4.4.1.
Analyse des notes prises lors des discussions de groupe
Dans le cadre de cette analyse, notre objectif était de cerner les perceptions des personnes rencontrées en nous basant sur les notes prises lors des discussions de groupe des deux premiers séjours sur le terrain, afin de voir dans quelle mesure cela expliquait certains phénomènes ou certaines particularités. Comme mentionné dans la section 3.1, nous nous sommes inspirés de la théorisation ancrée de Glaser et Strauss (1967). Elle propose un procédé de recherche qui exige du chercheur qu’il s’immerge dans le sujet de recherche et où les données empiriques servent de point de départ au développement d’une théorie sur un phénomène. Il vise à emmener le chercheur à s’investir d’une réalité en prenant comme guides les principaux protagonistes ou acteurs ; puis à dégager, à partir du discours des sujets et des observations, les principaux concepts qui se présentent, et enfin, à mettre en lumière les catégories qui les regroupent et à repérer les liens afin de faire émerger une théorie de la pratique.
Même si nous n’avons pas procédé exactement comme Glaser et Strauss le recommande, nous nous sommes beaucoup inspirés de leur approche dans notre manière d’aborder les différents sujets au cours des entrevues de groupes. Pendant le premier séjour, cette démarche a guidé nos discussions. Nous avons ainsi pu dégager les facteurs qui selon les populations déterminent leur vulnérabilité.
117
Nous avons réalisé des discussions de groupe et des entrevues individuelles. Concrètement, nous avons écouté les entrevues au fur et à mesure que nous les réalisions, en relevant les aspects qui nous semblaient être les plus importants. Lors de chaque écoute, nous relevions les points les plus importants que nous confrontions avec nos prises de notes (prises lors des entrevues). Il faut rappeler que l’objectif de ces premières entrevues est de relever ce qui selon les populations semble être le plus important s’agissant de leur vulnérabilité aux changements climatiques, notamment leurs impacts sur l’eau.
Ces points retenus après l’écoute et la relecture des notes étaient de nouveaux discutés lors des entrevues ultérieures. Nous avons arrêté les entrevues lorsque nous nous sommes rendu compte qu’aucun élément nouveau n’émergeait de nouvelles entrevues. Certains passages importants ont été retenus et cités dans la partie résultats (chapitre 7). Cette analyse de contenu est aussi empreint e de notre vécu et ressenti lors des séjours sur le terrain. Plus précisément cela a permis d’organis er les informations obtenues des entrevues et groupes de discussion, d’en dégager les idées ou catégories clés liées à la question de recherche et d’établir les liens entre ces différentes catégories . Nous avons réalisé cette analyse qualitative en nous référant à ce qui a retenu notre attention au cours des entrevues : les comportements des individus, les aspects qui revenaient le plus souvent , les aspects qui semblaient être en dissonance et les contextes spécifiques aux localité s visitées. De cette analyse, nous avons pu retenir une série de facteurs qui selon les personnes rencontrées déterminent leur vulnérabilité aux changements climatiques et à leurs impacts, notamment sur l’eau. Cette série de facteurs a été converti en un questionnaire qui a servi pour les entrevues lors du deuxième séjour et dont les résultats ont été analysés à l’aide du SOLAP. Cette analyse a donc été complétée par celle réalisée avec le SOLAP.
4.4.2.
Analyse avec le SOLAP
4.4.2.1. Les logiciels utilisés
Le SOLAP est un outil qui permet le croisement de données de différentes natures, y compris des données géosptatiales et les données qualitatives. Comme mentionné dans le chapitre sur le cadre conceptuel et méthodologique, le SOLAP résulte de la combinaison des technologies OLAP pour l’analyse décisionnelle (laquelle est typiquement temporelle et multi-échelles) et des fonctions SIG pour les requêtes spatiales (Beaulieu, 2009). Il permet aux spécialistes de divers domaines, mais non-experts des SIG, d’analyser eux-mêmes leurs données. Grâce à sa capacité d’intégration multi- échelle, multithématique et multidimensionnelle, l’application SOLAP nous a permis d’intégrer les données qualitatives et spatiales du milieu d’étude,.
118
Pour l’importation et l’organisation des différentes données dans le SOLAP, nous avons utilisé différents logiciels : FME, Microsoft Access, Microsoft Excel, Map4decision, ArcGIS, de même que la base de données SQL Developer qui est la base de données utilisée pour le SOLAP.
Le FME est une logiciel qui permet la transformation (ou la conversion) de données de différent s formats, rendant ainsi plus facile l’interopérabilité des données (Safe SoftWare, 2012). On part d’un « reader » (les données d’origine) pour arriver à un « writer » (les données transformées). Plus concrètement, le FME nous a permis de transformer autant les données cartographiques que les données qualitatives obtenues des entrevues de façon à faciliter leur croisement dans le SOLAP. Microsoft Excel et Access ont été utilisés pour organiser les données d’entrevues. Ma4decision est le logiciel qui a permis de créer et d’organiser les différents cubes du SOLAP. Nous nous sommes servis de l’ArcGIS pour traiter les données cartographiques recueillies auprès du CNIGS et d’autres sources, notamment pour changer les projections. Enfin, Oracle SQL Developer est un environnement de développement intégré qui simplifie le développement et la gestion de la base de données Oracle, utilisé pour le SOLAP (www.oracle.com).
4.4.3.
Traitement des données avec le SOLAP
Les données ont été organisées en trois cubes (la section 2.2 décrit ce qu’est un cube de données) : cube socio-économiques, cube eau et cube territoire et organisation. Le premier cube traite les données sur les aspects socio-économiques de la vulnérabilité des populations aux impacts des changements climatiques sur l’eau. Le deuxième traite spécifiquement les données sur la disponibilité, l’accessibilité et la qualité de l’eau. Enfin, le troisième cube trait e les données liées à l’exposition et l’organisation du territoire. Ces trois cubes ont été retenus sur la base des facteurs de vulnérabilité (la section 7.1 donne le détail des facteurs) retenus suite aux entrevues de groupe . Chaque cube contient un maximum de sept dimensions afin de faciliter le traitement des données; et une valeur centrale qui est l’indice de vulnérabilité perçue pour les cubes socio-économiques et territoire-organisation; et l’indice de facilité d’accès à l’eau pour le cube eau.
Le point de départ de chaque cube est le tableau Excel résumant les réponses d’entrevues (annexes 5, 6 et 7). Nous avons ensuite élaboré un modèle conceptuel pour chacun. Il s’agit d’un diagramme en étoile présentant les différentes dimensions de chaque cube, les valeurs retenues pour chaque dimension et la valeur centrale retenue pour le cube. Pour faciliter la lecture des paragraphes suivants, voici quelques petits rappels :
Une dimension est en fait un axe d’analyse et peut contenir différents niveaux hiérarchiques. Ainsi pour une dimension espace par exemple, les niveaux d’hiérarchie peuvent être le département, la commune et la section communale. Certaines dimensions peuvent ne
119
comporter que deux niveaux d’hiérarchie. Pour la dimension sexe par exemple, il s’agira de tous les sexes et des types de sexe (humain-femme).
Un fait est un croisement des composantes de différentes dimensions. Il montre l’état d’un sujet d’analyse selon les caractéristiques choisies par l’utilisateur, et ce, à une échelle de son choix. Un fait peut par exemple être le nombre de personnes âgée de plus de 60 ans et vivant dans la ville de Port-au-Prince par exemple. Ce fait croise les dimensions âge et espace ou territoire et mesure le nombre de personnes.
Un cube regroupe des mesures organisées en fonction d’un ensemble de dimensions. Après les modèles conceptuels, nous avons élaboré les tables de dimensions. Ce sont des tables qui résument les mesures pour chaque dimension à raison d’une table par dimension. Elles ont été élaborées à l’aide de Microsoft Excel et Microsoft Access. Les dimensions sont les différentes variables indépendantes du modèle, à partir desquelles il est possible de dériver une information significative et intelligible, en l’occurrence une mesure de la dimension. Certaines dimensions peuvent avoir plus d’un niveau de données : ce sont des tables parents-enfants. Les mesures sont d’abord calculées au niveau le plus fin et sont ensuite agrégées dans les niveaux supérieurs pour chaque dimension et pour chaque croisement de dimensions (Fortin et al., 2014). Par exemple une dimension avec un niveau de donnée peut être l’âge. Dans ce cas-ci, il s’agit des différentes classes d’âge. Une dimension ayant plusieurs niveaux de données peut être le fait de posséder des biens ou des atouts. Il se divisera dans un premier temps en deux catégories : ceux qui disposent d’atouts ou de biens et ceux qui n’en disposent pas. La première catégorie peut être subdivisée en plusieurs autres par exemple : ceux qui disposent d’atouts physiques (la terre par exemple), ceux qui disposent d’atouts financiers (épargne ou accès au crédit par exemple), ceux qui disposent d’atouts humains (comme l’instruction ou l’expérience). Le niveau enfant est le niveau le plus fin, c’est-à-dire, les données pour toutes les catégories, dans le cas de l’exemple mentionné, cela regroupe les données sur les catégories «ceux qui disposent d’atouts physiques», «ceux qui disposent d’atouts financiers», «ceux qui disposent d’atouts humains». Le niveau parent regroupe les données sur les catégories «ceux qui disposent d’atout» et «ceux qui ne disposent pas d’atout».
Les tables de dimensions ont servi à élaborer les tables de faits qui regroupent les mesures au niveau le plus fin pour l’ensemble des dimensions d’un cube. Une table de fait a été réalisée pour chaque cube. Pour ce faire, nous nous sommes servis du logiciel FME qui a servi à transformer les tables de dimensions des différents cubes de données. Le reader est constitué des tables de dimension et le writer est la table de fait. Une table de fait comporte les différentes dimensions d’un cube ainsi que les données pour chaque dimension au niveau le plus fin (niveau enfant pour les dimensions ayant plusieurs niveaux) ; ce faisant, il est plus facile de déduire les autres niveaux (niveaux parents).
120
Après les tables de fait, nous avons réalisé les tables de fait étendue toujours grâce au FME. Le reader est la table de fait et le writer est la table de fait étendue. Les tables de fait étendues permettent de passer du niveau le plus fin à tous les niveaux (niveaux parents et enfants pour les dimensions ayant plusieurs niveaux). La table de fait étendue est utilisée pour réaliser les agrégations car tous les niveaux sont requis pour élaborer ces dernières.
Enfin, nous avons réalisé les tables de faits agrégées, issues des différentes agrégations. Ces dernières ont été élaborées grâce à des commandes créées dans Éclipse qui est un environneme nt de travail pour la programmation Java. Les codes d’agrégation écrits dans l’environnement Éclipse ont servi à créer une liste de commandes SQL qui sont insérées dans la base de données Oracle grâce au programme SQL Developer. Dans l’élaboration de l’outil SOLAP, il faut prévoir à l’avanc e toutes requêtes que l’on souhaite réaliser plus tard. L’écriture des codes d’agrégation le rend possible et c’est ce qui permet de réaliser des requêtes faciles et rapides.
Par ailleurs, les trois cubes ont une dimension en commun, il s’agit de la dimension « territoire » qui contient les couches spatiales des différentes localités où nous avons séjourné. Pour la réaliser, nous nous sommes servis de données spatiales (shapefile) obtenues au Centre National de Gestion de l’information Spatiale (CNIGS) d’Haïti sur les subdivisions administratives d’Haïti. Nous avons réalisé trois niveaux de données : le niveau des sections communales qui est la plus petite subdivision administrative en Haïti, le niveau communal et le niveau départemental. Les couches spatiales ont été transformées grâce à FME.
Un arrière-plan a été utilisé pour les trois cubes. Il s’agit d’une couche spatiale de contexte comportant les limites administratives des sections communales et des communes et aussi des couches vectorielles de rivières. Le logiciel Map4decision a permis de créer l’interfac e finale. Pour cela, nous avons utilisé l’administrateur pour créer les liens entre les tables agrégées et l’utilisateur pour les différentes requêtes.
Cette configuration a facilité l’analyse des données par la combinaison des différents paramètres (dimensions) d’analyse, à tous les niveaux, permettant ainsi de créer des requêtes complexes. La navigation rapide entre les dimensions est aussi facilitée par le pré-calcul des agrégations. Enfin, la fonction de forage sert à visualiser les résultats à des niveaux très fins et généraux et de changer de variable pour le même niveau de détail (passer de la section communale au département par exemple). Cette rapidité dans la navigation et dans l’exécution des requêtes facilite les analyses et les comparaisons, et, par conséquent, la compréhension du phénomène étudié (Fortin et al., 2014).
121
4.4.3.1. Cube 1 : aspects socio-économiques
Le premier cube traite des aspects socio-économiques et a pour objectif d’expliquer comment les facteurs socio-économiques impactent les perceptions des populations sur leur propre vulnérabilit é. Les dimensions7 ou paramètres du cube sur les aspects socio-économiques sont les suivants (voir
figure 4.3): l’éducation, le secteur d’activité, la multiplicité de secteurs d’activité, les atouts économiques, le territoire, l’âge, le sexe et l’appartenance à un groupe social.
1. L’éducation : il s’agissait de voir si le fait d’avoir été à l’école, avait un effet sur les perceptions des personnes rencontrées. Nous avons constitué quatre catégories : les personnes n’ayant aucune éducation, celles du niveau primaire, du niveau secondaire, universitaire et post - universitaire.
2. Le secteur d’activité : cette dimension présente les personnes sans et avec revenus et les types d’activité menée par les personnes avec revenus. À travers cette dimension, notre objectif est de voir si le fait d’avoir des revenus et le type d’activités affectaient les perceptions des gens. Il s’agit d’une dimension parent-enfant car elle comporte des subdivisions. 3. La multiplicité de secteurs d’activité : la majorité des personnes rencontrées ont plus d’une
activité. Cette dimension montre l’effet de la multiplicité d’activité sur les perceptions. 4. Les atouts économiques : cette dimension présente l’effet que la possession d’un bien peut
avoir sur le sentiment de vulnérabilité des individus et de leur famille d’une part, et d’autre part, si le fait de posséder un type de bien rendait plus ou moins vulnérable. Les biens peuvent être de toute nature : physique (terre, bétail, etc.), matériel (moto, voiture, etc.) financiers (épargne ou crédit) et ou humain (main d’œuvre familial par exemple). Il s’agit également d’une dimension parent-enfant.
5. Le territoire est une dimension commune aux trois cubes. Elle lie les dimensions aux différentes localités visitées.
6. L’âge : nous avons constitué trois catégories d’âge en tenant compte de la durée de vie estimée à 63 ans par la Banque Mondiale en 2012 et du fait que nous n’avions pas le droit d’interviewer des personnes mineures, le plus jeune groupe d’âge ét ait constitué des personnes ayant un âge compris dans l’intervalle 18-23. Le groupe suivant était constitué de personnes âgées de 25-50 ans et le troisième groupe âgé de personnes de plus de 50 ans. L’objectif de la dimension âge est de voir si l’âge a un effet sur la perception des personnes de leur propre vulnérabilité.
122
7. Le sexe : c’est une dimension qui permet de savoir si par exemple les femmes se sentent plus vulnérables que les humains ou le contraire.
8. L’appartenance à un groupe social : la majorité des individus rencontrés sont membres d’association. L’objectif de cette dimension est de montrer si le fait d’appartenir à un groupe ou un réseau offre un sentiment de sécurité ou non.
Il est possible de faire de requêtes qui permettent de croiser deux dimensions ou plus. On peut par exemple voir si les femmes qui appartiennent à un groupe social se sentent moins vulnérables que les humains qui appartiennent à un groupe social.
Une valeur centrale est calculée, dans ce cas-ci, il s’agit de la vulnérabilité perçue. Pour l’obtenir, il a été demandé à chaque personne interviewée de nous donner sa perception de sa propre vulnérabilit é aux changements climatiques en tenant compte de sa réalité économique, sociale, territoriale, des conditions socio-politiques et de tout autre paramètre jugé important (par exemple les biens, les revenus, les classes sociales, la situation géographique de sa localité, le climat, la disponibilité, l’accessibilité et la qualité de l’eau). Chaque personne a donc estimé sa situation face aux changements climatiques et leurs effets sur l’eau comme étant très favorisante, favorisante, sans effet, défavorisante ou très défavorisante. Chaque réponse s’est vue attribuée une cote (indice) allant de 5 pour « très défavorisant e » à 1 pour « très favorisante ». Dans les requêtes, les agrégations sont calculées par la moyenne des indices de vulnérabilité et par la somme du nombre de personnes . L’objectif final est d’obtenir la vulnérabilité perçue en fonction des différentes dimensions.
Nombre de personnes
Indice de vulnérabilité
Appartenance à un groupe Éducation Sexe Tous âge Territoire Multiplicité secteurs d’activité Secteurs d’activité (revenu)Niveaux d’éducation Tous niveaux Tous sexe Sexe Âge Catégorie d’âge Commune Sections Communales Oui ou non Toutes appartenance Atouts économiques Oui Non Type d’atouts Indépendamment de ce facteur Oui ou non Sans revenu Avec revenu Types d’activité Indépendamment de ce facteur Tous secteurs
123
Figure 4.3 : Modèle conceptuel socio-économique
Ci-dessous (tableau 4.2 et 4.3), on peut voir deux exemples de tables de dimensions. La première est celle de la dimension « âge » et la deuxième, celle de la dimension« multiplicité d’activité ». La première ligne de chaque table est consacrée aux intitulés de chaque identifiant. Sur les autres lignes, on peut voir qu’un identifiant est assigné à chaque valeur pour une dimension donnée et ce, à tous les niveaux (niveau parent et niveau enfant pour la dimension « secteur d’activité » qui est parent - enfant).
Tableau 4.2 : Dimension âge
ID_GROUPE_AGE GROUPE_AGE ID_TOUS_AGES TOUS_AGES
1 18-25 111 Tous âges
2 25-50 111 Tous âges
3 50 et + 111 Tous âges
Ainsi pour la table de la dimension « âge », les identifiants 1, 2 et 3 sont attribués respectivement aux groupes d’âge 18-25, 25-50 et 50 et plus. L’identifiant 111 est attribué à « Tous âges » qui est la valeur englobant toutes les autres.
Dans la table de dimension « multiplicité d’activité », les identifiants 19, 20, 21, et 22 sont respectivement attribués aux valeurs « Multiple » pour les personnes ayant plusieurs activités, « Unique » pour les personnes ayant une activité, « Avec revenu » pour les personnes ayant une ou plusieurs activités rémunérées et « Sans Revenu » pour les personnes sans activité ou avec une ou plusieurs activités sans revenu. L’identifiant 111 est aussi attribué à la valeur « Tous », la plus englobante pour cette dimension.
Table 4.3 : Dimension multiplicité d’activité
ID_ENFANT_MULTI ENFANT_MULTI ID_PARENT_MULTI PARENT_MULTI
19 Multiple 21 Avec revenu
20 Unique 21 Avec revenu
21 Avec revenu 111 Tous
22 Sans revenu 111 Tous
Comme il a été mentionné plus haut, la table de fait rend compte du niveau le plus détail lé. Ainsi, sur la première ligne, on peut voir les intitulés des identifiants des différentes dimensions du cube socio -
124
économique, et sur les autres lignes les identifiants correspondant aux valeurs de chaque dimension pour chaque personne rencontrée (chaque personne est aussi associé à un identifiant). Les lignes sont répétées pour la même personne dans le cas des dimensions où il existe des parents -enfant s . Ainsi par exemple, dans la colonne « ID_PERSONNE », il y a quatre répétitions pour l’individu 1 et six répétitions pour l’individu 2.
La table de fait étendue (4.5), obtenue à partir de la table de fait (4.4.) présente tous les niveaux de chaque dimension. Ainsi dans le tableau 4.5, on peut voir sur la première ligne, les niveaux enfants et parents pour les dimensions à plusieurs niveaux (la dimension atouts économiques par exemple). Enfin, la table de fait agrégée (tableau 4.6) présente les agrégations des mesures « indice de