Perspectives d'avenir et nouvelles tendances
Le champ de l'évaluation des politiques publiques est loin d'être un domaine statique, figé dans des méthodologies immuables. Il est au contraire en perpétuelle et profonde évolution, reflétant les transformations de nos sociétés, les avancées technologiques et l'émergence de défis planétaires inédits. Ces mutations dessinent un paysage futur où la fonction évaluative devra se réinventer pour rester pertinente, légitime et utile. Plusieurs tendances lourdes, déjà à l'œuvre, redéfinissent ses pratiques, ses outils et ses finalités, promettant autant d'opportunités excitantes que de défis redoutables.
L'évaluation à l'ère du big data et de l'intelligence artificielle : la promesse et le péril
Une révolution silencieuse mais fondamentale est en cours, portée par l'explosion des données numériques et la montée en puissance des algorithmes d'intelligence artificielle. L'évaluation traditionnelle reposait souvent sur des données limitées, coûteuses à collecter (enquêtes, entretiens) et parfois en décalage avec le rythme rapide de l'action publique. L'avènement du big data change radicalement la donne. Désormais, les évaluateurs peuvent potentiellement avoir accès à des masses de données hétérogènes et en temps quasi réel : données administratives massives (fiscales, de sécurité sociale, d'éducation), données de mobilité issues des téléphones portables, traces numériques laissées sur les plateformes de services publics, données satellitaires sur l'environnement, ou encore expressions citoyennes sur les réseaux sociaux.
Cette nouvelle ressource ouvre des perspectives jusqu'alors inimaginables. Elle permet d'envisager un suivi en temps réel des politiques, une « évaluation continue » qui ne se contente plus de photographies statiques et ponctuelles, mais qui capte les dynamiques et les flux. L'analyse fine des comportements à une échelle granulaire devient possible, permettant de comprendre les parcours des usagers, les effets de seuil ou les inégalités territoriales avec une précision inédite. L'intelligence artificielle, et en particulier le machine learning, offre des outils puissants pour explorer ces données. Les algorithmes peuvent aider à identifier des patterns complexes, des corrélations invisibles à l'œil nu, et à construire des modèles prédictifs sophistiqués. On peut imaginer simuler les effets potentiels d'une réforme fiscale sur différents segments de la population, ou prédire les zones où un programme de prévention en santé aura le plus d'impact, en croisant des données de santé, socio-économiques et environnementales.
Cependant, cette promesse technologique s'accompagne de défis majeurs qui touchent à l'épistémologie, à l'éthique et à la démocratie. Sur le plan méthodologique, la corrélation n'est pas la causalité. Le risque est grand de tirer des conclusions erronées en inférant des liens de cause à effet à partir de simples patterns statistiques. L'évaluation devra donc intégrer ces nouveaux outils dans un cadre méthodologique rigoureux, où le big data et l'IA viendront compléter, et non remplacer, la compréhension théorique et les méthodes d'identification causale. Le défi éthique est peut-être encore plus grand. L'utilisation de données massives pose des questions cruciales de protection de la vie privée, de consentement et de surveillance. La possibilité de tracer les individus et de prédire leurs comportements comporte un potentiel de discrimination et de stigmatisation. L'évaluation, garante de l'intérêt général, devra développer une déontologie robuste et des cadres de gouvernance des données extrêmement stricts pour éviter de se transformer en un outil de contrôle social. L'enjeu est de faire de la data une servante de la décision éclairée, et non une maîtresse aux desseins opaques.
L'évaluation collaborative et participative : le tournant délibératif et émancipateur
Parallèlement à cette révolution technologique, un mouvement profond, presque philosophique, travaille le champ de l'évaluation : son ouverture croissante aux parties prenantes. L'image de l'évaluateur-expert, seul détenteur du savoir et produisant un rapport dans son laboratoire pour le compte d'un décideur distant, est de plus en plus remise en cause. Une nouvelle approche émerge, qui considère l'évaluation comme un processus social, délibératif et même émancipateur. L'évaluation collaborative et participative cherche à associer activement l'ensemble des acteurs concernés par une politique – non seulement les décideurs et les gestionnaires, mais aussi les professionnels de terrain, les associations, et surtout les citoyens et les bénéficiaires eux-mêmes – à toutes les étapes du processus, de la définition des questions évaluatives à la collecte des données, en passant par l'interprétation des résultats et la formulation des recommandations.
Cette approche présente des avantages multiples et décisifs. D'abord, elle permet de mieux prendre en compte les préoccupations, les savoirs et les valeurs de ceux qui sont directement impactés par la politique. Le point de vue des usagers, fondé sur l'expérience vécue, est une source d'information irremplaçable pour comprendre les effets réels d'un dispositif, ses forces et ses faiblesses invisibles depuis un bureau ministériel. Enrichir l'analyse de ces perspectives multiples permet de construire une compréhension plus juste, plus nuancée et plus complète de la complexité de l'action publique. Ensuite, ce processus renforce considérablement la légitimité et l'appropriation des résultats de l'évaluation. Lorsque les acteurs ont été associés à la démarche, ils sont plus enclins à en accepter les conclusions, même critiques, et à s'engager dans la mise en œuvre des recommandations. L'évaluation n'est plus perçue comme un jugement descendant et extérieur, mais comme un exercice collectif d'apprentissage et de redevabilité mutuelle. Elle devient ainsi un levier de renforcement du pouvoir d'agir (l'empowerment) des citoyens et des communautés, et un outil au service d'une démocratie plus dialogique et plus proche du terrain.
L'évaluation des politiques complexes : apprivoiser l'incertitude et la non-linéarité
Le troisième grand défi pour l'évaluation de demain réside dans la nature changeante des politiques publiques elles-mêmes. Face à des enjeux comme la transition écologique, la cohésion sociale dans des sociétés multiculturelles, la régulation du numérique ou la lutte contre les pandémies, les gouvernements mettent en œuvre des politiques d'une complexité radicale. Ces politiques ne sont pas compliquées, au sens où l'on pourrait les décomposer en éléments simples et prévisibles. Elles sont complexes, au sens de la théorie des systèmes complexes : elles impliquent une multitude d'acteurs interdépendants (aux intérêts parfois divergents), évoluent dans des environnements dynamiques et incertains, et sont caractérisées par des relations de cause à effet qui ne sont ni linéaires ni déterministes, mais empreintes de rétroactions, de boucles et d'émergences.
Évaluer l'impact d'un plan national pour la transition écologique avec les méthodes contrefactuelles classiques est un défi quasi insurmontable. Comment isoler l'effet d'une mesure particulière dans un système aussi vaste et interconnecté ? Comment attribuer un changement observé dans les comportements ou dans l'environnement à une politique spécifique, quand une infinité d'autres facteurs sont en jeu ? Pour répondre à ces défis, les méthodologies d'évaluation doivent s'adapter et innover. Elles ont de plus en plus recours à des approches issues de la théorie des systèmes complexes, qui consistent à modéliser les politiques non pas comme des chaînes causales simples, mais comme des systèmes dynamiques où l'on étudie les interactions, les boucles de rétroaction et les propriétés émergentes.
Des méthodes comme la cartographie des incidences (contribution analysis) gagnent en importance. Plutôt que de chercher à « prouver » de manière absolue que la politique a causé un changement, cette méthode vise à construire une argumentation plausible et rigoureuse sur la contribution de la politique aux résultats observés, en prenant en compte l'influence d'autres facteurs et en s'appuyant sur une théorie du changement solide. L'accent est mis sur la compréhension des mécanismes causaux à l'œuvre (« comment et pourquoi cela a fonctionné ou non ? ») plutôt que sur la seule mesure quantitative d'un effet moyen. L'évaluation doit ainsi apprendre à gérer l'incertitude, à travailler avec des preuves partielles et plausibles, et à fournir des réponses nuancées et contextuelles, plus adaptées à la complexité du monde réel que les verdicts binaires du passé.
L'évaluation et les Objectifs de Développement Durable (ODD) : une mission globale et intégrée
Enfin, le paysage de l'évaluation est désormais structuré par un cadre d'action mondial : l'Agenda 2030 et ses dix-sept Objectifs de Développement Durable (ODD). Cet agenda universel place l'évaluation au cœur du suivi des progrès accomplis à l'échelle planétaire, renforçant son rôle et sa visibilité comme outil de gouvernance mondiale. Les ODD imposent une nouvelle donne à la pratique évaluative. D'abord, ils renforcent le besoin crucial d'indicateurs robustes, standardisés et comparables, tant au niveau international qu'au sein de chaque pays. L'évaluation est sommée de fournir des données fiables permettant de mesurer les avancées vers des cibles aussi diverses que la réduction de la pauvreté, l'accès à une énergie propre ou la construction d'institutions efficaces.
Mais l'apport des ODD va bien au-delà d'une simple demande de mesure. Ils promeuvent une vision intégrée et systémique du développement. Les ODD sont interdépendants ; les progrès sur l'un (par exemple, l'ODD 7 sur l'énergie propre) ont des répercussions sur d'autres (ODD 13 sur le climat, ODD 3 sur la santé). Cette interdépendance exige de l'évaluation qu'elle sorte de son traditionnel silo sectoriel. Elle doit être capable d'analyser les synergies et les arbitrages entre les différents objectifs, d'évaluer les politiques non plus uniquement sous l'angle de leur efficacité sectorielle, mais aussi de leur contribution à une vision transversale du développement durable. Cela implique de développer des méthodes pour évaluer l'impact des politiques sur plusieurs ODD simultanément, et pour rendre compte des compromis inévitables. En inscrivant leur action dans le cadre des ODD, les évaluateurs participent ainsi à une entreprise collective de redevabilité globale et à l'effort commun pour naviguer vers un avenir plus durable et plus juste.
En conclusion, ces quatre tendances – la révolution data-IA, la participation, l'adaptation à la complexité et l'ancrage dans les ODD – ne sont pas des chemins parallèles. Elles se croisent et se renforcent mutuellement. L'évaluation de demain sera vraisemblablement une discipline hybride, alliant la puissance computationnelle du big data à la sagesse collective des processus participatifs, capable à la fois de modéliser des systèmes complexes et de rendre des comptes sur des objectifs globaux. Son défi sera de réussir cette synthèse sans perdre son âme, c'est-à-dire en restant fidèle à sa mission fondamentale : éclairer la décision publique par la rigueur, l'objectivité et un engagement indéfectible envers l'intérêt général et l'amélioration du bien-être des citoyens.
0 Commentaires