Sur le terrain

L'infrastructure à l'origine de dix ans d'impact

L'infrastructure à l'origine de dix ans d'impact

21 juillet 2026 / World Poultry Foundation / Partager :

Dix ans d'expérience : ce que le programme « PMI » nous a appris sur la mise en place de systèmes avicoles durables 

L'Initiative de multiplication avicole (PMI) est le programme phare d'World Poultry Foundation(WPF), une approche pilotée par le secteur privé qui vise à mettre en place des chaînes de valeur avicoles autonomes dans les communautés rurales. Ce modèle repose essentiellement sur une chaîne simple : les couvoirs produisent des « poussins d’un jour », les unités d’élevage les élèvent pendant quatre à six semaines, puis les petits producteurs achètent ces «teen volailles » pour les élever en vue de la production d’œufs et de viande. Chaque maillon de la chaîne constitue une véritable activité génératrice de revenus réels, et c’est cette logique commerciale qui assure la pérennité du modèle bien après la fin de l’implication directe d’ WPF.

Au cœur du modèle « PMI » se trouve la race « volaille à double usage » (DPP), une race qui se situe à mi-chemin entre les races commerciales et les poulets indigènes locaux. DPP volailles Ces poulets grandissent plus vite que les poulets de village, produisent davantage d’œufs et s’épanouissent dans des environnements ruraux à faibles intrants. L’introduction de cette race sur de nouveaux marchés et la mise en place des chaînes de valeur nécessaires à son développement constituent la mission du programme « PMI ». Cela semble simple. En pratique, c’est rarement le cas.

Dix ans après le lancement de l’initiative « PMI », l’équipe de l’ WPF a davantage appris des imprévus que de tout ce qui s’est déroulé comme prévu. Nous avons demandé à des membres de l’équipe issus des programmes, des finances, des données et des opérations sur le terrain de nous faire part des défis auxquels ils ne s’attendaient pas et de la manière dont ces défis ont finalement modifié notre façon de travailler. Il s’agit du deuxième volet d’une série en trois parties consacrée aux défis et opportunités imprévus rencontrés au cours des dix dernières années dans le cadre du programme « PMI ». Dans cet article, nous examinons comment le programme évalue, tire des enseignements et s’adapte grâce à ses systèmes de données et à son contrôle financier.

Par : Thierry Binde, Tokozile Ngwenya et Earl Pearce

2e partie : L'infrastructure à l'origine de dix ans d'impact – Comment le programme évalue, tire des enseignements et s'adapte grâce à des systèmes de données et à un contrôle financier.

Un programme peut être bien conçu et bien mis en œuvre sans pour autant parvenir à tirer les leçons de son expérience. Les membres de l'équipe présentés dans cet épisode travaillent dans le domaine des données et de l'analyse, et ce qu'ils ont constaté à maintes reprises, c'est que la qualité des informations circulant au sein d'un programme est tout aussi importante que la qualité du travail effectué sur le terrain.

Les données vous indiquent ce qui s'est passé. éleveurs vous explique pourquoi.

Thierry Binde anime une formation sur les données destinée aux représentants du service après-vente.

Pour Thierry Binde, analyste chez MEL, la leçon la plus précieuse tirée de ces dernières années a été d'apprendre à analyser deux ensembles de données simultanément.

« CommCare m’a apporté une grande visibilité opérationnelle », explique-t-il. « Mais lorsque j’ai écouté directement l’ éleveurs s recueillies via l’enquête de satisfaction, j’ai constaté des divergences entre les données du système et le témoignage des agriculteurs. » Les activités étaient bien enregistrées, mais les retours des agriculteurs mettaient parfois en évidence des lacunes dans la manière dont l’accompagnement était réellement perçu sur le terrain.

Cette prise de conscience a entraîné une évolution dans la manière dont les données sont utilisées au sein du programme, passant d’une simple production de rapports à un véritable apprentissage. « J’ai commencé à m’attacher davantage à mettre en place un cycle d’utilisation des données : collecte, analyse, interprétation, discussion, action et vérification », explique Thierry. « Un tableau de bord n’est utile que si les gens lui font confiance, le comprennent et disposent d’un cadre structuré pour l’utiliser. »

Son approche combine désormais l'analyse Power BI et l'examen régulier des résultats d'enquêtes ponctuelles. « Nous ne nous appuyons pas uniquement sur un seul ensemble de données ou un seul indicateur. Nous comparons les données de suivi régulier, les conclusions des enquêtes ponctuelles et les réalités sur le terrain avant de tirer des conclusions. »

Selon lui, la leçon générale à en tirer est d’une simplicité trompeuse : « Les systèmes de données ne génèrent pas d’apprentissage à eux seuls. L’apprentissage se produit lorsque les données courantes, le point de vue des agriculteurs et l’évaluation du programme sont réunis au sein d’un même échange. »

La qualité des données n'est pas le fruit du hasard.

La qualité des données commence sur le terrain, et Tokozile Ngwenya, coordinatrice CommCare au sein de l'WPF, a pu constater ce qui se passe lorsque cette base n'est pas solide.

L’un des principaux défis en matière de qualité des données concernait les inscriptions en double des agriculteurs : les FSR enregistraient plusieurs fois le même agriculteur avec des orthographes de nom ou des numéros de téléphone légèrement différents. Les conséquences se sont rapidement amplifiées. Il est devenu difficile de suivre les progrès des agriculteurs, car les registres relatifs à leurs troupeaux ne pouvaient pas être associés à un seul agriculteur. Les rapports sont devenus fragmentés. La production et la participation d’un même agriculteur pouvaient apparaître sous différents profils, rendant presque impossible de retracer son parcours avec précision.

La réponse a été à la fois technique et culturelle. De nouvelles règles de validation ont été intégrées à CommCare, incitant les agents de sécurité alimentaire à vérifier si un agriculteur figurait déjà dans le système avant de l’enregistrer. Mais Tokozile a clairement indiqué que la technologie seule n’était pas la solution. « La formation à elle seule ne suffit pas. Les rappels réguliers, le mentorat et le soutien sur le terrain sont tout aussi importants. »

Une question connexe s’est posée concernant la clôture des troupeaux. De nombreux FSR ne clôturaient pas officiellement les troupeaux dans CommCare après la vente ou la perte des « volailles », car, de leur point de vue, une fois ces « volailles » disparus, il n’y avait plus de raison de revenir dans le système pour enregistrer le résultat. Il en a résulté une lacune importante dans la capacité du programme à présenter les prix de vente réels, les revenus générés et la réussite des éleveurs.

« Lorsque nous avons expliqué pourquoi les données relatives à la fermeture des troupeaux étaient importantes, non seulement pour établir des rapports, mais aussi pour démontrer l’impact, le respect des règles s’est considérablement amélioré », explique Tokozile. « Les bons systèmes de données ne reposent pas uniquement sur la technologie, mais aussi sur les personnes, les comportements et les habitudes. »

Les chiffres ne restent jamais les mêmes

Earl Pearce s'entretient avec un agent de terrain lors d'une visite chez un agriculteur en Zambie.

Pour Earl Pearce, analyste de données, la surprise ne se trouvait pas sur le terrain, mais dans le tableur.

Issu du secteur de l'élevage de reproducteurs de poulets de chair, Earl avait l'habitude de travailler avec des données propres, cohérentes et complètes : des troupeaux inspectés chaque semaine, des performances suivies par âge, des analyses possibles au niveau du troupeau avec une régularité fiable. Les données de terrain d'DPP fonctionnent de manière très différente.

« Les visites sont irrégulières », explique-t-il. « En gros, on obtient des aperçus de ce qui s’est passé, basés sur une estimation de la semaine écoulée. On ne couvre pas toutes les tranches d’âge. Ce n’est pas toujours le même jour de la semaine. Les unités d’élevage sont inspectées plus souvent, mais elles ne restent à la ferme que quatre à six semaines. Les SSP ne sont inspectés que quelques fois au cours de toute leur durée de vie, car il y a tout simplement un nombre considérable de troupeaux. »

Il en résulte qu’une analyse pertinente doit être menée à un niveau plus élevé : il faut calculer des moyennes sur des tranches d’âge communes, recourir à la régression après avoir éliminé les valeurs aberrantes et examiner le même indicateur selon plusieurs définitions. Il faut travailler avec les données disponibles plutôt qu’avec ce qu’un système plus rigoureux pourrait fournir.

« Ma première réaction a été un petit moment de panique », admet Earl. « Puis je me suis dit : “Ce sera l’un des problèmes les plus complexes sur le plan analytique, mais aussi les plus passionnants, sur lesquels j’ai travaillé, et ça l’est toujours.” »

À quoi ressemblent réellement ces dix années ?

Après dix ans d'existence, le modèle « PMI » fonctionne parce que ses créateurs ont mis au point les outils permettant de détecter quand ce n'était pas le cas. Ce que Thierry, Tokozile et Earl ont chacun décrit, c'est l'infrastructure qui rend cet apprentissage possible : des systèmes qui détectent les problèmes à un stade précoce et des données qui permettent d'avoir une vision claire de ce qui se passe sur le terrain.

Ce qui n’a pas changé, c’est la logique fondamentale : mettre en place des chaînes de valeur avicoles dans le secteur privé qui génèrent de réels revenus, améliorent la nutrition et continuent à se développer bien après la fin de l’implication directe d’ WPF. Pour y parvenir, il faut précisément ce que cette équipe a mis en place : non seulement de bons programmes, mais aussi de bons systèmes permettant de vérifier si ces programmes fonctionnent.

CATÉGORIE

EMPLACEMENT