J’ai vraiment apprécié lire les nombreuses réponses dans cette communauté, et je suis impatiente d’explorer des métriques de mise à l’échelle plus efficaces et diversifiées avec vous. Je suis spécialiste en recherche pour le projet Accelerating Impacts of CGIAR Climate Research in Africa (AICCRA), qui vise à combler le fossé entre la recherche et la pratique, et à promouvoir l’agriculture intelligente face au climat et les services d’information climatique, grâce à des engagements adaptés et des processus de conception collaborative aux niveaux local, national et régional à travers l’Afrique. Je rédige également ma thèse de doctorat sur la « mise à l’échelle responsable », en examinant les modèles d’intégration de trajectoires responsables – inclusives et équitables – dans le projet AICCRA.
Le mantra, peut-être imparfait, de notre écosystème de recherche agricole pour le développement est que la mise à l’échelle est toujours bénéfique et doit être priorisée. Nous sommes poussés par des incitations institutionnelles internes (quantité de publications, financements obtenus) à rechercher des « succès rapides » ou des « solutions faciles ». Les organisations donatrices nous incitent à présenter nos théories du changement comme des modèles linéaires et reproductibles de réussite. Cependant, de nombreuses voix, y compris les auteurs des ressources de référence mentionnées ci-dessus, remettent en question cette logique. Bien sûr, cela ne signifie pas qu’il faille arrêter complètement la mise à l’échelle. Il existe de grands avantages à s’appuyer sur les connaissances et réussites développées ailleurs pour accélérer la mise en œuvre et augmenter les chances de succès. Par ailleurs, nous devons cesser de supposer que nous, en tant qu’« innovateurs » ou « chercheurs », arrivons avec des solutions idéales. Nous devons également tenir compte des modèles existants et des pratiques courantes, en apprendre et les compléter au lieu de remplacer les savoirs traditionnels par des approches scientifiques.
Pour atteindre un changement systémique durable, nous devons abandonner les notions irréalistes de succès – comme la réduction de la pauvreté ou l’amélioration de la sécurité alimentaire par un seul projet. Il est essentiel de définir dès la conception du projet des objectifs (et des « anti-objectifs ») alignés sur une direction souhaitée, mais accompagnés d’indicateurs adaptatifs qui permettent de mieux cibler les utilisateurs finaux et d’anticiper les impacts négatifs potentiels de la mise à l’échelle. Cela implique également de mettre en place un plan de suivi et d’évaluation capable de rendre compte des transformations systémiques au fil du temps et de l’espace, en examinant non seulement l’efficacité de la mise en œuvre des résultats, mais aussi les changements profonds. Bien que la mise à l’échelle et le changement systémique ne soient pas identiques, ils doivent s’inspirer l’un de l’autre.
Le M&E Sandbox du PNUD souligne que « la manière dont nous mesurons et pour qui nous mesurons a une influence majeure sur notre capacité à apprendre, à nous adapter et à évaluer si nos interventions sont en adéquation avec les systèmes complexes qu’elles visent à transformer. » Pour promouvoir des systèmes agricoles efficaces, nous devons collaborer avec les personnes les plus proches des problèmes afin de trouver ensemble des solutions adaptées.
La mise à l’échelle est complexe, et les contextes hétérogènes nécessitent des approches dynamiques et diversifiées, adaptées aux défis locaux et aux priorités. Il faut anticiper les risques potentiels dès le départ et définir collectivement des visions de réussite avec les communautés ciblées, afin de concevoir des solutions non pas uniques, mais pluralistes – des ensembles d’innovations sociotechniques capables de répondre efficacement aux besoins identifiés. Nous devons également faire preuve de réflexivité et examiner nos propres biais et hypothèses en tant que chercheurs. Ces dimensions de l’innovation responsable (voir Stilgoe et al., 2013) peuvent être appliquées à la science de la mise à l’échelle (voir Wigboldus et Brouwers, 2016).
N’hésitez pas à consulter des publications récentes co-rédigées avec des collègues formidables pour en savoir plus :
A systems approach for more effective and inclusive agricultural innovation for sustainable transformation: A call to action, reflection and five research commentaries | CGIAR GENDER Impact Platform https://www.nature.com/articles/s44264-024-00044-y
RE: Evaluating Scaling Efforts: Measuring What Matters
Kenya
Hanna Ewell
Research Specialist
CGIAR
Posté le 13/01/2025
Bonjour à tous,
J’ai vraiment apprécié lire les nombreuses réponses dans cette communauté, et je suis impatiente d’explorer des métriques de mise à l’échelle plus efficaces et diversifiées avec vous. Je suis spécialiste en recherche pour le projet Accelerating Impacts of CGIAR Climate Research in Africa (AICCRA), qui vise à combler le fossé entre la recherche et la pratique, et à promouvoir l’agriculture intelligente face au climat et les services d’information climatique, grâce à des engagements adaptés et des processus de conception collaborative aux niveaux local, national et régional à travers l’Afrique. Je rédige également ma thèse de doctorat sur la « mise à l’échelle responsable », en examinant les modèles d’intégration de trajectoires responsables – inclusives et équitables – dans le projet AICCRA.
Le mantra, peut-être imparfait, de notre écosystème de recherche agricole pour le développement est que la mise à l’échelle est toujours bénéfique et doit être priorisée. Nous sommes poussés par des incitations institutionnelles internes (quantité de publications, financements obtenus) à rechercher des « succès rapides » ou des « solutions faciles ». Les organisations donatrices nous incitent à présenter nos théories du changement comme des modèles linéaires et reproductibles de réussite. Cependant, de nombreuses voix, y compris les auteurs des ressources de référence mentionnées ci-dessus, remettent en question cette logique. Bien sûr, cela ne signifie pas qu’il faille arrêter complètement la mise à l’échelle. Il existe de grands avantages à s’appuyer sur les connaissances et réussites développées ailleurs pour accélérer la mise en œuvre et augmenter les chances de succès. Par ailleurs, nous devons cesser de supposer que nous, en tant qu’« innovateurs » ou « chercheurs », arrivons avec des solutions idéales. Nous devons également tenir compte des modèles existants et des pratiques courantes, en apprendre et les compléter au lieu de remplacer les savoirs traditionnels par des approches scientifiques.
Pour atteindre un changement systémique durable, nous devons abandonner les notions irréalistes de succès – comme la réduction de la pauvreté ou l’amélioration de la sécurité alimentaire par un seul projet. Il est essentiel de définir dès la conception du projet des objectifs (et des « anti-objectifs ») alignés sur une direction souhaitée, mais accompagnés d’indicateurs adaptatifs qui permettent de mieux cibler les utilisateurs finaux et d’anticiper les impacts négatifs potentiels de la mise à l’échelle. Cela implique également de mettre en place un plan de suivi et d’évaluation capable de rendre compte des transformations systémiques au fil du temps et de l’espace, en examinant non seulement l’efficacité de la mise en œuvre des résultats, mais aussi les changements profonds. Bien que la mise à l’échelle et le changement systémique ne soient pas identiques, ils doivent s’inspirer l’un de l’autre.
Le M&E Sandbox du PNUD souligne que « la manière dont nous mesurons et pour qui nous mesurons a une influence majeure sur notre capacité à apprendre, à nous adapter et à évaluer si nos interventions sont en adéquation avec les systèmes complexes qu’elles visent à transformer. » Pour promouvoir des systèmes agricoles efficaces, nous devons collaborer avec les personnes les plus proches des problèmes afin de trouver ensemble des solutions adaptées.
La mise à l’échelle est complexe, et les contextes hétérogènes nécessitent des approches dynamiques et diversifiées, adaptées aux défis locaux et aux priorités. Il faut anticiper les risques potentiels dès le départ et définir collectivement des visions de réussite avec les communautés ciblées, afin de concevoir des solutions non pas uniques, mais pluralistes – des ensembles d’innovations sociotechniques capables de répondre efficacement aux besoins identifiés. Nous devons également faire preuve de réflexivité et examiner nos propres biais et hypothèses en tant que chercheurs. Ces dimensions de l’innovation responsable (voir Stilgoe et al., 2013) peuvent être appliquées à la science de la mise à l’échelle (voir Wigboldus et Brouwers, 2016).
N’hésitez pas à consulter des publications récentes co-rédigées avec des collègues formidables pour en savoir plus :
A systems approach for more effective and inclusive agricultural innovation for sustainable transformation: A call to action, reflection and five research commentaries | CGIAR GENDER Impact Platform
https://www.nature.com/articles/s44264-024-00044-y