Due diligence · Vérification · Monitoring · Évaluation

De la due diligence à l’évaluation, la même exigence de preuve.

Je réalise vos due diligences, vérifications, suivis et évaluations, et je produis des preuves fiables, traçables et vérifiables jusqu’à leur source.

L’IA peut accélérer la recherche, la consolidation et l’analyse des données. Elle reste un outil d’appui, jamais une source de vérité ni un substitut au jugement humain.

Diagnostic offert
Le constat

Vous produisez des preuves. Encore faut-il pouvoir s’y fier.

45–65

rapports par an, pour 10 à 12 bailleurs

40–59%

de contenu redondant dans ces rapports

0%

consacrent 2 % ou moins de leur budget programme au M&E

0%

citent le manque de temps comme difficulté majeure

0%

utilisent vraiment les résultats pour adapter leurs programmes, alors que 69 % font du suivi-évaluation

0%

parviennent à produire des rapports standardisés

Sources : Less Paper More Aid ; KPMG, Monitoring and Evaluation in the Development Sector ; Humanitarian Global ; Fiala & Premand, Do Non-Profit Organizations Learn? ; NTEN, 2025 Data Empowerment Report (rapports standardisés).

Côté financeur, la preuve décide.

Avant

À qui faire confiance ?

Après

Qu’a-t-on vraiment fait ?

Une seule question au fond

Quelles preuves permettent de le vérifier ?

Ma conviction
« Utilisée sans cadre, l’IA opacifie. Utilisée avec traçabilité, contrôle et validation humaine, elle peut au contraire rendre le suivi et l’analyse plus transparents. »

La triangulation, au cœur de la méthode.

Recouper plutôt que croire sur parole :

déclarationdocumentdonnéefeedback communautairesource externeobservation terrain

… lorsque c’est pertinent.

La redevabilité va dans les deux sens.

Rendre des comptes au financeur, oui. Mais aussi aux personnes concernées : la redevabilité envers les populations affectées (AAP) et l’engagement communautaire font partie intégrante de la preuve. Une donnée n’est pleinement fiable que si celles et ceux qu’elle concerne ont pu s’exprimer.

Quatre activités

Une même exigence de preuve, à chaque étape.

Avant de financer, pendant la mise en œuvre ou après : même rigueur dans la collecte, la vérification et la traçabilité.

Avant

Due diligence

Avant de financer ou de s’engager : évaluer les capacités, les risques et la fiabilité des données d’une organisation ou d’un projet.

Pendant

Vérification

Contrôler que ce qui est rapporté correspond à la réalité du terrain : une vérification indépendante et documentée.

Pendant

Monitoring

Suivre vos indicateurs en continu : consolidés, à jour et traçables jusqu’à leur source.

Après

Évaluation

Mesurer les résultats et l’impact : constats étayés, recommandations et leçons apprises.

Regard extérieur

Pourquoi confier ces activités à une partie tierce ?

L’indépendance donne du poids à la preuve.

Un regard extérieur, sans enjeu sur les résultats, rend la vérification plus crédible auprès des bailleurs comme des équipes.

Le temps et la méthode.

Vos équipes manquent de temps pour le M&E : un tiers apporte le système, les outils et la rigueur méthodologique sans mobiliser vos ressources internes.

Une distance utile.

Prendre du recul sur ses propres données est difficile de l’intérieur. Un tiers repère plus facilement les angles morts, les incohérences et ce qui reste à étayer.

Le système

Le système que j’ai conçu.

J’ai conçu un système qui me permet de produire des preuves fiables, traçables et vérifiables jusqu’à leur source. Pas une boîte noire : un environnement de travail local, structuré et reproductible, où chaque donnée, chaque analyse et chaque conclusion peut être reliée à sa source et à sa méthode.

Les 7 briques

01

Recherche de contexte

Ne pas analyser les résultats en vase clos.

Détails et outils

Données publiques, sources institutionnelles et données géographiques pour contextualiser et mettre les résultats en perspective.

OutilsRecherche augmentée / agent de recherche.
02

Base de connaissances

Retrouver le contexte et la mémoire institutionnelle.

Détails et outils

ToR, SOP, guides, politiques, évaluations passées, rapports et documents de référence, versionnés et consultables.

OutilsRAG (Retrieval-Augmented Generation).
03

Cadre d’analyse

Savoir ce que l’on cherche à démontrer avant d’analyser les données.

Détails et outils

Théorie du changement, questions d’évaluation, critères, indicateurs et hypothèses.

04

Registre des preuves

Pouvoir remonter de chaque résultat à sa preuve.

Détails et outils

Données quantitatives et qualitatives reliées à leurs sources, dates, méthodes et niveaux de fiabilité, y compris les retours des populations affectées (AAP) et les données d’engagement communautaire.

OutilsCollecte terrain (Kobo, ODK, SurveyCTO) ; base structurée (PostgreSQL/PostGIS). IA : regroupement automatique des réponses ouvertes par thème, sous ma validation.
05

Vérification et triangulation

Distinguer une donnée disponible d’une donnée réellement étayée.

Détails et outils

Comparaison de sources, contrôles de cohérence, échantillonnage et confrontation des informations, y compris les retours communautaires, lorsque nécessaire.

OutilsIA : repérer les incohérences et rapprocher les sources ; je valide ce qui fait preuve.
06

Analyse reproductible

Les résultats peuvent être recalculés à l’identique et vérifiés.

Détails et outils

Calculs, analyses statistiques, cartographie et rapports reproductibles.

OutilsPython/R, DuckDB, QGIS, Quarto.
07

Assistant IA local

Retrouver vite la bonne information et gagner du temps sur la synthèse.

Détails et outils

Recherche dans les connaissances, synthèse et appui à l’interprétation des résultats validés.

OutilsIA locale (Mistral, Qwen) via MCP.
Validation humaine

Et l’humain, dans ce système ?

Dans un environnement local et contrôlé, les données sont préparées par une IA locale, puis validées par un humain. Environnement local et contrôlé organise · recherche rapproche · synthétise Les données restent ici L’IA prépare et rapproche L’humain valide et décide

L’IA cherche, consolide, relie et prépare. Mais rien ne fait autorité sans un regard humain. Dans le système, je reste présente à chaque étape :

L’IA propose et prépare ; elle ne calcule pas les chiffres et ne tranche pas ce qui fait preuve. L’humain décide, et la preuve reste vérifiable de bout en bout.

  1. 01

    Je définis les questions, les critères et ce qu’il faut démontrer.

  2. 02

    Je valide les sources, la fiabilité des données et la pertinence des rapprochements.

  3. 03

    J’interprète les résultats dans leur contexte, là où une machine passerait à côté.

  4. 04

    Je décide de ce qui constitue une preuve, et de ce qui doit encore être étayé.

Protection des données

Un socle local et souverain, une protection à deux niveaux.

Je travaille sur un socle local et souverain : les modèles que j’utilise sont des LLM/SLM locaux (Mistral, Qwen…), pour garder la maîtrise du traitement. La protection repose sur deux niveaux qui se cumulent : où vivent les données, et comment elles sont traitées.

Niveau 1

Un environnement local et contrôlé*

Les données sensibles restent dans l’environnement défini avec l’organisation. Le traitement se fait en local, sur une infrastructure maîtrisée. Aucun transfert vers un service d’IA externe sans validation préalable. C’est le socle : par défaut, les données ne circulent pas.

Niveau 2

Une politique de données, par conception (même en local)

Même à l’intérieur de cet environnement, je ne traite que ce qui est nécessaire. La transparence sur les résultats, pas sur les personnes. Les données sont examinées dès leur ingestion afin de limiter ce qui est collecté, conservé et accessible.

01

Minimisation

identifier les données réellement nécessaires à la mission et écarter celles qui ne le sont pas.

02

Réduction des données identifiantes

supprimer ou masquer les informations directement identifiantes lorsqu’elles ne sont pas nécessaires à l’analyse.

03

Pseudonymisation

lorsque le suivi d’une personne ou d’un dossier reste nécessaire, remplacer les identifiants directs par des identifiants pseudonymisés et séparer les éléments permettant la réidentification.

04

Contrôle d’accès

limiter l’accès aux données selon le besoin d’en connaître, avec des droits différenciés et une journalisation lorsque nécessaire.

* Je ne manipule pas de données biométriques sur mes ordinateurs personnels.

Pourquoi moi

Le terrain, la méthode, et la preuve.

01

Le terrain, pour de vrai.

Douze ans de programmes à la Croix-Rouge (sécurité économique, transferts monétaires, moyens d’existence) en zones de conflit : je connais les contraintes opérationnelles derrière les indicateurs, les données et les rapports.

02

La preuve avant la technologie.

J’ai conçu un système de travail où les données, les méthodes et les sources restent traçables et contrôlables, pour livrer un monitoring et une évaluation solides et défendables.

03

L’IA comme outil, pas comme boîte noire.

J’utilise l’IA lorsqu’elle apporte une réelle valeur, dans un cadre contrôlé et avec validation humaine.

04

Le langage des financeurs.

Je connais les exigences du reporting, du suivi des programmes et de l’évaluation, avec une expérience complémentaire en finance durable et à impact.

Et chez vous ?

Commençons par un diagnostic.

45 minutes gratuites et sans engagement pour comprendre votre situation, identifier les principaux points de friction et voir par où commencer.

Réserver mon diagnostic Voir tous les services