Échantillonnage et qualité du terrain pour des enquêtes crédibles Production: 2026-09-20 Langue: fr Supports de formation interne d’IDER : cas pratiques, illustrations et exercices guidés. Tous les cas et chiffres sont hypothétiques et servent à l’apprentissage ; ils ne constituent pas des données actuelles de marché. [00:00:00.000 – 00:00:56.263] Concevoir une enquête dont les résultats sont fiables À L’ÉCRAN Sondage, terrain et analyse forment un système La représentativité exige un mécanisme documenté Tous les chiffres sont hypothétiques EXPLICATION Un client souhaite étudier les pratiques des entreprises et propose d'interroger les dirigeants les plus faciles à joindre. Votre responsabilité consiste à produire des estimations utiles pour une population définie, avec une incertitude et des limites défendables. Cette clinique suit une enquête fictive depuis la base de sondage jusqu'à l'analyse pondérée. Nous calculerons les besoins d'échantillon, examinerons les grappes, construirons les poids et distinguerons une alerte qualité d'une erreur vérifiée. Gardez une calculatrice et dessinez les étapes de sélection. Les praticiens débutants reproduiront les calculs; les plus expérimentés examineront les hypothèses reliant sélection et inférence. Le livrable est un protocole cohérent où les choix d'échantillonnage, les opérations de terrain et les estimateurs restent alignés jusqu'au dernier résultat publié par l'équipe responsable. [00:00:56.263 – 00:01:53.013] Définir précisément la population représentée À L’ÉCRAN Population cible et date de référence Base de sondage et défauts de couverture Unité sélectionnée et personne interrogée EXPLICATION Définissez la population cible avant de discuter la taille de l'échantillon. Les entreprises enregistrées et actives à une date donnée diffèrent de l'ensemble des entreprises, y compris informelles. Un registre peut omettre les créations récentes et conserver des entreprises fermées. Comparez la base aux informations de dénombrement disponibles et consignez les défauts connus de couverture. Distinguez ensuite unité sélectionnée et répondant: une entreprise est choisie, mais son propriétaire ou un responsable fournit les réponses. Précisez les qualifications nécessaires et les éventuels changements de répondant au sein de l'entreprise. Davantage d'entretiens ne répare pas une base excluant systématiquement la population recherchée. Joignez donc une note sur les exclusions, les mises à jour et les limites de population dans lesquelles les résultats pourront raisonnablement être interprétés. [00:01:53.013 – 00:02:50.843] Rendre chaque étape de tirage reproductible À L’ÉCRAN Probabilités de sélection des zones Dénombrement et tirage des entreprises Identifiants et traces du tirage conservés EXPLICATION Imaginez un tirage de zones géographiques, suivi d'un dénombrement puis d'un tirage d'entreprises dans chaque zone retenue. Conservez la probabilité de sélection de la zone et la probabilité conditionnelle de l'entreprise. Leur produit donne sa probabilité globale dans ce dispositif. Archivez la version de la base, la procédure aléatoire, les identifiants choisis et les sélections certaines. N'autorisez pas le remplacement d'une entreprise absente par sa voisine uniquement pour atteindre un quota: les probabilités changeraient sans que les poids initiaux le reflètent. Suivez plutôt un protocole de rappels et de statut des contacts. Si des remplacements sont prévus, définissez leur mécanisme probabiliste à l'avance. Un tirage reproductible protège l'inférence et distingue la non-réponse véritable d'un écart des enquêteurs dans l'application de l'échantillon. [00:02:50.843 – 00:03:44.888] Calculer un premier besoin de précision À L’ÉCRAN Proportion attendue p = 0,50 Confiance 95%; marge ±5 points 1,96² × 0,50 × 0,50 ÷ 0,05² = 384,16 EXPLICATION Pour commencer, supposons une grande population, un tirage aléatoire simple et l'estimation d'une proportion. Si cette proportion est inconnue, une moitié maximise la variance binomiale. Avec l'approximation normale à quatre-vingt-quinze pour cent et une marge souhaitée de cinq points, multipliez un virgule quatre-vingt-seize au carré par une moitié fois une moitié, puis divisez par zéro virgule zéro cinq au carré. Le résultat vaut trois cent quatre-vingt-quatre virgule seize, arrondi au supérieur à trois cent quatre-vingt-cinq entretiens achevés. C'est un point de départ: grappes, résultats par sous-groupes et non-réponse peuvent augmenter le besoin. Une fraction de sondage importante peut justifier une correction de population finie, uniquement si la taille de population et le dispositif réel permettent réellement cet ajustement méthodologique. [00:03:44.888 – 00:04:43.275] Des entretiens proches apportent moins d'information indépendante À L’ÉCRAN 20 entretiens achevés par grappe en moyenne Corrélation intragrappe: 0,05 Effet de plan ≈ 1 + 19 × 0,05 = 1,95 1 + (20 − 1) × 0,05 = 1,95 EXPLICATION Le sondage en grappes réduit parfois les déplacements, mais les entreprises voisines partagent infrastructures, marchés et chocs. Leurs réponses contiennent donc de l'information commune. Pour des grappes de taille similaire, l'effet de plan approximatif vaut un plus la taille moyenne achevée moins un, multipliée par la corrélation intragrappe. Avec vingt entretiens et une corrélation de zéro virgule zéro cinq, il vaut un virgule quatre-vingt-quinze. Cette approximation dépend du résultat étudié et ne couvre pas automatiquement tailles inégales, pondération ou stratification. Utilisez des données comparables pour choisir les hypothèses et testez leur sensibilité avant le budget final. Ajouter des grappes indépendantes n'apporte pas la même information qu'ajouter des entretiens dans les grappes existantes. Logistique et précision doivent être conçues ensemble dès le départ. [00:04:43.275 – 00:05:41.232] Transformer le besoin statistique en échantillon de terrain À L’ÉCRAN 385 × 1,95 → 751 entretiens achevés 751 ÷ 0,80 → 939 unités initiales Allocation pratique: 38 grappes × 25 = 950 EXPLICATION Appliquez l'effet de plan au besoin simple déjà arrondi. Trois cent quatre-vingt-cinq fois un virgule quatre-vingt-quinze donne sept cent cinquante virgule soixante-quinze: prévoyez au moins sept cent cinquante et un entretiens achevés. Avec quatre-vingts pour cent de réponse, divisez par zéro virgule huit et arrondissez au supérieur à neuf cent trente-neuf unités initialement sélectionnées. Une allocation de trente-huit grappes de vingt-cinq entreprises donne neuf cent cinquante sélections et environ sept cent soixante réponses attendues. Cela correspond à vingt réponses par grappe, cohérentes avec l'hypothèse initiale. Les taux réels peuvent varier: suivez-les et calculez la précision finalement obtenue. Les nombres planifiés ne garantissent ni les réalisations ni la représentativité de l'enquête. Conservez cette distinction dans le budget et les instructions opérationnelles. [00:05:41.232 – 00:06:31.040] Calculer l'équivalent informatif d'un échantillon en grappes À L’ÉCRAN 400 entretiens achevés Effet de plan illustratif: 1,95 Calculer n ÷ effet de plan puis interpréter EXPLICATION Mettez la vidéo en pause et calculez l'effectif efficace approximatif de quatre cents entretiens achevés avec un effet de plan de un virgule quatre-vingt-quinze. Expliquez ensuite ce que ce résultat signifie et ne signifie pas. Un responsable propose de supprimer des entretiens jusqu'à ne garder que cet effectif efficace: pourquoi serait-ce une erreur? Cette quantité résume la précision relativement à un tirage simple pour un estimateur donné; elle ne désigne pas des personnes inutiles. Indiquez aussi pourquoi plusieurs résultats d'une même enquête peuvent avoir des effectifs efficaces différents. Utilisez ici l'effet de plan fourni, tout en rappelant que l'analyse réelle doit exploiter les informations du dispositif pour estimer l'incertitude, plutôt que s'appuyer uniquement sur ce raccourci de planification et d'explication. [00:06:31.040 – 00:07:25.956] L'effectif efficace décrit la précision, pas les lignes utiles À L’ÉCRAN 400 ÷ 1,95 ≈ 205,13 Conserver toutes les observations valides Calculer l'incertitude selon le plan réel 400 ÷ 1,95 ≈ 205,13 EXPLICATION Quatre cents divisé par un virgule quatre-vingt-quinze donne environ deux cent cinq virgule treize. Sous les hypothèses illustratives, la variance de l'estimateur ressemble à celle d'un tirage simple d'environ deux cent cinq observations. Les quatre cents entretiens valides contribuent encore et doivent être conservés. Supprimer des lignes ferait généralement perdre de l'information et pourrait changer l'estimation. L'effectif efficace dépend du résultat, de l'estimateur, des poids et des corrélations; ce n'est pas une propriété universelle du fichier. Pour l'analyse finale, déclarez correctement strates, grappes et poids, puis utilisez un estimateur de variance adapté. Le raccourci explique pourquoi beaucoup d'entretiens peuvent apporter moins de précision qu'attendu, mais il ne remplace pas l'analyse tenant compte du plan effectivement réalisé pendant la collecte. [00:07:25.956 – 00:08:22.195] Inverser la probabilité d'entrer dans l'échantillon À L’ÉCRAN Probabilité de zone: 0,20 Probabilité conditionnelle d'entreprise: 0,10 Poids initial: 1 ÷ (0,20 × 0,10) = 50 EXPLICATION Supposons une probabilité de sélection de zone de vingt pour cent, puis une probabilité conditionnelle d'entreprise de dix pour cent. Le produit vaut deux pour cent; son inverse vaut cinquante. Avant ajustement de non-réponse, l'entreprise sélectionnée représente donc cinquante entreprises selon ce dispositif. Conservez les composantes du calcul pour permettre sa vérification. Un poids élevé ne rend pas une réponse plus vraie: il mesure la représentation, pas la crédibilité. Recherchez probabilités nulles, manquantes ou invraisemblables et comparez les totaux pondérés à la base. Certains dispositifs nécessitent des calculs d'inclusion plus complexes, notamment avec probabilités inégales ou tirages sans remise. La discipline essentielle consiste à dériver les poids de la sélection réelle, plutôt qu'à attribuer des nombres pratiques après avoir observé les résultats de l'enquête. [00:08:22.195 – 00:09:18.407] Ajuster avec des groupes de réponse justifiables À L’ÉCRAN Variables disponibles pour toutes les unités sélectionnées Cellules ou modèles explicites La pondération ne supprime pas tout biais EXPLICATION Un ajustement de réponse cherche à représenter les unités sélectionnées dont le résultat manque. Dans une cellule, diviser le poids initial par le taux de réponse augmente la représentation des répondants. La validité dépend d'une comparabilité des répondants et absents pour le résultat, conditionnellement aux informations d'ajustement. Choisissez cellules ou modèle à partir de variables pertinentes disponibles pour toutes les unités sélectionnées. Examinez taille, géographie et caractéristiques antérieures, en évitant des cellules trop petites pour être stables. Les poids ne garantissent pas l'élimination des biais liés aux différences non mesurées. Distinguez rappels, contacts impossibles, refus et inéligibilité, car leurs implications diffèrent. Documentez les hypothèses et envisagez des sensibilités lorsque des mécanismes plausibles de non-réponse pourraient modifier substantiellement la conclusion destinée aux décideurs. [00:09:18.407 – 00:10:16.376] Une estimation pondérée peut différer de la moyenne brute À L’ÉCRAN 40 répondants: poids 62,5; taux 60% 60 répondants: poids 125; taux 30% Taux pondéré: 3 750 ÷ 10 000 = 37,5% EXPLICATION Considérons deux groupes de répondants. Quarante personnes ont un poids de soixante-deux virgule cinq et un taux de succès de soixante pour cent. Elles représentent deux mille cinq cents personnes, dont mille cinq cents succès pondérés. Soixante autres ont un poids de cent vingt-cinq et un taux de trente pour cent. Elles représentent sept mille cinq cents personnes, dont deux mille deux cent cinquante succès pondérés. Le taux combiné vaut trois mille sept cent cinquante sur dix mille, soit trente-sept virgule cinq pour cent. La moyenne brute est quarante-deux pour cent, avec quarante-deux succès sur cent répondants. Cet écart reflète des représentations inégales, pas une erreur. Présentez l'estimateur adapté à la population cible et conservez les éléments expliquant pourquoi ces poids sont justifiés. [00:10:16.376 – 00:11:14.763] Traiter une alerte comme une question à vérifier À L’ÉCRAN Durée, cohérence et profils inhabituels Vérification autorisée des anomalies Correction documentée avec preuves EXPLICATION Un entretien très court, des réponses répétées ou une valeur impossible déclenchent une revue, pas une suppression automatique ni une accusation. Certains entretiens sont courts parce que les filtres retirent des sections sans objet. Construisez les contrôles autour des parcours attendus, des plages et des cohérences entre variables. Comparez les enquêteurs en tenant compte des affectations et profils interrogés. Utilisez des contre-enquêtes autorisées sur des éléments factuels, avec les protections prévues pour le consentement et la confidentialité. Préservez les données brutes et journalisez chaque correction avec motif, preuve, responsable et date. Ne remplacez pas une réponse surprenante mais vérifiée parce qu'elle affaiblit une conclusion souhaitée. Un dispositif solide sépare détection, vérification et résolution, tout en donnant au terrain un retour rapide et traçable. [00:11:14.763 – 00:12:13.673] Combiner sélection et ajustement de réponse À L’ÉCRAN Probabilités: zone 0,20; entreprise 0,10 Taux de réponse de la cellule: 0,80 Calculer le poids ajusté et préciser son hypothèse EXPLICATION Mettez la vidéo en pause et calculez le poids initial, puis le poids ajusté pour la réponse. Expliquez le rôle de chaque facteur au lieu de donner seulement un nombre. Précisez l'hypothèse nécessaire pour que l'ajustement réduise le biais. Imaginez ensuite qu'un enquêteur remplace une entreprise sélectionnée absente par un propriétaire voisin disponible. Le poids calculé devient-il automatiquement valable pour ce remplaçant? Expliquez votre réponse en reliant arithmétique et recrutement réel. Proposez enfin une action concrète quand la réponse est inférieure au plan, sans abandonner l'échantillon probabiliste. Pensez aux tentatives de contact, aux horaires ou à une modification du dispositif prévue à l'avance. L'objectif est de préserver le lien entre sélection, terrain et inférence malgré la pression opérationnelle pour achever les entretiens. [00:12:13.673 – 00:13:08.535] Le poids ajusté de 62,5 dépend d'hypothèses précises À L’ÉCRAN Poids initial: 1 ÷ 0,02 = 50 Ajustement: 50 ÷ 0,80 = 62,5 Le remplacement de convenance rompt le lien de sélection 1 ÷ (0,20 × 0,10 × 0,80) = 62,5 EXPLICATION Les probabilités de zone et d'entreprise se multiplient pour donner zéro virgule zéro deux, donc un poids initial de cinquante. Diviser par le taux de réponse de zéro virgule huit donne soixante-deux virgule cinq. Cet ajustement suppose que la cellule ou le modèle saisit les différences pertinentes entre répondants et non-répondants pour l'inférence souhaitée. Il ne fait pas disparaître la sélection non mesurée. Le voisin remplaçant ne possède pas automatiquement la même probabilité d'inclusion; lui transférer le poids est injustifié. Le superviseur applique les rappels documentés, adapte les horaires lorsque pertinent et enregistre les résultats de contact. Toute modification nécessaire doit faire l'objet d'une revue méthodologique et d'une documentation des probabilités. Atteindre un quota ne justifie pas de sacrifier un mécanisme reproductible. [00:13:08.535 – 00:14:03.776] Livrer le dispositif avec les données nettoyées À L’ÉCRAN Strates, grappes et poids finaux Statuts de contact et corrections Estimations par domaine avec incertitude adaptée EXPLICATION Un fichier nettoyé ne constitue pas une transmission complète d'enquête. Fournissez dictionnaire, versions du questionnaire, notes sur la base, probabilités de sélection, identifiants des grappes et strates, ainsi que méthode de pondération finale. Joignez un bilan des contacts expliquant réponse et admissibilité, puis un journal des corrections préservant les valeurs originales. Livrez le code calculant estimations et incertitude selon le plan réel. Pour les sous-groupes, utilisez une estimation par domaine appropriée plutôt que supprimer sans précaution des observations nécessaires au calcul de variance. Contrôlez les totaux pondérés et signalez les domaines rares ou instables. Conservez les identifiants utiles au dispositif, tout en protégeant les identifiants personnels selon les règles convenues. Un analyste ultérieur pourra ainsi reproduire les résultats et apprécier leurs limites. [00:14:03.776 – 00:15:02.901] Garder un protocole cohérent jusque sur le terrain À L’ÉCRAN Population, base et sélection probabiliste Procédures de collecte alignées Estimations pondérées, incertitude et limites EXPLICATION Pour votre prochaine enquête, rédigez un protocole unique reliant population cible et estimateur final. Commencez par la base et sa couverture, dessinez les étapes de sélection et calculez les probabilités d'inclusion. Présentez séparément hypothèses de précision, allocation des grappes et provision de non-réponse. Écrivez des procédures de rappel, consentement et revue qualité qui protègent l'échantillon choisi. Avant le lancement, testez questionnaire et contrôles sur des cas réalistes, y compris non-réponses et réponses inhabituelles mais valides. Après collecte, comparez sélection, réponse et précision prévues aux réalisations, en expliquant chaque écart important. Le rapport doit présenter estimations pondérées, incertitude appropriée et limites, sans promettre qu'un grand effectif corrige tous les biais. La qualité professionnelle repose sur cette continuité de preuves entre conception, collecte et interprétation. RÉFÉRENCES MÉTHODOLOGIQUES United Nations Statistics Division — Designing Household Survey Samples: Practical Guidelines https://unstats.un.org/unsd/demographic/sources/surveys/Handbook23June05.pdf Probability sampling, multistage selection, design effects, weighting and survey documentation. J-PAL — Sampling https://www.povertyactionlab.org/resource/sampling Population, frame and sampling choices. J-PAL — Data quality checks https://www.povertyactionlab.org/resource/data-quality-checks Operational checks and verification of field data. J-PAL — Power calculations https://www.povertyactionlab.org/resource/power-calculations Relationship between sample design, clustering and statistical information; precision examples here are original calculations, not treatment-effect power calculations. Crédits audio https://iderafrica.com/downloads/briefings/audio-credits.txt