WASH – Hypothèses, Risques et Sources de Données

Sommaire

1. Hypothèses et risques dans un projet WASH
2. Exemple concret de logframe WASH
3. Les Enquêtes DHS
4. Rapports MSanté
5. Suivi terrain
6. KAP Survey
7. Visites domiciliaires
8. Résumé

1. Hypothèses et risques dans un projet WASH

Dans le logframe, la colonne « Hypothèses / Risques » identifie ce qui pourrait influencer la réussite du projet mais qui reste hors du contrôle direct de l’équipe.

Facteurs externes : changement de politique, pandémie, inflation des matériaux.
Participation communautaire : engagement des comités de gestion de l’eau et des ménages.
Ressources disponibles : financement ponctuel, personnel qualifié.
Sécurité, logistique, climat : accès aux villages, absence de conflits, conditions climatiques favorables.

2. Exemple concret de logframe WASH (Mopti, Mali)

Niveau	Indicateurs SMART	Sources de vérification	Hypothèses / Risques
Impact	Prévalence des maladies diarrhéiques réduite de 25%	DHS, rapports MSanté	Facteurs externes (épidémie, climat)
Outcome	% de ménages avec dispositif de lavage des mains fonctionnel (35% → 60%)	KAP survey, visites domiciliaires	Participation communautaire
Output	50 points d’eau réhabilités	Suivi terrain	Ressources disponibles
Activités	Formation de 20 comités de gestion de l’eau	Rapports internes	Sécurité et logistique

3. Les Enquêtes DHS

Les DHS (Demographic and Health Surveys) fournissent des données nationales sur santé, nutrition, WASH, éducation, etc. Elles sont réalisées tous les 3–5 ans.

Exemple Mali – DHS 2018 :

Accès à l’eau potable : ~70% (50% en zone rurale)
Accès à l’assainissement amélioré : ~30%
Prévalence de la diarrhée chez enfants < 5 ans : ~15%

4. Rapports MSanté

Produits par le Ministère de la Santé, ces rapports regroupent les statistiques annuelles du SNIS : paludisme, diarrhées, couverture vaccinale, etc.

Exemple : dans un logframe, on peut utiliser les rapports MSanté pour mesurer la baisse des cas de diarrhée de 25% d’ici 2027.

5. Suivi terrain

Collecte de données par l’équipe projet : observations directes, registres communautaires, fiches de suivi, KoboCollect, etc.

Indicateur : nombre de points d’eau réhabilités → rapports mensuels terrain.
Indicateur : % de points d’eau fonctionnels après 12 mois → visites terrain.

6. KAP Survey

Une enquête KAP (Knowledge, Attitudes, Practices) mesure les connaissances, attitudes et pratiques des ménages.

Exemple Mali :

Baseline : 35% pratiquent le lavage des mains
Cible après projet : 60%

7. Visites domiciliaires

Les visites permettent une observation directe et un suivi personnalisé des ménages.

Indicateur Outcome : % de ménages avec dispositif de lavage des mains.
Indicateur Output : nombre de ménages sensibilisés.

Avantages : données précises, contact direct. Limites : coûteux en temps et ressources.

8. Résumé

Un logframe WASH doit articuler les hypothèses/risques et sources de données (DHS, MSanté, suivi terrain, KAP, visites) pour assurer la qualité du suivi-évaluation. La triangulation entre ces sources permet d’avoir des données fiables, contextualisées et adaptées aux besoins locaux.