Guide Rapide pour l'Echantillonnage d’une Enquête

L'échantillonnage est l'une des parties les plus importantes de vos enquêtes. Dans la plupart des cas, nos
enquêtes ne disposent pas des ressources nécessaires pour collecter des informations auprès de tous les
membres de la population cible. Une stratégie d'échantillonnage correcte nous permet de conduire l’enquête
uniquement sur une partie de la population tout en s'assurant que les résultats sont valables pour l'ensemble
de la population cible. Cependant, l'échantillonnage est sujet à de nombreuses erreurs qui peuvent
compromettre la validité de vos données. IndiKit a donc préparé un bref guide pour vous aider à assurer la
qualité maximale de l'échantillonnage de votre enquête.

CHOISIR QUI ENQUÊTER

Tout d'abord, définissez votre population cible – les personnes dont nous souhaitons collecter les données.
Les populations cibles les plus courantes sont :
 les personnes que votre intervention vise à aider (ses bénéficiaires directs)
 d'autres personnes qui pourraient avoir bénéficié indirectement (peuvent être utilisées pour évaluer les
répercussions de l'intervention)
 d'autres parties prenantes de vos interventions dont vous devez évaluer les opinions et autres données
 les membres de votre groupe de comparaison (voir ci-dessous)
 divers groupes de population vivant dans une zone donnée (couramment utilisés lors d'évaluation des
besoins).
Gardez à l'esprit qu'une enquête peut avoir plusieurs populations cibles différentes. Par exemple, une enquête
de base sur une intervention agricole sensible à la nutrition pourrait cibler les enfants de moins de 5 ans (pour
mesurer la prévalence de la malnutrition), leurs accompagnants, les agriculteurs formés ainsi que les
vulgarisateurs agricoles. Ces enquêtes nécessitent alors des échantillons distincts pour chaque groupe cible.

Groupes de Contrôle et de Comparaison

La plupart des enquêtes humanitaires et de développement s'intéressent à l'évaluation des changements
apportés aux populations concernées. Une hypothèse fréquente est qu'en comparant les données de base et
les données finales, nous pouvons observer les changements apportés par notre intervention. Cependant,
comment savons-nous que ces changements ont été causés par notre intervention et non par des facteurs
externes tels que les changements climatiques (affectant la récolte), les fluctuations des prix du marché
(influant sur l'accès à la nourriture) ou certaines tendances que le pays est en train de vivre, telles que la
réduction de la pauvreté ? L'approche la plus commune pour évaluer quels changements peuvent être
attribués à notre intervention est de comparer la situation des bénéficiaires de notre intervention avec la
situation d'un groupe similaire de personnes qui n'ont pas été exposées à l'intervention. Le résultat devrait
nous dire ce qui se serait passé si notre intervention n'avait pas été mise en œuvre. Il y a deux approches très
courantes :
 Utilisation d’un Groupe de Contrôle : Cette approche divise de manière aléatoire les bénéficiaires
potentiels de l'intervention en deux groupes : le groupe de traitement (qui reçoit l'aide prévue) et le groupe
de contrôle (qui ne reçoit aucune aide). Elle compare ensuite les changements vécus par les membres
du groupe de traitement et par ceux du groupe de contrôle. En raison de problèmes éthiques et de
programmation évidents, cette approche est surtout utilisée lorsque l'objectif principal de l'intervention
est d'obtenir des preuves (ex : de l'efficacité d'un produit ou d'une approche donnée). Elle est adaptée
aux interventions purement axées sur la recherche ou pour des interventions pilotes qui sont censées
fournir des preuves nécessaires pour diffuser l'approche testée (produit, etc.) à plus grande échelle. Les
membres du groupe de contrôle ne doivent pas nécessairement être laissés sans assistance - une
conception dite progressive permet au groupe de traitement de participer en premier tandis que le
groupe de contrôle reçoit l’assistance une fois le test initial terminé. Ainsi, tous les participants peuvent
recevoir la même assistance, à des moments différents.

www.indikit.net page | 1
  Utilisation d'un Groupe de Comparaison : Dans de nombreux contextes, l'utilisation de groupes de
contrôle n'est pas une option appropriée. Dans ces cas, la meilleure approche consiste à utiliser un
groupe de comparaison composé de personnes ayant des caractéristiques très similaires à celles des
bénéficiaires de votre intervention. Par exemple, si votre projet cible des agriculteurs vivant dans 50
communautés, votre groupe de comparaison peut être des agriculteurs vivant dans des communautés
qui ne sont pas exposées à votre intervention mais qui ont un environnement, des pratiques
agronomiques, un accès aux infrastructures et d'autres caractéristiques essentielles similaires.

Sélection de l’Echantillon
Une fois que vous savez quelle est votre population cible, la question suivante est de savoir comment
sélectionner les participants à l'enquête. Vous pouvez utiliser les approches suivantes qui sont les plus
courantes :
 L'Echantillonnage Aléatoire Simple donne à chaque membre de la population cible une chance égale
d'être choisie pour participer à l'enquête. La méthode de sélection la plus courante consiste à préparer
une liste de tous les membres de la population cible, puis à les sélectionner en fonction de nombres
générés de façon aléatoire (fournis, par exemple, par la fonction ALEA d'Excel). Si la liste n'est pas
disponible (généralement pour les populations plus importantes), utilisez d'autres techniques
d'échantillonnage, telles que l'Echantillonnage en Grappes ou l'Echantillonnage en Grappes à Plusieurs
Degrés.
 L'Echantillonnage en Grappes est une bonne alternative si vous n'avez pas une liste de la population
cible entière ou s'il y a une grande zone géographique à couvrir. Il s'agit de sélectionner au hasard des
groupes et non des individus. Par exemple, si nous voulons étudier la population d'une ville entière, nous
pouvons la diviser d'abord en unités géographiques (grappes), comme les quartiers ou les rues, qui ont
à peu près la même population et les mêmes caractéristiques (ceci est très important). Ensuite, nous
sélectionnons au hasard un certain nombre de ces grappes et sondons tous les membres de notre
population cible vivant dans les grappes sélectionnées.
 L'Echantillonnage en Grappes à Plusieurs Degrés implique la sélection aléatoire sur deux niveaux ou
plus. Par exemple, comme dans le cas ci-dessus, il s’agit de diviser la zone en unités géographiques
(grappes) ayant à peu près la même population et les mêmes caractéristiques. Par la suite, sélectionnez
au hasard plusieurs grappes. Le nombre dépendra de votre capacité et de vos ressources. La prochaine
étape consiste à ne pas interroger tous les membres de la population cible vivant dans la grappe, mais à
les sélectionner au hasard dans chaque grappe, généralement en sélectionnant les ménages et en
interrogeant un membre du ménage faisant partie de votre population cible. La sélection aléatoire des
ménages est basée sur une estimation approximative du nombre de membres de la population cible
vivant dans la grappe donnée (parfois, vous pouvez également utiliser Google Maps pour estimer).
Sélectionnez aléatoirement un point de départ (par exemple, une intersection sélectionnée au hasard).
Quand vous arrivez à cet endroit, faites tourner un stylo pour choisir la direction dans laquelle vous
marcherez en premier. Pour décider quel ménage vous visiterez en premier, choisissez au hasard un
nombre de 1 à 10 et visitez le ménage donné (par exemple, si vous choisissez au hasard 5, visitez le
5ème ménage). Ensuite, continuez l’enquête tous les X ménages (par exemple, tous les 7 ménages) en
vous basant sur le nombre total de ménages et la taille de votre échantillon (ce que l'on appelle l'intervalle
d'échantillonnage). Lorsque vous arrivez à la fin de la zone selon la direction donnée, vous pouvez tourner
à nouveau le stylo et continuer dans une nouvelle direction jusqu'à ce que vous ayez interrogé le nombre
de répondants requis.
 L'Echantillonnage Stratifié permet l'identification de sous-groupes (strates) au sein d'une population et la
création d'un échantillon qui reflète leur représentation réelle dans la population. Les individus membres
de chaque sous-groupe sont choisis par échantillonnage aléatoire simple. La taille des sous-groupes de
l'échantillon global devrait être proportionnelle à l'ensemble de la population cible. Par exemple, si les
femmes représentent 60% des bénéficiaires d'un projet d'urgence, la proportion de femmes interrogées
devrait être de 60%.

www.indikit.net page | 2
  L'Echantillonnage de Convenance (Echantillonnage Raisonné) est utilisé lorsque la sélection aléatoire
est trop compliquée ou impossible. L'enquêteur sélectionne comme répondants les membres de la
population cible qui sont disponibles à proximité, comme les gens dans la rue, dans un marché, etc. Bien
que cette approche fasse gagner du temps, les données fournies ne sont probablement pas
représentatives de la population. L'échantillonnage de convenance peut mener à des conclusions
trompeuses - par exemple, interroger les clients d'une clinique rurale vous dira très peu de choses sur les
besoins de santé de la population en général, car vous n'aurez pas recueilli de données auprès de
personnes qui ne fréquentent pas les cliniques de santé (ex : parce qu'ils ne peuvent pas se le permettre
ou sont en bonne santé).
 L'Echantillonnage Boule de Neige consiste à trouver plusieurs membres de la population cible, puis à les
utiliser pour trouver d’autres répondants (en leur demandant de nous diriger vers d'autres personnes).
Chaque « vague » de répondants est utilisée pour contacter les suivants, de sorte que l'échantillon grandit
lentement comme une boule de neige roulant sur une colline. Bien que cette technique ne fournisse pas
un échantillon représentatif de la population cible, elle est utile pour accéder à des répondants difficiles à
atteindre.

Gardez en tête que l'échantillonnage est sujet à de nombreux biais de sélection, tels que les enquêteurs
qui remplacent de manière incorrecte un participant indisponible par un autre répondant ou la réalisation d'une
évaluation des besoins pendant un jour de marché alors que les personnes économiquement plus actives et
plus jeunes sont absentes, fournissant des données ayant une représentativité limitée. Par conséquent,
donnez toujours des instructions claires sur le moment adéquat pour collecter les données, comment
sélectionner les participants à l'enquête et que faire lorsque les participants prévus ne sont pas disponibles.
De plus, utilisez les checklists CAQV d'IndiKit pour contrôler et améliorer la qualité du travail des enquêteurs.

CALCUL DE LA TAILLE DE L'ÉCHANTILLON

Les enquêtes de base, finales et autres nécessitant des données quantitatives précises doivent utiliser un
échantillon représentatif de répondants. Sa taille requise peut être facilement calculée en utilisant le
Calculateur de Taille d'Echantillon en ligne d'IndiKit. Les seules informations que vous devez entrer sont :
 La Marge d'Erreur (également appelée intervalle de confiance) est la quantité d'erreur que les résultats
de votre enquête peuvent admettre. Par exemple, si votre échantillon utilise une marge d'erreur de 5% et
que votre enquête montre que 63% des femmes allaitent exclusivement, vous pouvez être sûr que si
vous aviez interrogé toutes les femmes allaitantes dans la population donnée, le résultat serait entre 58%
(63-5) et 68% (63+5). Plus la marge d'erreur choisie est faible, plus la taille de l'échantillon sera grande.
Alors que la marge d'erreur la plus courante est de 5%, les enquêtes axées sur des données qui ne
devraient enregistrer que de faibles changements (tels que la prévalence de la malnutrition) n'utilisent
souvent que 2-3%
 La Taille de la Population est le nombre total de personnes à partir duquel vous choisissez votre
échantillon aléatoire. Cela peut, par exemple, être le nombre total de vos bénéficiaires ou le nombre de
femmes vivant dans un district donné.
 Le Niveau de Confiance, vous indique à quel point vous pouvez être sûr de vos résultats. Comme il est
très rare que les enquêtes d’aide humanitaire et de développement utilisent autre chose qu'un intervalle
de confiance de 95%, le Calculateur de Taille d'Echantillon d'IndiKit entre automatiquement cette valeur.

Une erreur fréquente se produit lorsque les enquêtes incluent des questions qui peuvent seulement être
répondues par une partie des répondants. Par exemple, alors que la population cible d'une enquête pourrait
être les mères ayant des enfants âgés de 0 à 23 mois, certaines des questions peuvent se concentrer
uniquement sur les mères ayant des enfants âgés de 0 à 6 mois ou de 12 à 15 mois. Comme seule une petite
partie des répondants à l'enquête a des enfants de cet âge, le nombre de réponses sera relativement faible,
ce qui se traduira par une précision limitée des résultats de l'enquête (augmentant souvent la marge d'erreur
jusqu'à 10%). Dans un tel cas, pour que l'enquête fournisse des données suffisamment précises, vous devrez
augmenter la taille de l'échantillon de manière significative.

www.indikit.net page | 3
Taille de l'Echantillon pour les Enquêtes de Suivi
Les enquêtes de suivi sont généralement des enquêtes à moyen terme et / ou finales. Alors que la plupart
d'entre elles nous permettent d'utiliser un nouvel échantillon de répondants (suivant la même méthodologie
que l'enquête de base), certaines enquêtes demandent à être conduite à nouveau sur les mêmes répondants
qui ont participés à l'enquête de base. Cependant, ces répondants peuvent ne pas être disponibles ou refuser
de participer à l'enquête de suivi. Cela se traduit par ce qu'on appelle l'attrition de l'échantillon, parfois aussi
appelée perte lors du suivi – le pourcentage de répondants qui ont participés à l'enquête de base mais qui
n'ont pas participés à l’enquête à moyen terme ou finale. La perte lors du suivi est calculée comme suit :
nombre de répondants enquête finale
perte lors du suivi
nombre de répondants enquête de x 100
=
base

Une grande perte lors du suivi peut biaiser les résultats, car les données de base et finales ne sont pas
directement comparables. La « règle 5-20 » peut être utilisée pour interpréter la validité des résultats. Cette règle
stipule que :
 si moins de 5% des répondants de l’enquête de base sont perdus, la perte n’entraîne probablement qu’un
impact minime sur la validité des résultats ; et
 si plus de 20% des répondants de l’enquête de base sont perdus, la perte menace la validité des résultats
(dans ce cas, il est recommandée d’être prudent pour tirer des conclusions basées sur les résultats
obtenus)

> Avez-vous une suggestion pour améliorer le contenu de ce Guide Rapide? Envoyez-la nous,
s'il vous plait !
> Voulez-vous que ce Guide Rapide soit disponible dans une autre langue ? Contactez-nous !

Publié par: People in Need (2017) | Auteur: Petr Schmied | [email protected] | www.indikit.net

----------------
RESSOURCES UTILISEES POUR PREPARER CE GUIDE:
 PIN (2014) Data Collection: A Practical Guide to Collecting Data
 PIN (2014) Impact Evaluation: A Practice Guide to Designing and Administering Impact Evaluations
 FAO, Analysing the Data and Reporting the Results

www.indikit.net page | 4