Apprendre à apprendre : les leçons d'une crise

Résumé : Face à une crise sans précédent, les gouvernements du monde entier ont été confrontés à des choix politiques difficiles en réponse à la COVID. Résoudre ces défis en adoptant un état d'esprit d'apprentissage actif, en permettant une plus grande collaboration et en mettant en place une infrastructure de données robuste,  peut nous préparer à mieux atténuer les impacts à moyen et long terme de la COVID, ainsi qu'à répondre efficacement aux crises futures, écrit Sylvain Zeghni.

Apprendre à apprendre est une chose que le COVID a imposé à de nombreux gouvernements sans la formation ou les outils nécessaires.

Les gouvernements du monde entier ont été handicapés par les limites des modèles standard de politique sanitaire. Ils ont eu du mal à concevoir, mettre en œuvre et suivre des politiques dans le contexte d'un virus dont l'impact varie dans l'espace et dans le temps. Les messages souvent contradictoires émanant de différents experts et disciplines, le manque de coordination efficace entre les différents acteurs politiques et l'efficacité limitée des politiques Top-down qui ne tiennent guère compte de l'action des citoyens ont encore contribué à la confusion politique. La COVID a obligé les gouvernements à se demander comment agir en l'absence de preuves.

Une expertise diversifiée aurait également pu permettre d'éclairer divers aspects de la crise. Le rôle des épidémiologistes et des spécialistes des maladies infectieuses est évident dans le cadre d'une réponse à une pandémie, mais nous pouvons également nous appuyer sur les cadres et les boîtes à outils des spécialistes des sciences sociales pour mieux comprendre l'impact de la crise. Les spécialistes de l'éducation pourraient nous aider à comprendre les conséquences des perturbations de la scolarité sur le développement des enfants et des étudiants. Les experts en comportement et les anthropologues peuvent nous éclairer sur la meilleure façon de concevoir et d'appliquer les interventions de santé publique.

S'il est vrai que dans les pays riches, le compromis entre vie et moyens de subsistance est une fausse dichotomie, il est moins évident que ce soit également le cas pour les pays à faible revenu. En effet, la littérature suggère un compromis potentiellement plus sévère dans les pays à faible revenu en raison de la vulnérabilité économique, de l'insécurité alimentaire, de l'informalité et des possibilités fiscales limitées. Cependant, l'absence de données de suivi régulier a entravé la capacité des États et des organisations à concevoir des stratégies de confinement ciblé et de distanciation physique qui pourraient potentiellement atténuer la propagation de la COVID sans entraîner la perte de moyens de subsistance et de revenus.

La collaboration entre les différents niveaux et agences du gouvernement d'une manière qui soit coordonnée au niveau central tout en restant adaptée aux besoins locaux a constitué un défi de taille. Par exemple, la vague de travailleurs migrants retournant des zones urbaines vers leurs maisons rurales après le confinement initial en Inde a déclenché une épidémie de COVID en milieu rural qui aurait pu être atténuée par une meilleure coordination des réponses politiques à travers le pays (par exemple, en mettant en place des centres de quarantaine et des installations de test avant l'annonce du confinement pour se préparer au retour des travailleurs).

Il n'a pas été rare de voir différentes agences au sein d'un même gouvernement ne pas coopérer et, dans certains cas, travailler à contre-courant. La concurrence malsaine et le désir d'éviter les reproches ont souvent été une priorité pour les gouvernements tout au long de la pandémie. Cette concurrence a été manifeste dans les États unitaires, où les gouvernements nationaux et locaux sont en conflit, mais elle a été particulièrement évidente dans les pays fédéralistes, notamment lorsque le gouvernement central et les gouvernements des États sont issus de partis politiques concurrents, comme au Brésil, aux États-Unis et en Malaisie.

Le juste équilibre entre la politique et l'expertise a également toujours fait défaut. De nombreux gouvernements n'ont pas réussi à s'appuyer efficacement sur l'autorité des experts, préférant l'opportunisme politique aux décisions difficiles, tandis que d'autres ont externalisé autant de décisions que possible aux experts, dans le but de se soustraire à la responsabilité de l'impact des interventions politiques.

Adopter un état d'esprit d'apprentissage actif

Une réponse à la crise qui fonctionne doit être non seulement claire et décisive, mais aussi flexible et modulable pour intégrer un apprentissage rapide. Dans un monde incertain, les réponses politiques doivent être fondées sur des données et des preuves et elles doivent être sensibles aux données. Pour ce faire, nous devons reconnaître que nous nous trouvons dans un environnement d'apprentissage marqué par l'expérimentation. Les gouvernements et les décideurs politiques ne doivent pas seulement agir sur la base des connaissances existantes, mais aussi prendre des mesures pour mieux comprendre les coûts et les avantages de chaque politique et pour affiner les actions en fonction des nouvelles connaissances.

Dans les situations où les informations préalables sont limitées, nous devrions reconnaître qu'il existe un mécanisme bien développé et éprouvé permettant de prendre des décisions dans l'incertitude. En d'autres termes, il faut apprendre en agissant et agir pour apprendre.

Certaines décisions resteront essentiellement les mêmes, quelles que soient les informations disponibles. Par exemple, il est peu probable que les informations changent la nécessité de procéder à des tests, de porter un masque, de vacciner plus rapidement les travailleurs de la santé ou de communiquer sur la Covid-19. Dans ces cas, il est inutile d'attendre que l'information soit disponible. Les gouvernements doivent agir immédiatement et communiquer sans équivoque.

D'autres décisions sont mieux prises après avoir recueilli certaines informations, surtout si ces informations sont relativement peu coûteuses à collecter. Il s'agit de décisions pour lesquelles des informations supplémentaires peuvent changer la décision. Ainsi, our les pays qui ont imposé des confinements soudains comme l'Inde, même une enquête rapide en temps réel aurait pu aider le gouvernement à se rendre compte que les migrants quitteraient rapidement les zones urbaines en cas de confinement soudain, ce qui aurait permis de mettre en place de multiples mesures d'atténuation. Les pays peuvent réagir rapidement, mais sans se précipiter aveuglément dans leurs décisions.

Lors de la prise de décision, toutes les informations préalables doivent être utilisées. Les cartes qui nous permettent de mieux comprendre la vulnérabilité sous-jacente des populations afin que les gouvernements puissent entreprendre une stratégie ciblée dans l'espace en sont un exemple. La compréhension de la densité de la population dans les zones à l'aide des données de recensement, ainsi que des schémas de mobilité basés sur les données des téléphones portables, pourrait aider à identifier les zones qui sont plus sensibles à la propagation de l'infection et qui peuvent donc être candidates à une plus grande surveillance et à des politiques d'endiguement.

Par exemple, les données existantes auraient pu être utilisées pour mieux stratifier et cibler les réponses. Envisager que les gouvernements décident d'un confinement général ou d'un confinement "gradué", permettant à certains groupes de bénéficier d'une plus grande liberté de mouvement afin de faire tourner nos moteurs économiques et d'offrir ainsi un certain degré de durabilité économique, en particulier pour les pauvres.

L'un des moyens d'y parvenir aurait été la stratification des risques : Les risques d'hospitalisation pour la COVID augmentent avec l'âge et les maladies chroniques préexistantes. Par conséquent, en autorisant une plus grande circulation des jeunes et des personnes en bonne santé tout en protégeant nos aînés, on aurait pu permettre la reprise de l'activité économique et renforcer progressivement l'immunité de nos populations, même si les jeunes restent plus susceptibles d'être infectés.

Cette stratification du risque pourrait également être ciblée dans l'espace en maintenant des restrictions plus strictes dans les endroits où les personnes âgées et/ou celles présentant des comorbidités supplémentaires sont plus nombreuses. L'Italie, par exemple, a introduit des mesures de confinement ciblées dans l'espace en fonction de la stratification des risques. Elle a mis en place un système à quatre niveaux, les zones présentant des niveaux d'infection plus élevés étant soumises à des restrictions plus strictes. Le gouvernement aurait pu affiner encore davantage la stratification en tenant compte des profils de morbidité.

Les gouvernements doivent reconnaître que chaque décision aura un impact sur les résultats et fournira également des informations supplémentaires. Ces nouvelles connaissances peuvent éclairer de manière critique le processus décisionnel de demain. Prenons l'exemple d'une politique de confinement d'une partie d'une ville. Si l'objectif immédiat de cette mesure peut être d'empêcher la propagation de la maladie, comprendre comment les gens réagissent à ce type de politique - non seulement en termes de respect des règles, mais aussi pour savoir si cela affecte les schémas de mobilité dans d'autres parties de la ville - peut nous aider à comprendre comment de tels confinements partiels affecteraient la propagation de la maladie à plus long terme. De même, les actions qui génèrent des informations critiques, même si elles n'apportent que des avantages immédiats limités, deviennent prioritaires dans une telle perspective. Par exemple, les tests de prévalence de la maladie effectués à partir des eaux usées, bien que moins utiles pour cibler les traitements, pourraient aider à identifier les zones où la maladie pourrait se propager. Cela nous fait passer d'un apprentissage passif à un apprentissage actif et doit être un élément clé des stratégies dans les pays à revenu élevé comme dans les pays à faible revenu.

En adoptant de telles approches, il est essentiel que les gouvernements utilisent les compétences des économistes, des spécialistes du traitement des données, des spécialistes des maladies infectieuses et de la santé publique, des leaders du secteur technologique, ainsi que des partenaires de test et des ministères - et que les gouvernements adaptent ce groupe à la crise spécifique à laquelle ils sont confrontés. Les efforts visant à réunir de vastes coalitions et diverses expertises doivent être faits systématiquement, car les disciplines ne se coordonnent souvent pas naturellement entre elles.

Améliorer la coordination et renforcer la capacité des États à répondre aux crises

Si la performance est corrélée à la capacité existante de l'État, l'hétérogénéité des réponses politiques au COVID démontre que les gouvernements dotés d'une capacité étatique élevée peuvent échouer, tandis que les gouvernements aux capacités plus limitées peuvent formuler des réponses politiques opportunes et efficaces à la pandémie. Le test clé d'une réponse dynamique efficace consiste à savoir si les gouvernements peuvent tirer parti de l'expérience actuelle pour renforcer la capacité de l'État à répondre aux crises à l'avenir. Cela dépend dans une large mesure de la capacité des hommes politiques à transformer l'expérience du sacrifice partagé en un sens de l'objectif commun qui justifie et sous-tend un changement dans les politiques futures.

Pour créer un État apprenant capable d'assurer la coordination entre les acteurs concernés, il est tout d'abord important de préparer des plans et des modèles et d'introduire des structures organisationnelles fondées sur les connaissances actuelles pour gérer les crises potentielles. Ces plans doivent être flexibles c’est-à-dire capables d'être révisés et affinés en fonction des nouvelles connaissances. Les gouvernements doivent créer de nouvelles structures pour faire face aux crises.  Ces structures ne doivent pas nécessairement exister à l'avance mais peuvent être introduites à mi-parcours, créées sur la base de nouvelles connaissances, et elles ne sont pas non plus l'apanage des pays riches et disposant de ressources importantes. Par exemple, le Liberia et la Sierra Leone ont pu créer des structures rapides flexibles pour faire face avec succès à l'épidémie d'Ebola.

Deuxièmement, il est essentiel de créer des structures centrales capables d'assurer la coordination entre les organismes, de donner des moyens d'action aux dirigeants et aux acteurs décentralisés, de favoriser l'innovation locale et de diffuser l'apprentissage actif par l'expérimentation. L'entité centrale peut également veiller à ce que l'accent soit mis à la fois sur la réponse d'urgence à court terme à la crise et sur le travail d'analyse à moyen et long terme pour renforcer la préparation en mettant en place des structures plus robustes, plus capables et plus autocorrectives.

Troisièmement, pour créer une culture d'apprentissage et de coopération, les gouvernements doivent trouver des moyens d'échapper aux guerres de territoire. La meilleure façon d'y parvenir est de créer des normes et des procédures permettant de partager le mérite des innovations et des réussites politiques, ainsi que des processus similaires pour atténuer la responsabilité en cas d'échec.

Quatrièmement, il est essentiel de renforcer les capacités d'utilisation et d'analyse des données dans les organismes publics concernés par les crises. Les formations généralisées étant rarement efficaces, cette capacité doit être liée à la fourniture de réponses concrètes et au soutien de décisions et d'actions spécifiques.

Préparer l'infrastructure de données pour la réponse aux crises

Les crises exigent une action immédiate, et les retards peuvent être très coûteux. Dans le contexte de la COVID et d'autres pandémies sanitaires, la paralysie des politiques pourrait entraîner une propagation sans entrave de la maladie. Il est essentiel de mettre en place des systèmes d'information et de données pour favoriser une prise de décision efficace et rapide. Mais plutôt que de construire des systèmes à partir de rien au milieu d'une crise, ou d'agir aveuglément en l'absence de tels systèmes, les gouvernements doivent planifier des stratégies et construire des infrastructures de données avant que la crise ne survienne.

La numérisation des données de recensement est essentielle et peut apporter d'énormes avantages pour la prestation de services. Les gouvernements doivent investir dès maintenant dans la mise en place de systèmes préexistants d'infrastructures de données numérisées, géocodées et recouvertes de données utiles (démographiques, du secteur public et de nouvelles sources de données numériques), ainsi que de protocoles permettant d'activer, d'accéder et d'exploiter ces données en temps réel afin de soutenir la coordination des acteurs publics, privés et à but non lucratif en cas d'urgence.

Deuxièmement, les gouvernements peuvent prendre un certain nombre de mesures pour créer une infrastructure de données qui exploite les sources de données existantes, en particulier les données administratives, et qui standardise et relie différents ensembles de données. Ce faisant, il est important de collaborer avec le secteur privé pour exploiter en toute sécurité le "big data" par le biais des enregistrements mobiles, de la consommation d'électricité et d'autres sources, et pour concevoir des mécanismes volontaires permettant aux citoyens de partager des données pertinentes, tout en veillant à ce qu'ils le fassent dans le respect des protocoles de partage des données et d'anonymat.

Enfin, s'il est important de faire preuve de créativité dans notre façon de concevoir les données, les besoins en matière de données et de technologie doivent être directement liés aux besoins politiques. Les enquêtes à grande échelle sur les ménages peuvent être remplacées ou complétées par de nouvelles sources de données basées sur la technologie, telles que les enregistrements détaillés des appels (CDR), les données satellitaires et la consommation d'électricité. Toutefois, avant de le faire, il convient de définir clairement les types de données utiles aux chercheurs et aux décideurs, d'établir comment ces données peuvent contribuer aux programmes de développement et aux efforts humanitaires, et de mettre en place des cadres solides concernant la confidentialité et la sécurité des données.

Ajouter un commentaire

Anti-spam