1. Accueil
  2. iLab Academy
  3. Programme
Programme complet · Opérationnelle · quantitatif · 40 h

Des données brutes aux décisions : gestion et analyse de données quantitatives pour le S&E

Nettoyer, calculer, lire et montrer : faire des données de suivi des décisions de revue, avec un flux de travail reproductible sous Stata ou R.

FormatiLab · Formation hybride · 40 heures · 6 semaines · en ligne + 2 journées en présentiel
DisponibilitéEn cours de développement · ouverture au 1er trimestre 2027
Durée
40 h (22 h avec un formateur, en salle ou en ligne)
Format
15 h en ligne à son rythme · 9 h de cliniques en direct · 2 journées en présentiel (13 h) · 3 h de projet final
Niveau
Débutant à intermédiaire · aucune expérience en code requise
Langues
Français (supports, capsules et séances)
Reconnaissance
Certificat de fin de formation iLab (40 h)

À propos de cette formation

Votre système de suivi-évaluation collecte des données chaque mois. Le vrai savoir-faire, c'est d'en faire des décisions. Entre la base Kobo et la réunion de revue, il faut relier chaque donnée à son indicateur, tirer un bon échantillon, nettoyer sans biaiser, fusionner et agréger, puis lire une tendance face à sa cible sans en tirer une conclusion d'impact.

Cette formation outille celles et ceux qui font le lien entre les données et la décision. En six semaines, chaque participant·e construit toute la chaîne, de l'échantillon à une note de performance des indicateurs de 2 pages, avec un do-file ou un script R qui reconstruit chaque résultat.

Le fil rouge. Toute la cohorte travaille sur l'accès à l'eau potable, le même fil rouge que les autres parcours iLab : une base de suivi mensuel au format Kobo (sites, districts, cibles), une enquête de référence et de suivi, et les données réelles de l'EDS Madagascar 2021 pour les estimations pondérées. Chaque module ajoute une pièce au même projet, qui peut aussi se faire sur vos propres données anonymisées.

La logique du format. Les gestes techniques s'apprennent en ligne, à son rythme, avec des scripts guidés ; chaque semaine, une clinique en direct corrige les devoirs et débloque les erreurs ; les deux journées en salle servent à installer les logiciels, lancer le projet, puis le soutenir devant ses pairs.

Cette formation est la troisième marche du parcours quantitatif iLab : taster « Mon premier indicateur » (6 h) → Bien démarrer avec Stata (6 h ou 10 h) → Des données brutes aux décisions (40 h). Les participant·es de l'initiation voient les modules M1 et M2 allégés, et son prix est déduit.

Pour qui

Vous débutez
Assistant·es de S&E, gestionnaires de données d'ONG partenaires, points focaux S&E : apprenez à produire vos indicateurs avec un code que d'autres peuvent relancer.
Vous pratiquez déjà
Chargé·es de S&E, chef·fes de projet, statisticien·nes de ministère : passez d'Excel à un flux reproductible, maîtrisez pondérations, fusions et automatisation des graphiques.

Cohorte : 15 à 25 personnes · 1 formateur et 1 assistant · Recommandé : Bien démarrer avec Stata (sinon M1 et M2 suffisent) ; connaître le cadre logique de son projet · Matériel : ordinateur portable avec droits administrateur, connexion pour les cliniques ; licence SPSS personnelle pour qui veut l'utiliser (non fournie).

Ce que vous saurez faire

  • Cartographier vos données : relier chaque base à son indicateur, sa source, sa fréquence et ses désagrégations
  • Travailler de façon reproductible : un do-file ou un script R qui reconstruit chaque résultat, avec un dictionnaire de données
  • Calculer une taille d'échantillon et tirer un échantillon aléatoire, stratifié, en grappes ou LQAS
  • Contrôler la qualité des données et tenir un journal de nettoyage
  • Construire les indicateurs : fusionner, restructurer et agréger en valeurs, cibles et taux de réalisation
  • Décrire et comparer avec des estimations pondérées et des tests simples, sans conclusion causale
  • Suivre la performance dans le temps : tendances, cumuls, écarts à la cible, feux tricolores, complétude
  • Rapporter et automatiser : graphiques Stata avancés et boucles qui produisent un jeu de graphiques par site
  • Rédiger une note de performance de 2 pages et la défendre en 7 minutes

Compétences acquises

Nettoyage des donnéesContrôle qualité des donnéesCalcul d'indicateursPlan d'échantillonnageTaille d'échantillonPondérations d'enquêteStatistiques descriptivesDésagrégationTests statistiquesAnalyse de tendancesSuivi des performancesVisualisation de donnéesProgrammation StataBoucles et macrosFlux de travail reproductibleNotes de résultats

Le format en un coup d'œil

FormatHeuresCe qu'on y fait
En ligne, à son rythme15 h10 modules : vidéos courtes, scripts guidés Stata et R, fiches SPSS, quiz, un devoir court par semaine
Cliniques en direct9 h6 sessions de 1 h 30 en fin de journée : correction des devoirs, dépannage, questions (replay disponible)
Présentiel13 hJour 1 (7 h) : lancement, installation de Stata et R, premier do-file · Jour 2 (6 h) : soutenances et certificats
Projet final3 hToute la chaîne sur vos données ou celles du cours : note de 2 pages + code reproductible
Total40 hdont 22 h avec un formateur (présentiel et cliniques)

Programme

ModuleFormatDuréeCe que vous faitesVous produisez
J1Lancement et partage de StataPrésentiel7 hCartographier vos flux de données ; installer Stata et R ; do-file et RStudio ; premier import ; découvrir le projet finalCarte des flux + premier do-file
M1Les données dans le système de S&EEn ligne + clinique 11 hFiches de référence des indicateurs, sources et flux, unité d'analyseFiche pour 2 indicateurs
M2Organiser et importerEn ligne + clinique 11 h 30Données brutes et propres, structure de projet, étiquettes, dictionnaire, exports Kobo, ODK et ExcelBase étiquetée + dictionnaire
M3Échantillonner pour les enquêtes de suiviEn ligne + clinique 21 h 30Aléatoire, stratifié, grappes, LQAS ; taille, effet de plan, pondérationsCalcul et liste d'échantillon
M4Qualité et nettoyageEn ligne + clinique 22 hDoublons, identifiants, logique de saut, valeurs aberrantes, manquants, journal de nettoyageDo-file + journal de nettoyage
M5Des enregistrements aux indicateursEn ligne + clinique 32 hRecodage, merge, append, reshape, collapse, taux de réalisationTableau par district et sexe
M6Décrire les résultatsEn ligne + clinique 31 h 30Fréquences, moyennes, tableaux croisés, désagrégation, estimations pondérées (svy)Tableaux descriptifs
M7Comparer groupes et périodesEn ligne + clinique 41 hRéférence et suivi, test de proportions, t-test, khi-deux ; pas de conclusion d'impactNote de comparaison
M8Suivre la performance dans le tempsEn ligne + clinique 41 hTendances mensuelles, cumul, écart à la cible, feux tricolores, complétudeTableau de suivi
M9Graphiques de base et rapportsEn ligne + clinique 51 h 30Choisir un graphique, exporter des tableaux, tableau de bord d'une pageJeu de tableaux exportés
M10Automatiser et graphiques Stata avancésEn ligne + clinique 62 hMacros et boucles ; superpositions twoway, petits multiples, cartes, graph combineGraphiques par site, en boucle
PFProjet finalAutonome3 hÉchantillon, nettoyage, indicateurs, analyse, rapportNote de 2 pages + code
J2Synthèse et certificatsPrésentiel6 hSoutenances notées par les pairs, erreurs fréquentes, post-test, plan d'analyse de routineSoutenance de 7 min

En ligne : 15 h (1 + 1 h 30 + 1 h 30 + 2 h + 2 h + 1 h 30 + 1 h + 1 h + 1 h 30 + 2 h) · Cliniques : 9 h · Présentiel : 13 h · Projet final : 3 h

Les modules en détail

Chaque module en ligne suit la même structure : objectifs (4 à 5, mesurables) → leçons (vidéos courtes) → script guidé Stata, avec son équivalent R et sa fiche SPSS → exercice appliqué au fil rouge → quiz de 5 questions → devoir de la semaine → pour aller plus loin.

J1 · Lancement et partage de Stata (7 h, présentiel, semaine 0)

Objectifs : à la fin de la journée, vous savez…

  1. décrire le parcours, le projet final et les critères du certificat ;
  2. cartographier les flux de données de votre unité, de la collecte au rapport ;
  3. installer et ouvrir Stata et RStudio, et organiser un dossier de projet ;
  4. écrire un premier do-file qui importe, étiquette et enregistre une base.
HoraireSéquence
08:00–08:30Accueil, pré-test
08:30–10:00Cartographier vos flux de données : qui collecte quoi, à quelle fréquence, pour quel indicateur
10:00–10:15Pause
10:15–12:00Installer Stata et R ensemble ; structure de projet ; do-file et RStudio
12:00–13:00Déjeuner
13:00–14:45Premier do-file : importer un export Kobo, étiqueter, enregistrer, journal
14:45–15:00Pause
15:00–16:30Découvrir la base du cours et le projet final ; mode d'emploi de la plateforme et des cliniques

Livrable : carte des flux de données de votre unité + premier do-file qui tourne.

M1 · Les données dans le système de S&E (1 h, en ligne)

Objectifs

  1. relier un indicateur à sa base, sa source, sa fréquence et ses désagrégations ;
  2. lire et rédiger une fiche de référence d'indicateur ;
  3. identifier l'unité d'analyse et les niveaux de données (individu, ménage, site, district) ;
  4. distinguer données de routine et données d'enquête.

Leçons : flux et niveaux de données · la fiche de référence · unité d'analyse et agrégation · routine ou enquête.

Livrable : fiche de référence pour 2 indicateurs de votre projet ou du cours.

M2 · Organiser et importer (1 h 30, en ligne)

Objectifs

  1. organiser un projet : données brutes intouchables, données propres, scripts, sorties ;
  2. importer des exports Kobo, ODK et Excel sans perdre les étiquettes ;
  3. étiqueter variables et valeurs, et produire un dictionnaire de données ;
  4. écrire un en-tête standard et relancer le projet de bout en bout.

Leçons : la structure de projet · import Kobo et ODK (questions à choix multiples, groupes répétés) · étiquettes · le dictionnaire de données.

Livrable : base étiquetée + dictionnaire. Clinique 1 : correction et dépannage de M1 et M2.

M3 · Échantillonner pour les enquêtes de suivi (1 h 30, en ligne)

Objectifs

  1. choisir un plan : aléatoire simple, stratifié, en grappes, LQAS ;
  2. calculer une taille d'échantillon pour une proportion, avec effet de plan et taux de non-réponse ;
  3. tirer un échantillon reproductible dans une base de sondage ;
  4. calculer des pondérations et expliquer pourquoi les chiffres non pondérés diffèrent.

Leçons : pourquoi échantillonner · les plans de sondage · la taille d'échantillon · l'effet de plan · LQAS pour le suivi de district · les pondérations.

Cas malgache : tirer un échantillon de fokontany dans le registre électoral 2023 ; comparer chiffres pondérés et non pondérés de l'EDS (rural 35,4 % contre 38,4 %).

Livrable : calcul et liste d'échantillon.

M4 · Qualité et nettoyage (2 h, en ligne)

Objectifs

  1. détecter doublons, identifiants incohérents et logique de saut non respectée ;
  2. repérer et traiter les valeurs aberrantes et impossibles ;
  3. distinguer et coder les types de valeurs manquantes ;
  4. tenir un journal de nettoyage qui trace chaque décision.

Leçons : les contrôles qui sauvent un rapport · identifiants et isid · logique de saut · aberrants · manquants · le journal de nettoyage.

Livrable : do-file de nettoyage + journal. Clinique 2 : correction de M3 et M4.

M5 · Des enregistrements aux indicateurs (2 h, en ligne)

Objectifs

  1. recoder et créer des variables d'indicateur ;
  2. fusionner et ajouter des bases (merge, append) en vérifiant les correspondances ;
  3. restructurer entre formats long et large (reshape) ;
  4. agréger par site, district et sexe (collapse) et calculer un taux de réalisation.

Leçons : de l'enregistrement à l'indicateur · fusionner sans perdre de lignes · long ou large ? · agréger · valeur, cible et taux de réalisation.

Livrable : tableau des indicateurs par district et par sexe.

M6 · Décrire les résultats (1 h 30, en ligne)

Objectifs

  1. produire fréquences, moyennes et tableaux croisés ;
  2. désagréger un indicateur et lire les petits effectifs avec prudence ;
  3. déclarer un plan de sondage et produire des estimations pondérées (svyset, svy:) ;
  4. présenter un chiffre avec son effectif et son intervalle de confiance.

Leçons : décrire selon le type de variable · désagrégation · estimations pondérées · un chiffre sans son n est incomplet.

Livrable : tableaux descriptifs. Clinique 3 : correction de M5 et M6.

M7 · Comparer groupes et périodes (1 h, en ligne)

Objectifs

  1. comparer une situation de référence et une situation de suivi ;
  2. choisir et lire un test de proportions, un t-test ou un khi-deux ;
  3. distinguer différence significative et différence importante ;
  4. expliquer pourquoi une comparaison avant-après n'est pas une conclusion d'impact.

Leçons : référence et suivi · tests simples · significatif ≠ important · le facteur de confusion · ce qu'une évaluation d'impact demanderait de plus.

Livrable : note de comparaison (½ page).

M8 · Suivre la performance dans le temps (1 h, en ligne)

Objectifs

  1. construire des tendances mensuelles et des cumuls ;
  2. calculer l'écart à la cible et attribuer un feu tricolore ;
  3. mesurer la complétude et la ponctualité des rapports ;
  4. repérer les ruptures dues aux données plutôt qu'à la réalité.

Leçons : tendances et cumuls · écart à la cible · feux tricolores · complétude · lire une rupture de série.

Livrable : tableau de suivi des indicateurs face aux cibles. Clinique 4 : correction de M7 et M8, lancement du projet final.

M9 · Graphiques de base et rapports (1 h 30, en ligne)

Objectifs

  1. choisir le graphique adapté au message ;
  2. exporter des tableaux mis en forme vers Excel et Word ;
  3. composer un tableau de bord d'une page ;
  4. écrire un message clé à partir d'un tableau : un fait, une comparaison, une conséquence.

Leçons : quel graphique pour quel message · exporter (putexcel, putdocx) · le tableau de bord d'une page · du chiffre au message.

Livrable : jeu de tableaux exportés. Clinique 5 : correction de M9.

M10 · Automatiser et graphiques Stata avancés (2 h, en ligne)

Objectifs

  1. utiliser macros locales et globales ;
  2. écrire des boucles (foreach, forvalues, levelsof) ;
  3. superposer courbes, cibles et intervalles (twoway), faire des petits multiples (by()), combiner des panneaux et cartographier des districts ;
  4. exporter automatiquement un graphique par site pour un rapport.

Leçons : macros · boucles · courbe, cible et intervalle · haltères référence-suivi · petits multiples · graph combine · cartes de districts · export automatique.

Livrable : un graphique par site, produit en boucle. Clinique 6 : correction de M10 et préparation des soutenances.

PF · Projet final (3 h, autonome, semaines 4 à 6)

Toute la chaîne, sur vos propres données anonymisées ou sur celles du cours : échantillon (taille et tirage) → nettoyage (contrôles qualité) → indicateurs (valeur, cible, %) → analyse (tendances et tests) → rapport.

Livrable : une note de performance des indicateurs de 2 pages et son do-file ou script R reproductible.

J2 · Synthèse et certificats (6 h, présentiel, semaine 6)

HoraireSéquence
08:30–11:30Soutenances de 7 min notées par les pairs, avec questions
11:30–12:30Erreurs fréquentes et corrections
12:30–13:30Déjeuner
13:30–14:00Post-test et évaluation de la formation
14:00–15:00Votre plan d'analyse de routine : ce que vous automatisez dès le mois prochain
15:00–15:30Remise des certificats

Calendrier

SemaineEn ligne (≈ 3 h)Clinique (1 h 30, en semaine, 18:00)PrésentielLivrable (fin de semaine)
0——Jour 1 (7 h)Carte des flux · premier do-file
1M1 + M2Clinique 1—Fiches d'indicateurs · base étiquetée + dictionnaire
2M3 + M4Clinique 2—Liste d'échantillon · do-file et journal de nettoyage
3M5 + M6Clinique 3—Tableau par district et sexe · tableaux descriptifs
4M7 + M8Clinique 4 · lancement du projet final—Note de comparaison · tableau de suivi
5M9 + M10 + projet finalCliniques 5 et 6—Tableaux exportés · graphiques par site
6Projet final—Jour 2 (6 h)Note de 2 pages + code · soutenance

Format pédagogique

ÉlémentEn ligneCliniquePrésentiel
Objectifs4 à 5 objectifs mesurables par moduleAnnoncés en début de sessionRappelés au lancement
ApprentissageVidéos courtes, scripts guidés Stata et R, fiches SPSSCorrection en direct des devoirsInstallation accompagnée, démonstrations
PratiqueExercices appliqués au fil rouge, devoir hebdomadaireDépannage sur écran partagéPremier do-file, soutenances
VérificationQuiz de 5 questionsRetour du formateurÉvaluation par les pairs, post-test
TraceCode et livrable déposésReplay + fiche de synthèsePlan d'analyse de routine

Boîte à outils fournie

OutilUtilisé enFormat
Modèle de fiche de référence d'indicateurM1Word
Modèle de structure de projet et d'en-tête de do-fileJ1, M2Dossier + .do
Modèle de dictionnaire de donnéesM2Excel
Calculateur de taille d'échantillon et de pondérationsM3Excel + .do
Liste des contrôles qualité + modèle de journal de nettoyageM4Excel / .do
Scripts guidés Stata, scripts R équivalents, fiches menus et syntaxe SPSSM1 à M10.do, .R, PDF
Modèle de tableau de suivi avec feux tricoloresM8Excel
Modèle de tableau de bord d'une pageM9Excel / Word
Bibliothèque de boucles et de graphiques avancésM10.do
Modèle de note de performance de 2 pages + grille de soutenancePF, J2Word

Évaluation et attestation

On évalue d'abord ce que vous produisez : un code qui tourne et une note qui dit juste.

ÉlémentPoidsÉvalué enCe qui est regardé
Projet final : note et code35 %PF (individuel)Chaîne complète, code reproductible, indicateurs justes, tests bien lus, note claire et sans conclusion causale
Devoirs hebdomadaires30 %Semaines 1 à 5 (5 devoirs)Code qui tourne, résultat juste, commentaires, traçabilité
Quiz des modules15 %M1 à M10Moyenne des quiz
Participation aux cliniques10 %Cliniques 1 à 6Présence, questions, corrections partagées
Projet final : soutenance10 %J2 (individuel)Clarté du message, réponse aux questions, gestion du temps (7 min)

Certificat de fin de formation (40 h), délivré par iLab :

  • note globale ≥ 70 % ;
  • présence aux 2 journées en présentiel ;
  • 4 cliniques sur 6 au minimum en direct ; une clinique manquée se rattrape par le replay ;
  • projet final remis ; un livrable incomplet peut être complété dans les 10 jours.

Grilles d'évaluation : chaque critère est noté de 1 (à reprendre) à 4 (prêt pour une mission) ; les grilles sont remises le jour 1 pour servir aussi d'auto-évaluation.

Pré-test / post-test (10 questions, jour 1 et jour 2)

  1. Une fiche de référence d'indicateur précise au minimum : la cible / la définition, le numérateur, le dénominateur et la source / le logo du bailleur
  2. Pourquoi ne jamais modifier le fichier de données brutes ? pour gagner de la place / pour pouvoir tout reconstruire à l'identique / c'est une règle du bailleur
  3. Un plan en grappes, à taille égale, demande par rapport à un tirage aléatoire simple : moins d'unités / autant / plus d'unités (effet de plan)
  4. Pourquoi les chiffres non pondérés d'une enquête diffèrent-ils des chiffres officiels ? Citez une raison.
  5. Après merge 1:1, 30 lignes ont _merge == 1 : que vérifiez-vous ?
  6. Pour passer d'une ligne par site et par mois à une ligne par site avec 12 colonnes, on utilise : collapse / reshape wide / append
  7. Taux de réalisation : 340 réalisés pour une cible de 400 donne 85 % / 117 % / 0,85 %
  8. Le taux d'accès passe de 42 % à 51 % entre référence et suivi (p < 0,01) : on peut conclure que le projet a eu un effet / que l'accès a augmenté dans la zone, sans pouvoir l'attribuer au projet
  9. Quelle commande parcourt chaque valeur d'une variable pour produire un graphique par site ? foreach avec levelsof / tabulate / graph combine
  10. Un district passe de 20 % à 95 % de couverture en un mois : quelle est votre première hypothèse à vérifier ?

Lectures de référence

Chaque module renvoie à une ou deux lectures courtes ; aucune n'est obligatoire pour obtenir le certificat.

  • Long J. S. (2009). The Workflow of Data Analysis Using Stata. Stata Press. (J1, M2, M4)
  • Mitchell M. N. (2020). Data Management Using Stata: A Practical Handbook (2e éd.). Stata Press. (M2, M4, M5)
  • Mitchell M. N. (2022). A Visual Guide to Stata Graphics (4e éd.). Stata Press. (M9, M10)
  • Kish L. (1965). Survey Sampling. Wiley. (M3)
  • Magnani R. (1997). Sampling Guide. FANTA / IMPACT, USAID. (M3)
  • Valadez J. J., Weiss W., Leburg C., Davis R. (2003). Assessing Community Health Programs: Using LQAS for Baseline Surveys and Regular Monitoring. TALC. (M3, M8)
  • Heeringa S. G., West B. T., Berglund P. A. (2017). Applied Survey Data Analysis (2e éd.). CRC Press. (M3, M6)
  • Croft T. N., Marshall A. M. J., Allen C. K. et al. (2018). Guide to DHS Statistics. ICF. (M6)
  • Wickham H., Çetinkaya-Rundel M., Grolemund G. (2023). R for Data Science (2e éd.). O'Reilly. (équivalents R, M2 à M10)

Et après ?

Votre plan d'analyse de routine est prêt à tourner chaque mois. Pour compléter vos chiffres par le sens, le parcours « Entretiens & focus groups » (40 h) prépare au recueil qualitatif.

Prochaine cohorte

Démarrageà confirmer (jour 1)
Lieu des journéesà confirmer
Tarifà confirmer
InscriptionPréinscription par le formulaire de contact →
Programme en cours de développement

Ce programme peut encore évoluer d'ici l'ouverture au premier trimestre 2027. Dates, lieux et tarifs à confirmer.

Se préinscrire →

Contact

Un atelier, une diffusion, une évaluation à préparer ?

Termes de référence, appel d'offres, porte d'entrée ou question de méthode : nous répondons sous 48 heures ouvrées.

Écrire à l'équipe → Voir les portes d'entrée

communication@ilabtm.org · +261 34 85 858 16