Mise en place d'un système national d'analyse de la qualité de l'eau en Sierra Leone avec l'UNICEF et le Ministère des ressources en eau

Durant ces dernières années, c'était la première fois que des données sur la qualité de l'eau étaient collectées à grande échelle, et les résultats particulièrement élevés ont été remis en question par les services de l'État et les Organisations Non Gouvernementales (ONG). En plus, les données n'étaient pas suffisamment compréhensives pour fournir des informations sur la source de contamination. Les erreurs se trouvaient-elles au niveau des ménages ou à la source ?

Le ministère des Ressources en eau a continué le test sur 300 puits et les résultats ont montré que l'eau de source était potable. Cela a suscité d'autres questions. Si l'eau est potable à la source, peut-on définitivement conclure qu’elle est contaminée au niveau des ménages ? Est-ce que le test sur 300 puits suffit pour affirmer de façon concluante que l'eau est potable à la source ? Une contamination aurait-elle pu se produire dans le laboratoire ou aurait-elle pu être causée par des facteurs environnementaux tels que des tuyaux exposés? Si l’eau se contaminait dans les ménages, alors, quand exactement la contamination a-t-elle lieu et comment ? Afin que le ministère soit en mesure de répondre à ces questions et de prendre des décisions visant à améliorer la qualité de l'eau, il fallait absolument disposer de données plus complètes et récentes.

En 2018, en collaboration avec le ministère des Ressources en eau de la Sierra Léone et l'UNICEF, nous avons mis en œuvre un système d'analyse de la qualité de l'eau à l'échelle nationale pour identifier les niveaux et les causes profondes de la contamination. Cela nous a permis de mettre en œuvre des stratégies permettant de traiter la cause et suivre le progrès du programme dans son ensemble. Nous avons mis en place ce système d’analyse en utilisant la méthodologie du parcours de données - Concevoir, Saisir, Interpréter et Agir - pour assurer un succès de la mise en œuvre à l'impact. Le parcours de données vise à aider les organisations et les gouvernements à concevoir leurs programmes de sorte à pouvoir saisir et interpréter des données fiables à partir desquelles ils peuvent agir.

Concevoir

Avant le début de la collecte de données, nous devions identifier l'impact auquel nous souhaitons apporter notre contribution - assainir l'eau potable en Sierra Léone - et élaborer les stratégies qui seraient les plus efficaces pour y arriver. Nos stratégies élaborées pour obtenir de l'eau potable en Sierra Léone étaient basées sur le lieu et la cause de la contamination. Par conséquent, nous avons collecté les données qui répondraient à ces questions clés et définit clairement une stratégie d'utilisation des données - comment les données seront-elles utilisées pour éclairer la prise de décision ?

Si la contamination a lieu au niveau des ménages, alors, nous devons travailler à réduire le E. coli dans les ménages en menant des campagnes de sensibilisation pour le changement de comportement visant à améliorer l'hygiène, l'assainissement et les pratiques de gestion de l'eau. Pour comprendre où se trouvent les lacunes dans les pratiques des gens en matière d'eau potable, nous avons dû collecter des données sur le transport de l'eau potable - comment est-ce que les populations ont-elle accès à l'eau, la transportent, la concervent et consomment ? Nous avons conçu le questionnaire pour collecter des données sur le transport de l'eau potable et corroboré/comparé ces données avec les résultats réels des tests de la qualité de l'eau. De cette façon, nous pouvions trouver des liens entre le comportement et le risque de contamination. Par ailleurs, pour des résultats immédiats, des méthodes de traitement de l'eau de ménage telles que la chloration pourraient également être effectuées.

Pour tirer parti des données collectées par le ministère sur les sources d'eau, nous avons décidé de tester à nouveau les sources d’eau en y incluant les sources d’eau qui ont été construites ou réhabilitées au cours de la dernière année. Le questionnaire a été conçu pour collecter à la fois les données sur les risques liés aux infrastructures hydrauliques telles que les fermes ou les toilettes à proximité et celles réelles sur la qualité de l'eau. De cette façon, des corrélations pourraient être examinées lors de l'analyse des données entre certains risques et la contamination réelle.

Quant à la stratégie d'échantillonnage, elle a inclus 1100 communautés soutenues par l'UNICEF dont deux ménages sélectionnés au hasard par communauté pour tester le E. coli. De plus, 14 paramètres ont fait l’objet de test sur 600 sources d'eau potable. Ce sont : le E. coli, l’EC, le pH, l’ammoniac, le fluorure, le fer, le nitrate, le le nitrite, le potassium, le phosphate, le sulfate et le chlore.

Lors de la conception du programme, il était essentiel que toutes les parties prenantes s’accordent sur l’approche à utiliser et que les expériences soient activement partagées. À partir des contributions du ministère, nous avions par exemple su quels paramètres physicochimiques et microbiologiques étaient communs dans la région et dont nous avions besoin de tester.

Notre objectif était toujours de faire correspondre les besoins en données à l'utilisation des données afin de ne collecter que ce qui est nécessaire à la prise de décision. De cette manière, nous avons pu réduire le temps de nettoyage des données. Nous avons également pu les analyser et agir efficacement ainsi que rapidement sur les résultats.

Saisir

C'était la première fois en Sierra Leone qu'un exercice d'analyse de la qualité de l'eau était mené à grande échelle. Pour exécuter la stratégie de collecte de données, 32 cartographes du ministère dans 16 districts ont été formés pour collecter des données sur la qualité de l'eau à l'aide de la plate-forme de données d'Akvo connectée à une application smartphone et à un tiers appareil prouvé. Ces cartographes étaient responsables de la formation des partenaires de mise en œuvre - 180 personnes - cela contribuerait à renforcer la durabilité du programme. Avec de nouvelles connaissances acquises sur la qualité de l'eau, ces cartographes peuvent continuer à servir le district même après la fin du programme.

Le processus de collecte de données s'est bien déroulé grâce à la claire conception du questionnaire, qui laissait peu de marge d'erreur et à la plate-forme de données conviviale - via l'application. Les enquêteurs ont reçu des instructions étape par étape pour chaque test de la qualité de l'eau afin d'assurer une collecte de qualité. Dans le but de garantir la qualité des données lors des déplacements, nous avions deux membres du personnel d’Akvo sur place qui offraient un soutien logistique, technique et pratique pendant les premières semaines de la collecte de données.

Nous avons également créé un tableau de bord sur la plate-forme de données d'Akvo pour mettre à jour et suivre automatiquement les anomalies. En utilisant ce tableau de bord, [voir figure 2], nous avons effectué des vérifications automatiques afin d’assurer une correspondance entre les codes-barres sur l'échantillon de la qualité de l'eau et la source d'eau ou le ménage dont il provenait. En cas d'anomalies, les chefs d'équipe étaient contactés. Cela nous a permis de maintenir la qualité des données sur le terrain de façon systématique.

Interpréter

Avant que les données puissent être interprétées et que l’on agisse à partir d’elles, elles doivent être nettoyées pour garantir leur fiabilité. Dans ce programme, le nettoyage des données a été effectué pendant les phases de saisie et d'interprétation selon les critères suivants :

La précision - Toutes les données ont-elles le même format ?
L’exhaustivité - Tous les résultats sont-ils disponibles ?
L’opportunité - Existe-t-il des données avant la collecte ?
La singularité - Y a-t-il des doublons ?
Cohérence - Y a-t-il des incohérences temporelles ou spatiales dans les données ?
Logique - Y a-t-il des défauts logiques dans les données ?

Nous avons également vérifié les données en ce qui concerne les valeurs aberrantes. Par exemple, s'il y avait une centaine de pompes avec un niveau zéro d'E. Coli, elles influenceraient sur les résultats. Alors, nous avons décidé de les supprimer ou de prendre la moyenne sans elles afin d'éviter de fausser les données. Les tableaux de bord que nous avons mis en place dans la phase de saisie ont également été utilisés lors de la collecte de données pour suivre les progrès et orienter en cas de besoin vu qu’ils pouvaient donner une première impression des résultats avant l'analyse finale.

À cette étape, ce programme est au commencement de la phase d'analyse. Trois types d'analyses ont étés utilisés pour conduire efficacement à la prise de décision.

L’analyse descriptive : L'analyse descriptive est la première couche d'informations que vous pouvez obtenir à partir des données que vous avez collectées. Par exemple, combien de sources d'eau sont contaminées et combien de personnes ont contaminé l'eau dans leurs ménages ?

Analyse diagnostique : En analysant en profondeur les données sur la source d'eau, nous pouvons utiliser l'analyse diagnostique pour voir s'il existe une relation entre le risque de contamination et l’E. coli en utilisant les données d'association des risques et celles sur la qualité de l'eau. Cela peut donner des informations telles que “les sources d'eau à moins d'un kilomètre d'une ferme sont X% plus susceptibles d'être contaminées que les sources d'eau à moins de cinq kilomètres d'une ferme.” Au niveau des ménages, nous pouvons voir s'il existe un lien entre le comportement et la contamination en utilisant le parcours de données sur l'eau potable et les données sur la qualité de l'eau. Cela peut donner une information telle que “Si vous stockez votre eau au niveau du sol, la contamination augmentera de X%”. Nous pouvons alors orienter l'intervention sur la base de ces résultats.

Figure 6 : Niveaux de risque de contamination d'E. Coli tels que mesurés au niveau du ménage combinés à un signal de la manipulation des selles. Comme vous pouvez vous y attendre, les selles laissées à l'air libre ne se trouvent qu'en combinaison avec un risque élevé ou très élevé de contamination d’E. coli. Autrement, l'influence de différentes manières de manipulation des selles sur la qualité de l'eau ne semble pas si évidente dans cette vue d'ensemble. Il est toutefois bon de garder à l'esprit que le groupe «à très haut risque» contient plus de 60% de l'échantillon.

Agir

En utilisant les informations de la phase d’interprétation, nous pouvons agir sur les données de quatre manières pour contribuer à un impact.

Premièrement, nous recommanderons le traitement de l'eau au niveau des ménages avec des pastilles de chloration offertes par le ministère. Bien qu’elle ne soit pas une solution à long terme, elle est extrêmement efficace pour fournir de l'eau potable à court terme et pour réduire les risques associés à la contamination par l’E. coli. À long terme, des campagnes de sensibilisation pour le changement de comportement seront menées afin d'améliorer le transport de l'eau potable. Ces campagnes demanderont l’implication de nombreuses parties prenantes afin de garantir l'engagement des citoyens et elles seront adaptées aux informations tirées des données sur le transport de l'eau potable.

Deuxièmement, les données seront utilisées pour guider les maintenances et les réparations des sources d'eau afin que celles à risque de contamination soient améliorées et protégées.

Troisièmement, les données seront publiées sur le portail de données WASH. Ce qui signifie que d'autres parties prenantes peuvent utiliser les données, les citoyens peuvent être informés et des programmes similaires peuvent bénéficier des leçons apprises.

Enfin, nous suivrons le succès du programme en utilisant la même méthodologie de parcours de données pour nous assurer que les campagnes de sensibilisation pour le changement de comportement fonctionnent.

Définir clairement les rôles et les responsabilités

Dans la phase de conception, il est essentiel de définir comment les données seront utilisées et par qui. Qui est responsable de l'analyse et de la visualisation des données et quand ? Est-ce le Ministère des Ressources en Eau, l'UNICEF ou Akvo, et que se passera-t-il si cette personne n'est pas disponible? Qui est responsable du rapportage ? Il est indispensable qu’une stratégie “des données à la prise de décision” soit clairement définie au début du programme et que son évolution ne soit pas bloquée par des problèmes administratifs tels qu’un changement de personnel. Ayez toujours un plan B, C et D!

Mettre en place une plateforme et un plan de communication robustes

Souvent, l'absence d'une plate-forme et d'un plan de communication clairs sur le terrain peut entraîner à un gaspillage des ressources et à des problèmes logistiques lors de la collecte de données. Nous sommes assurés d'avoir un plan mis en place - des groupes Whatsapp au personnel de soutien - pour éviter l'un de ces pièges. Par contre, nous avons rencontré des difficultés de communication entre les organisations partenaires - Akvo, l'UNICEF et le Ministère. En plus des lignes de communication directes, qui d’autre devrait être contacté si une personne est indisponible pendant une période plus longue ? Où et comment les communications ont-elles été documentées? Qui est responsable de quoi ? Établir un plan clair qui explique la façon dont les informations sont communiquées et par qui fait partie de la définition des rôles et des responsabilités claire. Il est essentiel dans la phase de conception.

Se préparer en cas de problème logistique

Lors de la collecte de données, certaines équipes ont rencontré des problèmes logistiques comme les photomètres à recalibrer avec des solutions standard (qui n'avaient qu'une disponibilité limitée). En cas de rupture des photomètres ou des capteurs, des pièces de rechange étaient disponibles. Cependant, quand les équipes étaient à court de consommables, leur livraison prenait plus de temps que prévu, en particulier l'envoi de réactifs en provenance de l'Europe. Rétrospectivement, il aurait été rentable de fournir d'avance plus de réactifs et de solutions standard pour les paramètres inclus.