Dans le contexte dynamique de la prise de décisions basée sur les données, la désagrégation des données est la composante méconnue des analyses perspicaces et des stratégies éclairées. Lorsqu’il est question des données, aller au-delà du seul aperçu général apportera une connaissance plus approfondie et permettra des interventions mieux ciblées. Examinons donc la question plus attentivement : pourquoi désagréger les données, et de quels éléments faut-il tenir compte pour bien le faire?
Qu’est-ce que la désagrégation de données?
La désagrégation des données consiste à séparer des données en petits éléments pour mieux comprendre une situation et prendre des décisions éclairées. Plutôt que de vous appuyer sur des moyennes approximatives, cette méthode vous permet d’analyser les données afin d’en faire ressortir les finesses, et ainsi mieux comprendre les phénomènes complexes.
Exemple 1 : Habitudes de consommation
Vous accumulez moins d’épargnes depuis quelque temps et vous vous demandez pourquoi. Vous consultez donc votre relevé de carte de crédit pour comprendre où va votre argent, et vous vous rendez compte que le volume de vos achats sur Amazon a augmenté. Or, même si votre relevé consigne toutes les transactions faites sous le libellé « Amazon », il ne fournit aucun détail supplémentaire sur la nature des achats, mettant en évidence le manque de données disponibles pour une désagrégation plus détaillée. Pour mieux comprendre vos habitudes de consommation, vous examinez vos reçus d’achat. Vous constatez que vous avez un peu trop dépensé dans les articles de jardinage, alors que vous n’avez même pas de cour.
Exemple 2 : Revenu de la population
Vous examinez un ensemble de données rapportant le revenu moyen de l’ensemble de la population canadienne. Ce revenu moyen pourrait servir, par exemple, à établir des comparaisons avec le revenu des membres de la population d’autres pays. Mais la désagrégation de données fournirait un portrait plus nuancé, en montrant par exemple les écarts de revenus entre divers groupes démographiques, ou en faisant ressortir les secteurs où les revenus sont beaucoup plus ou moins élevés. Selon la méthode de collecte des données utilisée, vous pouvez analyser les données par catégories, notamment l’âge, le genre, le lieu géographique. En analysant les données reflétant différentes démographiques ou caractéristiques, vous obtiendrez des informations précieuses qui permettront d’élaborer de meilleures politiques et d’agir là où il est nécessaire de le faire.
Les chiffres, les mesures, les effets
Les cadres supérieurs, y compris les sous-ministres, devraient prendre des mesures pour intégrer dès le départ les activités et identifier les besoins en matière de données dans les initiatives, éclairer leurs décisions à l’aide de données désagrégées et évaluer les compétences en matière de données dont ont besoin les gestionnaires et les équipes. – Stratégie de données de 2023-2026 pour la fonction publique fédérale
Les données désagrégées peuvent nuancer les observations, mettre en évidence des disparités et permettre de prendre des décisions éclairées, ce qui est indispensable pour promouvoir l’équité, améliorer la gouvernance et fournir des services adaptés à la population canadienne. Voici quelques exemples d’utilisation de données désagrégées :
- Élaboration de politiques : Les données désagrégées permettent de cerner les besoins particuliers de divers groupes et aident ainsi les responsables des politiques à élaborer des politiques plus efficaces. Par exemple, la pandémie de COVID-19 a montré comment un seul événement pouvait toucher différents groupes de diverses manières, et a mis en lumière des disparités sociales et économiques préexistantes. La pandémie a aussi illustré l’importance des données désagrégées dans l’élaboration de plans et de programmes de relance adaptés aux besoins des collectivités et visant à atténuer ces inégalités.
- Équité et justice sociale : La mise en évidence de disparités permet d’élaborer des politiques non discriminatoires.
- Affectation de ressources : Que ce soit pour statuer sur les fonds budgétaires, les mesures de dotation ou les infrastructures, le fait de disposer de données granulaires permet de distribuer précisément les ressources des ressources et de les allouer de façon ciblée.
- Prestation de services : Les fonctionnaires peuvent se servir des données désagrégées en vue d’adapter les services aux besoins particuliers de certains groupes, et ainsi améliorer l’efficacité et la qualité des services. Par exemple, en examinant les délais de prestation de programmes dans diverses régions ou pour divers contextes, un ministère peut adapter ses normes de services afin d’améliorer la prévisibilité du service à l’égard de sa clientèle.
- Adaptabilité : Les ministères et les organismes gouvernementaux peuvent réagir promptement aux changements démographiques et aux tendances, ce qui en retour permet d’améliorer la planification économique et le perfectionnement de la main-d’œuvre. Par exemple, en analysant les données démographiques et les tendances du marché de l’emploi, ces instances gouvernementales peuvent adapter les programmes d’enseignement et de formation pour s’assurer que la main-d’œuvre possédera les compétences requises en vue de combler les besoins des secteurs émergents, une proactivité qui favorise la croissance économique et les possibilités d’emploi.
- Transparence et confiance : L’utilisation de données désagrégées contribue à montrer que les décisions sont prises de façon objective et transparente, en particulier lorsque les données sont rendues publiques.
Données désagrégées, confiance et inclusivité
La puissance des données désagrégées s’explique en partie par le fait qu’elles permettent d’examiner de plus près des groupes démographiques particuliers, et de révéler des tendances et des profils que les données agrégées pourraient ne pas laisser paraître. Cependant, les communautés marginalisées pourraient se montrer réticentes à fournir des données aux chercheurs et chercheuses.
Certaines communautés ont déjà fait l’objet de surveillance ou subi de la discrimination, ou ont vu leurs données être utilisées à des fins abusives. Il est donc normal qu’elles craignent être encore stigmatisées ou ciblées. Les injustices systémiques peuvent causer de la méfiance chez ces communautés, qui peuvent alors se montrer suspicieuses quant à la façon dont leurs données seront utilisées et les fins auxquelles elles serviront.
Pour calmer ces inquiétudes, il faut réinstaurer un climat de confiance et de transparence auprès des communautés marginalisées. Pour ce faire, les porte-paroles de ces communautés marginalisées doivent participer à la collecte de données pour ainsi avoir leur mot à dire sur la façon dont les données seront utilisées et mieux comprendre pourquoi elles sont recueillies.
Il est aussi primordial de mettre en place de solides mesures de protection des données et d’en informer les communautés concernées. Non seulement ces mesures assureront-elles la sécurité de l’information, mais elles traduiront aussi un engagement réel d’être à l’écoute des préoccupations et de les respecter.
Enfin, utiliser des données désagrégées de manière responsable afin d’instaurer des changements positifs et de souligner les avantages concrets peut renforcer le sentiment selon lequel la collecte de données sert au bout du compte à améliorer la communauté.
Que dois-je savoir en tant que fonctionnaire?
Les données désagrégées offrent de multiples possibilités, mais leur utilisation demande une réflexion approfondie. Tout d’abord, les données détaillées soulèvent des questions en matière de protection de la vie privée, car il peut être plus facile de reconnaître certaines personnes ou certains groupes. Par ailleurs, en procédant à une ventilation excessive des données, certains schémas risquent de nous échapper, ce qui offre alors une perspective partielle. Des données fortement désagrégées donnent souvent un angle statique ou indirect sur une question. Sans procéder à une analyse croisée approfondie, il sera difficile de faire ressortir les tendances. En d’autres termes, il faut conserver un degré approprié de granularité pour que les données soient valides et exploitables.
Vous devez faire preuve de transparence lors de l’utilisation des données. Il est donc important :
- d’éviter tout biais dans le cadre de l’analyse;
- de veiller à prendre des décisions justes;
- de recueillir et de stocker les données conformément à la réglementation stricte sur la protection de la vie privée;
- d’utiliser des outils d’anonymisation et de chiffrement pour protéger la vie privée.
Mais ce qu’il faut retenir surtout, c’est que la valeur et la fiabilité de l’information découlant des données recueillies dépendent de la méthode de collecte des données.
De la complexité à la simplicité
En termes simples, les données désagrégées permettent de creuser un sujet pour mieux en cerner toutes les facettes. Lorsqu’il s’agit d’élaborer des politiques, les données désagrégées nous permettent de mieux répondre aux besoins particuliers de diverses communautés. Il est important de se rappeler de faire preuve de prudence en gérant des données désagrégées afin de protéger la vie privée et la sécurité des données, surtout lorsqu’il s’agit de renseignements personnels ou de nature délicate.
Cours connexes
- Un guide autodirigé pour comprendre les données (DDN303)
- Principes de base du big data (DDN305)
- Évaluer son niveau de littératie des données (DDN302)
- Introduction aux données dans la fonction publique (DDN301)
- Prendre des décisions basées sur les données (DDN307)
- Introduction à l'analyse comparative entre les sexes plus (ACS Plus) (INC101)
Ressources connexes
- Plan d’action sur les données désagrégées : Pourquoi est-ce important pour vous
- Carrefour des statistiques sur le genre, la diversité et l’inclusion
- Statistique Canada et les données désagrégées
- Principes d’utilisation des données désagrégées
- Lignes directrices sur la ventilation des données pour les indicateurs des ODD à l’aide de données d’enquête (en anglais seulement)
