← Derniers articles
📄 social_science

Overcoming Blind Spots in Humanitarian Needs Assessments: Interview Insights regarding Constraints and Solutions for Qualitative Methods

S'appuyant sur des entretiens avec 23 experts issus de 17 organisations humanitaires, cette étude identifie les contraintes opérationnelles favorisant les méthodes quantitatives dans les évaluations des besoins humanitaires et recommande l'adoption d'une approche hybride multi-méthodes enrichie par l'intelligence artificielle afin de mieux intégrer et analyser les données qualitatives cruciales.

Auteurs originaux : Tino Kreutzer, James Orbinski, Lora Appel, Aijun An, Jerome Marston, Salomé Garnier, Patrick Vinck

Publié 2026-09-07
📖 7 min de lecture🧠 Analyse approfondie

Auteurs originaux : Tino Kreutzer, James Orbinski, Lora Appel, Aijun An, Jerome Marston, Salomé Garnier, Patrick Vinck

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Dans les suites chaotiques d'une catastrophe, qu'il s'agisse d'un séisme, d'une guerre ou d'une épidémie, la première tâche et la plus critique pour les travailleurs humanitaires est de comprendre ce dont les gens ont réellement besoin. Ce processus est connu sous le nom d'évaluation des besoins humanitaires. C'est la différence entre envoyer un camion de manteaux d'hiver dans une région qui subit une vague de chaleur ou fournir de l'eau potable à une communauté qui en possède déjà beaucoup, mais qui manque de médicaments. Pendant des décennies, la méthode standard pour recueillir cette information a consisté à interroger un grand nombre de personnes avec un ensemble fixe de questions à réponses fixes, comme cocher des cases sur un formulaire. Cette méthode produit des chiffres faciles à compter et à comparer, ce qui aide les donateurs à décider où envoyer l'argent. Cependant, les chiffres seuls échouent souvent à capturer l'histoire complète. Ils ne peuvent pas expliquer facilement pourquoi une famille refuse l'aide alimentaire, comment une communauté ressent l'arrivée d'un nouveau dispensaire, ou les barrières spécifiques auxquelles une personne handicapée est confrontée pour tenter d'atteindre un abri. Pour obtenir ces réponses plus profondes, les travailleurs humanitaires doivent écouter les propres mots des gens, une méthode appelée recherche qualitative. Mais écouter prend du temps, et dans une crise, le temps est un luxe qui semble souvent impossible à s'offrir.

Une nouvelle étude publiée en 2026 examine pourquoi le secteur humanitaire peine à utiliser ces méthodes d'écoute, malgré le fait qu'il sache qu'elles sont essentielles. Les chercheurs, une équipe d'experts issus d'universités et d'organisations humanitaires, ont mené vingt-trois entretiens approfondis avec des professionnels chevronnés ayant géré ces évaluations au sein de dix-sept organisations différentes. Ces experts viennent de contextes variés, incluant les Nations Unies, la Croix-Rouge et divers groupes non gouvernementaux, et ont travaillé dans des crises allant de la Syrie à l'Éthiopie. L'objectif n'était pas seulement de lister les problèmes, mais de comprendre les barrières réelles qui empêchent les travailleurs humanitaires de capturer la voix humaine et de trouver des moyens concrets pour les corriger. Ce qu'ils ont trouvé, c'est un secteur pris dans un dilemme difficile : il se noie dans les données mais meurt de faim de compréhension.

L'étude révèle que l'approche par défaut de la plupart des organisations est devenue fortement biaisée en faveur des données quantitatives. Ce basculement est porté par plusieurs forces puissantes. Les donateurs, qui fournissent le financement, préfèrent souvent les chiffres bruts car ils sont plus faciles à comparer entre différentes crises et semblent plus « scientifiques » pour les dirigeants. L'utilisation généralisée d'outils numériques comme KoboToolbox, qui permet aux équipes de collecter des milliers de réponses à des sondages sur des appareils portables et d'en voir les résultats instantanément, a rendu cette approche numérique encore plus dominante. La facilité d'obtenir un graphique montrant que « soixante pour cent des personnes ont besoin de nourriture » est séduisante. Cela permet une prise de décision rapide, ce qui est vital dans les premiers jours d'une catastrophe. Cependant, les experts interrogés ont soutenu que cette rapidité a un coût élevé. En forçant les expériences humaines complexes dans des cases prédéfinies, les travailleurs humanitaires perdent souvent la nuance qui explique le « pourquoi » et le « comment » derrière les chiffres. Un interviewé a noté que si un sondage peut montrer un besoin élevé de nourriture, il ne peut pas expliquer que la nourriture est interceptée par des groupes armés sur la route, un détail qui serait crucial pour planifier un itinéraire de livraison sécurisé.

Les barrières à l'utilisation des méthodes d'écoute ne sont pas seulement une question de préférence pour les chiffres ; elles sont profondément ancrées dans des limitations pratiques. L'obstacle le plus important est le temps et la formation. Analyser des paroles ou des notes écrites prend beaucoup plus de temps que de compter des cases cochées sur un formulaire. Dans une urgence, où les décisions doivent être prises en quelques heures, l'idée de transcrire des entretiens ou de traduire des notes de langues locales vers l'anglais ou le français peut sembler être un luxe qui ralentit tout. De plus, de nombreuses équipes manquent des compétences spécifiques pour réaliser ce travail correctement. L'étude a révélé que les intervieweurs reçoivent souvent très peu de formation, parfois seulement une heure, avant d'être envoyés sur le terrain. On ne leur apprend pas à écouter profondément, à poser des questions de suivi ou à prendre des notes qui capturent la véritable signification de ce qu'une personne dit. En conséquence, les notes prises sont souvent de piètre qualité, remplies d'abréviations ou de fautes de frappe qui les rendent inutilisables ultérieurement.

La langue ajoute une autre couche de complexité. Dans de nombreuses crises, les travailleurs humanitaires ne parlent pas la langue locale, et les rares traducteurs disponibles sont souvent surchargés ou non formés aux nuances spécifiques de la terminologie humanitaire. Cela conduit à une situation où le sens de l'histoire d'une personne se perd dans la traduction, ou pire, est totalement ignoré parce que l'équipe ne peut pas traiter le texte à temps. L'étude a également mis en évidence un biais systémique où les données qualitatives sont souvent traitées comme secondaires ou « anecdotiques ». Si un sondage auprès de mille personnes dit une chose, mais que quelques entretiens suggèrent quelque chose de différent, les entretiens sont fréquemment écartés comme étant des cas isolés plutôt que d'être investigués comme un signal d'alarme. Cela crée un angle mort où les voix les plus vulnérables, qui pourraient ne pas correspondre aux catégories standards d'un sondage, ne sont jamais entendues.

Malgré ces défis, les experts de l'étude ne demandent pas l'arrêt des sondages. Au contraire, ils suggèrent une approche hybride qui combine la rapidité des chiffres avec la profondeur des récits. Ils proposent que les organisations cessent de vouloir forcer chaque réponse dans une case et permettent plutôt aux gens de parler librement de leurs priorités. Les chercheurs suggèrent que les intervieweurs pourraient enregistrer l'audio de ces conversations ouvertes directement sur leurs appareils numériques. Cela permettrait de capturer tout le détail de la réponse sans que l'intervieweur n'ait à écrire frénétiquement tout en essayant de maintenir la conversation.

Le document soutient que la solution aux barrières de temps et de langue réside dans la technologie, plus précisément dans l'intelligence artificielle. Les auteurs suggèrent que des outils capables de transformer automatiquement la parole en texte, de traduire ce texte dans une langue commune et ensuite de résumer les thèmes clés pourraient révolutionner la manière dont l'aide est délivrée. Imaginez un système où un intervieweur enregistre une conversation dans un dialecte local, et qu'en quelques minutes, une équipe au siège puisse lire un résumé traduit de ce que cette personne a dit, mettant en évidence les besoins les plus urgents. Cela permettrait aux organisations de recueillir les informations riches et détaillées dont elles ont besoin sans le délai massif de la transcription et de la traduction manuelles. L'étude souligne que ces technologies commencent déjà à apparaître dans le secteur, certaines organisations testant des outils de reconnaissance vocale et des analyses pilotées par l'IA. Cependant, les experts avertissent que ces outils doivent soutenir le jugement humain, et non le remplacer. Un algorithme pourrait manquer le contexte culturel ou le poids émotionnel d'une histoire, de sorte que les experts humains doivent toujours réviser les résultats.

La voie à suivre, selon l'étude, nécessite un changement de mentalité autant qu'un changement de technologie. Les organisations doivent valoriser le temps nécessaire pour écouter et pour former leur personnel à l'art de l'enquête qualitative. Les donateurs doivent être prêts à financer le temps et les ressources supplémentaires requis pour traiter ce type de données. Les chercheurs concluent que si le volume de données dans le monde humanitaire augmente, l'écart de compréhension, lui, se creuse. En adoptant un mélange de méthodes et en utilisant de nouveaux outils pour aider à traiter la voix humaine, le secteur peut dépasser les simples statistiques pour véritablement comprendre les personnes qu'il cherche à aider. L'objectif n'est pas seulement de compter les besoins, mais de les comprendre, afin de garantir que l'aide fournie soit non seulement efficace, mais aussi profondément pertinente pour la vie de ceux qui en ont le plus besoin.

Noyé(e) sous les articles dans votre domaine ?

Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.

Essayer Digest →