crée aussi de la méfiance :

• Chez les sans-abri : Ils ont peur que leurs données soient partagées avec la police ou utilisés contre eux. Alors, ils ne disent pas tout, ou refusent de donner leurs infos. Le cahier de notes devient incomplet.
• Entre les organisations : Les hôpitaux ou la police ont des règles juridiques très strictes. Les petites associations n'ont pas les mêmes ressources juridiques pour négocier. C'est comme si les gros avaient le droit de lire le cahier, mais pas les petits.

4. Le Paradoxe : On veut apprendre, mais on ne fait que compter

L'idée était d'utiliser les données pour apprendre et améliorer les choses.

• Ce qui se passe : Les données servent surtout à contrôler et à vérifier qui a bien fait son travail.
• L'histoire vs Les chiffres : Si une petite association dit « Nous avons aidé 10 personnes, mais c'était difficile car elles n'avaient pas de papiers », le grand cahier ne voit que le chiffre « 10 ». Il ne voit pas l'histoire. Les grandes agences, elles, savent raconter l'histoire derrière les chiffres. Les petites, elles, sont réduites à fournir des statistiques brutes.

En Résumé : La Leçon de l'Auteur

Cet article nous dit que la technologie ne résout pas tout.

Mettre tout le monde sur le même système informatique ne garantit pas l'égalité. Au contraire, si on ne fait pas attention :

1. Ceux qui ont déjà des ressources (temps, argent, experts) deviennent plus puissants.
2. Ceux qui sont déjà fragiles (petites associations) deviennent des exécutants qui remplissent des formulaires pour plaire au gouvernement.

La solution proposée ?
Il faut transformer ce « grand cahier de notes » en un outil d'apprentissage partagé.

• Il faut aider les petites associations à comprendre les chiffres (leur donner des lunettes pour lire le cahier).
• Il faut laisser de la place pour raconter des histoires à côté des chiffres.
• Il faut que le système soit flexible pour s'adapter aux réalités locales, pas juste pour faire plaisir aux bureaucrates.

En bref : Un outil de coordination peut devenir un outil de contrôle si on ne s'assure pas que tout le monde a les mêmes clés pour l'ouvrir.

Résumé technique

Voici un résumé technique détaillé de l'article « Collaboration by Mandate: How Shared Data Infrastructure Shapes Coordination and Control in U.S. Homelessness Services », rédigé en français.

1. Problématique et Contexte

L'article examine les dynamiques de collaboration imposée (« mandated collaboration ») dans le secteur des services aux sans-abris aux États-Unis. Dans ce domaine fragmenté, les gouvernements fédéraux et locaux obligent les organisations à coordonner leurs actions via des lois, des réglementations et des exigences de financement.

Le cœur du problème réside dans l'utilisation d'infrastructures de données partagées comme outil de coordination et de contrôle. Plus précisément, l'étude se concentre sur le Système d'Information sur la Gestion des Sans-Abri (HMIS), un système de données fédéralement mandaté utilisé par les « Continuum of Care » (CoC).

• Le paradoxe : Bien que le HMIS soit conçu pour faciliter le partage d'informations sur les clients (avec leur consentement) afin d'améliorer la coordination des soins, il impose également des normes et des règles de gouvernance qui peuvent centraliser l'autorité décisionnelle.
• La question de recherche : Comment une infrastructure de données partagée mandatée structure-t-elle les pratiques de données inter-organisationnelles (collecte, stockage, analyse, utilisation) ? Comment cette infrastructure façonne-t-elle la participation et l'influence, en particulier en ce qui concerne la répartition du pouvoir entre les agences gouvernementales et les prestataires de services à but non lucratif ?

2. Méthodologie

L'étude adopte une approche qualitative basée sur une étude de cas approfondie du CoC FL-507 (Central Florida), qui couvre les comtés d'Orange, Osceola et Seminole, incluant la région métropolitaine d'Orlando.

• Collecte de données : Six entretiens semi-structurés d'une heure ont été menés entre août et septembre 2025 avec des parties prenantes clés gérant et utilisant le HMIS.
• Échantillon : Les participants comprenaient quatre membres du personnel de l'agence de coordination principale (Lead Agency) et deux membres du personnel de prestataires de services partenaires.
• Cadre d'analyse : Les entretiens ont été structurés autour des quatre étapes de la chaîne de valeur des données :
  1. Collecte : Enregistrement et rassemblement des données.
  2. Stockage : Maintenance, sécurisation et accès aux enregistrements.
  3. Analyse : Transformation des données en indicateurs, rapports ou modèles.
  4. Utilisation : Application des résultats aux décisions, à la responsabilité ou à la prestation de services.
• Traitement : Les enregistrements ont été transcrits, anonymisés et soumis à une analyse thématique inductive avec codage ouvert et double codage par deux chercheurs.

3. Résultats Clés

Les résultats révèlent que l'infrastructure de données partagée crée une tension constante entre la coordination nécessaire et le contrôle hiérarchique, exacerbée par les inégalités de ressources et de capacités analytiques.

A. Collecte de données

• Tension Conformité vs. Opérationnel : La collecte est pilotée par les exigences de financement et de rapport (HUD). Les prestataires doivent équilibrer la conformité aux normes fédérales avec leurs besoins opérationnels locaux.
• Simplification forcée : Pour éviter la redondance et les risques de confidentialité, le CoC limite la collecte aux informations essentielles. Cela peut cependant rendre difficile la capture de détails nécessaires pour évaluer l'équité des résultats ou la performance des programmes.
• Défiance et Capacités : La méfiance des clients (peur que les données soient utilisées contre eux, notamment par la police) et la méfiance entre les entités (système de justice pénale vs services sociaux) entravent la collecte. De plus, les petits prestataires manquent de ressources pour une collecte de données de haute qualité, se concentrant uniquement sur le rapport obligatoire plutôt que sur l'apprentissage.

B. Stockage de données

• Centralisation vs. Personnalisation : Bien que le stockage soit centralisé dans le HMIS, les prestataires maintiennent souvent des systèmes locaux (parfois papier) pour gérer des besoins spécifiques ou pour inclure des clients peu familiers avec le numérique.
• Intégrité des données : L'ajout de données non standardisées au HMIS est souvent découragé car cela crée de la confusion et des lacunes dans la connaissance collective, bien que cela soit nécessaire pour l'équité d'accès (ex: systèmes papier pour les clients sans compétences numériques).

C. Analyse de données

• Dualité des objectifs : L'analyse sert principalement la conformité et la reddition de comptes, plutôt que l'apprentissage systémique.
• Asymétrie de capacité : Les grandes agences disposent de l'expertise technique pour interpréter les données et influencer les normes. Les petites organisations, dépourvues de personnel analytique, dépendent de rapports préfabriqués et utilisent les données principalement pour valider leur jugement expérientiel.
• Interprétation divergente : Sans cadres interprétatifs partagés, les mêmes métriques peuvent conduire à des conclusions contradictoires (ex: un faible taux d'acceptation peut être interprété comme un échec ou comme une preuve de la nécessité de plus de ressources).

D. Utilisation des données

• Communication et Narration : L'utilisation des données vise à construire la confiance et à communiquer avec le public et les bailleurs de fonds. Cependant, la communication est difficile car les parties prenantes ont des hypothèses différentes sur ce qui constitue le « succès ».
• Rôle du récit : Les participants soulignent l'importance du contexte qualitatif et du « storytelling » pour combler les lacunes des données quantitatives (ex: l'absence de données sur le statut d'identification des clients) et éviter de renforcer les stéréotypes.

4. Contributions Principales

L'article apporte trois contributions majeures à la recherche sur les technologies civiques et les infrastructures de données d'intérêt public :

1. Étude qualitative approfondie : Il fournit une analyse détaillée du HMIS, démontrant comment l'infrastructure façonne la collaboration, la responsabilité et les rapports de pouvoir entre les acteurs gouvernementaux et non lucratifs.
2. Au-delà de la collecte : L'étude ne se limite pas à la collecte de données, mais examine comment elles sont collectivement analysées, transformées en récits communautaires, et comment les frictions (comme le glissement vers des rôles axés sur la conformité) concentrent l'autorité.
3. Contexte politique et organisationnel : Elle situe la recherche en HCI (Interaction Humain-Ordinateur) liée au sans-abrisme dans son contexte plus large, montrant comment la gouvernance des données et les infrastructures façonnent conjointement la production, l'interprétation et l'équité des données.

5. Signification et Implications

L'étude conclut que les infrastructures de données partagées ne sont pas neutres ; elles institutionnalisent une logique de gouvernance qui définit dont le savoir compte et dont la participation est possible.

• Reproduction des asymétries : La standardisation favorise l'interopérabilité mais peut renforcer les disparités de pouvoir. Les organisations mieux dotées en ressources utilisent les données stratégiquement, tandis que les plus petites se retrouvent dans des rôles de conformité passive.
• Vers une infrastructure d'apprentissage : Pour avancer vers une collaboration équitable, il faut repenser la gouvernance des données : passer d'un régime de conformité à une « infrastructure d'apprentissage ».
• Recommandations pratiques :
  • Renforcer les capacités analytiques des petits prestataires.
  • Intégrer la voix de la communauté dans les normes de données.
  • Concevoir des boucles de rétroaction qui diffusent les insights à tous les niveaux de gouvernance.
  • Adopter des normes « en couches » : un noyau de rapport stable, des extensions locales sanctionnées et des voies claires pour l'expérimentation.

En résumé, l'article met en lumière que pour que la collaboration mandatée par les données soit véritablement efficace et équitable, elle doit dépasser la simple technique pour aborder les inégalités structurelles de ressources, de compétences et d'autorité au sein des réseaux de services sociaux.