Download METHODOLOGIE D`EVALUATION D`UN PROJET D

Chapitre 4 : Gestion des indicateurs associés aux objectifs
I.
86
Introduction
I.1.
Quantification des indicateurs
Il est fondamental que chaque indicateur soit scientifiquement valide et techniquement
mesurable. Aussi les indicateurs ont été choisis à partir d'une réflexion générale sur les outils
disponibles actuellement. Le chapitre suivant, consacré à l'application de cette méthodologie,
présente des exemples d'outils répondant à ces attentes. La liste d'outils utilisables est assez
conséquente (US department of energy 2004) et ils sont nombreux à offrir les mêmes
fonctionnalités. Notre réflexion n'est donc pas uniquement portée sur l'existence ou la
disponibilité immédiate de l'outil, mais également sur les capacités et la fiabilité des modèles
utilisés, l'adaptation à la France (par exemple pour l'analyse du cycle de vie), les
combinaisons de logiciels possibles (évitant la double entrée de données) et enfin le support
technique ou plutôt les possibilités d'échange avec le développeur.
Ce choix ne sera pas forcément identique pour tous, ainsi la méthode est distincte des outils
étudiés.
I.2.
Normalisation des indicateurs
La représentation que nous avons choisie, le diagramme radar, nécessite la définition d'une
référence. Cette référence permet de normaliser l'indicateur et ainsi de le représenter sur une
échelle allant de 0 à 1. La valeur maximale de 1 étant située en périphérie du diagramme.
Cette normalisation offre également l'avantage, en adaptant la formule de calcul de chaque
indicateur, d'obtenir le même sens de variation. En effet, certains indicateurs sont du type
"plus c'est mieux" (par exemple la quantité d'ensoleillement reçu dans les parcs) et d'autres
sont du type "moins c'est mieux" (par exemple les émissions de CO2). Les termes "plus c'est
mieux" et "moins c'est mieux" sont une traduction des termes "more is better" et "less is
better" proposés par Diaz-Balteairo et Romero (2004).
Boulanger (2004) recense plusieurs méthodes de normalisation :
•
La normalisation statistique : expression de toutes les valeurs en écart-types après
avoir transformé les variables de sorte que la moyenne de l'ensemble des valeurs soit
égale à zéro. Les inconvénients sont la nécessité de recalculer à chaque nouvelle
observation la moyenne et l'absence de comparaison possible entres quartiers
•
La moyenne empirique : le choix de la valeur permettant la normalisation est effectué
empiriquement ; cela peut être par exemple la valeur d'une année de référence ou la
valeur maximale que peut prendre l'indicateur (si elle est connue). Le risque est qu'une
nouvelle valeur "déborde" cette limite et que la valeur de l'indicateur normalisé soit
supérieure à 1.
•
La normalisation axiologique : la démarche est également empirique à la différence
près que les valeurs sont choisies en fonction du contexte d'action ou d'évaluation, on
attribue 0 à la situation la pire et 1 à la situation considérée idéale. La difficulté est
également de connaître ces valeurs extrêmes.
•
La normalisation mathématique : on applique une fonction mathématique pour borner
l'indicateur entre 0 et 1 ou –1 et +1 par exemple. Lors de cette normalisation, il
convient d'être conscient des conséquences qui sont la déformation de la distribution
originale et le manque de transparence.