WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Etablissement d'une base de données socioéconomique territorialisée et d'un tableau de bord de suivi des programmes et projets publics de l'état.

( Télécharger le fichier original )
par Baem Brice BAGOA
Ecole Nationale de la Statistique et de là¢â‚¬â„¢Analyse Economique - Ingénieur Statisticien 2014
  

Disponible en mode multipage

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

République du Sénégal

Un peuple-Un but-Une foi

Ministère du Plan

CABINET

Unité de Suivi des Programmes

d'Investissements Territoriaux de l'État

(USPITE) École Nationale de la Statistique

et de l'Analyse Économique

Mémoire de fin de formation

Établissement d'une base de données

socioéconomique territorialisée et d'un tableau de bord

de suivi des programmes et projets publics de l'État

Rédigé et présenté par

Brice Baem BAGOA

Élève Ingénieur des Travaux Statistiques

(Quatrième Année)

Pour l'obtention du diplôme d'Ingénieur des Travaux Statistiques

Maître de Stage : M. Souleymane DIALLO Directeur de Cabinet du Ministère du Plan

Encadreur USPITE : M. Chouaïbou SONKO Conseiller Technique, Coordonnateur de l'USPITE

Encadreur académique : M. Souleymane FOFANA Responsable de la filière ITS à l'ENSAE

Juin 2014

c Ecole Nationale de la Statistique et de l'Analyse Economique

Juin 2014

Établissement d'une base de données

socioéconomique territorialisée et d'un tableau de bord

de suivi des programmes et projets publics de l'État

Brice Baem BAGOA

Elève Ingénieur des Travaux Statistiques

< brice.bagoa@outlook.com >

I can do all things through him who strengthens me.
- Philippians 4 : 13 -

A Fidèle Lebon et Angéline BAKAM, mes parents dans la foi,

Et à tous les frères et soeurs de la Communauté Missionnaire Chrétienne Internationale à

Dakar ...

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page i

Sommaire

Liste des tableaux iii

Table des figures iv

Sigles et abréviations vi

Avant propos vii

Remerciements viii

Résumé ix

Abstract x

Introduction Générale 1

1 Cadre général du suivi des projets de l'Etat 4

2 Bilan des approches et réalisations en matière de bases de données 13

3 Approche Méthodologique et sources de données 24

4 Analyse du cadre socioéconomique du Sénégal 43

5 Implémentation et déploiement du système 54

6 Opérationnalisation du système, limites de l'étude et recommandations 67

Conclusion générale 75

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page ii

Sommaire

Annexes et fiches techniques I

A Fiches techniques II

B Quelques graphiques et tableaux utiles VIII

Bibliographie XIII

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page iii

Liste des tableaux

2.1

Les modèles de la méthode Merise

20

2.2

Les diagrammes d'UML 2

21

3.1

Aperçu du cahier de charges

24

3.2

Indicateurs sociaux retenus pour le calcul de l'ISP suivant les secteurs

32

3.3

Multiplicités et types d'associations

37

4.1

Pouvoir explicatif du premier axe factoriel : ISPA et ISPE

51

5.1

Recensement des classes du modèle

57

5.2

Établissement des associations entre les classes

58

A.1

Dictionnaire des données

II

A.2

Technologie utilisée pour la conception du système

VI

B.1

Evolution de l'ISPA suivant les régions

VIII

B.2

Evolution de l'ISPE suivant les région

VIII

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page iv

Table des figures

1.1

Chaîne de résultats d'un projet de type GAR

6

1.2

Présentation allégée du SNSPITE (cas de la casamance)

12

2.1

Représentation de l'architecture Client-Serveur

23

3.1

Architecture globale du système

34

3.2

Démarche générale d'implémentation du système

35

3.3

Fonctionnement du site web

40

3.4

Présentation du design pattern MVC

41

4.1

Évolution du rendement de mil entre 2005 et 2012

44

4.2

Évolution du rendement d'arachide entre 2005 et 2012

45

4.3

Évolution du ratio Élèves/Classes entre 2005 et 2012

46

4.4

Évolution du ratio Élèves/Maîtres entre 2005 et 2012

47

4.5

Corrélations des indicateurs de l'agriculture entre 2005 et 2012

48

4.6

Corrélations des indicateurs de l'éducation entre 2005 et 2011

49

4.7

Carte de proximité des régions pour l'agriculture

50

4.8

Carte de proximité des régions pour l'éducation

50

4.9

L'ISPA et l'ISPE des régions pour 2005 et 2012

52

5.1

Diagramme de cas d'utilisation du système

55

5.2

Présentation du Modèle Conceptuel de Données

59

5.3

Présentation du Modèle Logique de Données

62

5.4

Présentation du Modèle Physique de Données

64

6.1

Page d'accueil du site

68

6.2

Page d'authentification des utilisateurs

68

6.3

Page d'accueil de l'administration du site

69

6.4

Page d'accueil de la gestion des projets

70

6.5

Assignation des objectifs spécifiques et des indicateurs de suivi

71

6.6

Page d'accueil de la BD socioéconomique

72

6.7

Mise à jour des indicateurs sociaux

72

B.1

Evolution des rendements du mil suivant les régions

IX

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page v

Table des figures

B.2 Evolution des rendements de l'arachide suivant les régions IX

B.3 Evolution de l'ISPA suivant les régions X

B.4 Evolution de l'ISPE suivant les régions X

B.5 Consultation des détails d'un projet XI

B.6 Création d'un projet XI

B.7 Calcul d'un ratio XII

B.8 Publication d'un article par les membres de l'unité XII

Sigles et abréviations

Agence Canadienne de Développement International

Agence Nationale de la Statistique et de la Démographie

Base de Données

Base de Données Objet-Relationnelle

Direction de la Coopération Economique et Financière

Direction de la Planification Nationale et de la Coordination avec la Planification Régionale

Document de Stratégie de Réduction de la Pauvreté

Gestion Axée sur les Résultats

Interface Homme Machine

Indice Synthétique de Performances

Indice Synthétique de Performances Agricoles

Indice Synthétique de Performances Éducatives

Ministère de l'Economie et des Finances

Multidimensional Online Analytical Processing

Model View Controller

Online Analytical Processing

OnLine Transactionnal Processing

Orienté Objet

Plan d'Actions Stratégiques de l'Etat dans les Départements

Plan d'Actions Stratégiques de l'Etat dans les Régions

Programmation Orientée Objet

Plan Sénégal Emergent

Programme Triénal d'Investissements Publics

Relational Online Analytical Processing

Système de Gestion de Bases de Données

Systèmes de Gestion de Fichiers

Système d'Information Géographique

Stratégie Nationale de Développement Economique et Social

Système National de Suivi des Programmes d'Investissements Territoriaux de l'Etat

Unité de Suivi des Programmes d'Investissements Territoriaux de l'Etat

ACDI

ANSD

BD

BDOR

DCEF

DPNCPR

DSRP

GAR

IHM

ISP

ISPA

ISPE

MEF

MOLAP

MVC

OLAP

OLTP

OO

PASED

PASER

POO

PSE

PTIP

ROLAP

SGBD

SGF

SIG

SNDES

SNSPITE

USPITE

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page vi

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page vii

Avant propos

L'Ecole Nationale de la Statistique et de l'Analyse Economique (ENSAE) de Dakar est une école sous régionale membre du réseau des Ecoles de Statistique Africaines (ESA) avec l'ENSEA d'Abidjan et l'ISSEA de Yaoundé. Elle forme des Techniciens Supérieurs de la Statistique (TSS), des Ingénieurs des Travaux Statistiques (ITS) et des Ingénieurs Statisticiens Economistes (ISE).

La philosophie de toute grande est de concilier théorie et pratique afin de former des cadres qui ont une bonne maîtrise des outils théoriques et qui sont opérationnels dès leur sortie. L'ENSAE ne déroge pas à cette règle. Ainsi, en quatrième année, les élèves Ingénieurs des Travaux Statistiques effectuent un stage de quatre mois au sein d'une institution afin d'appliquer concrètement les connaissances acquises aucours de leur formation. Ce stage est soldé par la rédaction d'un mémoire de fin de formation.

La présente étude consiste en l' «Établissement d'une base de données socioéconomique ter-ritorialisée et d'un tableau de bord de suivi des programmes et projets publics de l'État». Elle a été réalisée au sein de l'Unité de Suivi des Programmes d'Investissement Territoriaux de l'Etat (USPITE) qui est un service attaché au Cabinet du Ministère du Plan. L'auteur assume l'entière responsabilité des propos qui y sont tenus.

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page viii

Remerciements

Au terme de ce stage, qu'il nous soit permis de remercier tous ceux qui, de près ou de loin ont participé à sa réalisation effective.

Nos remerciements vont d'abord à l'endroit de Monsieur Abdoulaye BALDE, Ministre Sénégalais du Plan qui a bien voulu nous accueillir dans sa structure en qualité de stagiaire. Nous espérons avoir été à la hauteur de ses attentes.

Nos vives remerciements vont également à l'endroit de Monsieur Souleymane DIALLO, Directeur de Cabinet du Ministère du Plan et Maître de ce stage. Nous lui exprimons toute notre reconnaissance en ce que, malgré un emploi du temps très chargé, il s'est rendu disponible en nous écoutant et s'assurant que ce stage se déroule dans de bonnes conditions.

Monsieur Chouaïbou SONKO, Conseiller Technique au Ministère et Coordonnateur de l'USPITE a sans doute été l'une des personnes ayant activement participé à la réalisation de cette étude. Nous lui exprimons une vive reconnaissance pour ses précieux conseils et sa présence inconditionnelle dans tout le processus ayant abouti à l'éclosion de cette oeuvre. En nous fournissant toute la documentation dont nous avions eu besoin, il a largement facilité la tâche qui était la nôtre au sein de l'Unité qu'il dirige.

Ce travail est également le fruit d'une étroite collaboration avec les membres de l'USPITE. Il s'agit notamment de M. Ahmadou Habib KANE, M. Ibrahima NDIAYE et Mme Marième BA. Qu'ils reçoivent ici toute notre gratitude en ce qu'ils ont non seulement facilité notre intégration au sein de leur équipe, mais aussi se sont rendus disponibles et attentifs à nos diverses inquiétudes et y ont apporté toutes les clarifications nécessaires.

Les données utilisées dans ce rapport ont été obtenues avec le concours de M. Mamadou DIENG, Conseiller à l'Action Régionale de l'Agence Nationale de la Statistique et de la Démographie. Qu'il reçoive ici nos remerciements les plus vifs.

C'est le moment pour nous de remercier tout le personnel de l'ENSAE en général et son Directeur M. Bocar TOURE en particulier qui ne ménage aucun effort pour nous mettre dans de bonnes conditions d'apprentissage. Nous faisons une mention spéciale à M. Souleymane FOFANA notre encadreur académique durant ce stage et responsable de la filière ITS, pour sa disponibilité et son engagement à faire de nous l'élite de cette génération. Merci à tous nos enseignants de l'ENSAE, particulièrement à notre professeur de Programmation Web, M. Abdel Kader FALL pour sa disponibilité et ses conseils qui ont positivement orienté et impacté ce travail.

Nous remercions nos camarades Kodjo KOUDAKPO, Karl-Augustt Novikan ALAHASSA et Augustin AKAKPO pour la relecture de ce document ainsi que leurs diverses suggestions techniques qui nous ont été très utiles. A tous nos camarades de la troisième promotion des Ingénieurs des Travaux Statistiques à l'ENSAE, nous disons merci pour leur soutien au cours de ces quatre années de formation. Nous espérons leur avoir été utile autant qu'ils l'ont été pour nous en leur souhaitant pleins succès pour leurs projets futurs.

A nos parents, famille et amis, nous disons merci pour leur soutien financier et moral tout au long de cette formation. Qu'ils voient en ce document le fruit de la confiance qu'ils ont placé en nous.

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page ix

Résumé

Cette étude porte sur l'élaboration d'une base de données socioéconomique territorialisée et d'un tableau de bord pour le suivi des programmes et projets publics de l'État du Sénégal. Elle vise l'objectif de mettre à la disposition de Unité de Suivi des Programmes et Investissements Publics Territauriaux de l'État (USPITE, Ministère du Plan) un ensemble d'outils lui permettant de mener à bien ses activités quant à la coordination du suivi des projets au plan national. Mais avant cela, il est important pour l'USPITE de disposer d'un premier aperçu du cadre social du Sénégal.

Pour mener à bien l'étude sur le secteur social sénégalais, nous utilisons les méthodes factorielles pour faire ressortir les corrélations entre les principaux indicateurs puis les cartes auto-organisatrices de Kohonen pour établir les liens de proximité entre les régions. La méthode l'analyse factorielle dynamique est aussi utilisée pour la construction d'un indice sectoriel de performances. Compte tenu des données à notre disposition et les besoins prioritaires de l'USPITE, l'étude sociale a porté sur les secteurs de l'agriculture et de l'éducation.

Les analyses ont montré que d'une manière générale, les rendements des cultures (mil et arachide) sont en baisse dans la plupart des régions, notamment celles du bassin arachidier. On note par ailleurs que les indicateurs liés à l'éducation s'améliorent d'année en année compte tenu des projets entrepris par l'État dans les différentes régions. L'étude a également fait ressortir l'existence de corrélations entre les rendements de mil et de niebé d'une part puis entre les rendements du maïs et de l'arachide d'autre part. Dans le secteur de l'éducation, les corrélations sont marquées entre les ratios élèves/classes et élèves/maître puis entre les taux bruts de scolarisation et de pré-scolarisation. Les indicateurs construits dans ce document nous renseignent sur les performances des régions au fil des années concernant l'agriculture et l'éducation.

Pour ce qui est du système informatisé, il est constitué d'une base de données objet-relationnelle PostgreSQL/PostGIS et d'une application web permettant aux utilisateurs d'y accéder. L'application web est construite selon la convention MVC (Model View Controller) et basé sur le framework Cake PHP. Cette application présente entre autres les fonctionnalités suivantes : la gestion des projets suivant l'approche classique et la Gestion Axée sur les Résultats (GAR), la création, la mise à jour et l'analyse des indicateurs sociaux, la gestion des utilisateurs, la publication d'articles etc. Comme recommandation à l'USPITE, ce système doit faire l'objet d'une migration vers un serveur web accessible via le réseau internet pour une meilleure efficacité.

Mots Clés : Base de données, Programmation Web, Suivi-évaluation des projets, Indicateur social.

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page x

Abstract

This study focuses on the development of a place-based socio-economic database and a dashboard to monitor public programs and projects of the State of Senegal. It is the objective of making available to USPITE (Ministry of Planning) a set of tools to carry out its activities on the coordination of monitoring projects at national level. But before that, it is important for USPITE to have a first glimpse of the Senegal social framework.

To carry out the study on the Senegalese social sector, we use factor analysis to highlight the correlations between the main indicators and the self-organizing Kohonen maps to establish close links between regions. the dynamic factor analysis method is also used for the construction of a sector index of performance. Given the data available to us and the priority needs of the USPITE, social studies focused on agriculture and education.

The analyzes showed that in general, the yields of crops (millet and groundnuts) are falling in most regions, including the groundnut basin. We also note that the indicators related to education are improving year on year given the projects undertaken by the state in different regions. The study also revealed the existence of correlations between yields of millet and cowpea on the one hand and between the yields of maize and groundnuts on the other hand. In the education sector, correlations are marked between students/classes and student/teacher ratios and between gross-enrollment and pre-enrollment. Indicators constructed in this document tell us about the performance of regions over the years concerning agriculture and education.

In terms of the computer system, it is constituted by an object-relational database PostgreSQL/-PostGIS and a web application that allows users to access it. The web application is built using the MVC convention (Model View Controller) and based on the Cake PHP framework. This application has several features : managing projects following the conventional approach and the Results Based Management (RBM) approach, the creation, updating and analysis of social indicators, user management, publication of articles etc. As a recommendation to USPITE, this system must be migrated to an accessible web server via internet network for greater efficiency.

Key Words : Database, Web Programming, Monitoring and evaluation of projects, Social index.

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 1

Introduction Générale

0.1 Contexte

Après la mise en oeuvre des deux générations de Documents de Stratégie de Réduction de la Pauvreté (DSRP) de 2003 à 2010, le Sénégal fait toujours face à d'importants défis socioécono-miques. En effet, la croissance économique est restée faible en 2011 (1,7%) et la tendance à la reprise de l'année 2012 a été très limitée (3,6%). En outre, le pays connait une forte croissance démographique avec une jeunesse confrontée aux difficultés d'entrée sur le marché du travail. La demande d'accès aux services sociaux de base reste également forte, de même que les disparités sociales.

Dans ce contexte, les autorités ont adopté en 2012 une Stratégie Nationale de Développement Economique et Sociale (SNDES). Cette stratégie repose sur la vision du Plan Sénégal Emergent qui vise l'émergence d'ici 2035. Pour l'étape intermédiaire 2018 présentée dans le Plan d'Actions Prioritaires 2014-2018, la stratégie est déclinée en trois axes principaux :

Axe 1 : Transformation structurelle de l'économie et croissance

Axe 2 : Capital humain, protection sociale et développement durable

Axe 3 : Gouvernance, institutions, paix et sécurité

La vision du PSE sous-tend une territorialisation des interventions de l'Etat dans les collectivités locales au travers de l'Acte 3 de la décentralisation. De façon pratique, cette territorialisation permettra une prise en compte des spécificités de chaque région et département dans la mise en oeuvre des politiques publiques. Ainsi, chaque collectivité locale sera dotée d'un Plan d'Actions Stratégiques de l'Etat (PASER pour les régions et PASED pour les départements). Les PASER/-PASED sont des documents qui retracent l'ensemble des projets de l'Etat dans la région ou le département.

0.2 Problématique

Le Sénégal consacre chaque année une part importante de son budget aux dépenses d'inves-tissements à travers des projets de développement. La mise en oeuvre du Programme Triennal d'Investissements Publics (PTIP) 2014-2016 nécessite par exemple un coût global de 3 467,889 milliards de francs CFA dont 52% sur fonds propres. Cependant, force est de constater que ces projets, compte tenu de leur complexité (acteurs multiples aux intérêts souvent divergents, poids de

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 2

0.3. Objectifs de l'étude

l'environnement immédiat et lointain..) se déroulent rarement tels que planifiés. D'où l'importance du suivi rapproché de ces projets qui doit permettre de déceler les difficultés et de leur apporter des solutions pour leur bonne mise en oeuvre. Un bon suivi permet de relever très sensiblement l'efficacité des ressources publiques investies dans les projets.

Toutefois, l'expérience a montré que par le passé le suivi des projets publics n'a pas obtenu l'attention qu'il mérite. Le suivi, éclaté dans diverses administrations n'est fait que de manière sporadique et souvent à la demande des partenaires techniques et financiers 1. Cette situation a entrainé l'allongement de plusieurs projets avec des surcouts que cela entraine voire des échecs dans la mise en oeuvre. Le Gouvernement a donc décidé d'accorder plus d'attention au suivi des projets publics à travers la création de l'USPITE. Cette dernière établira dorénavant tous les ans un rapport portant sur l'exécution physique et financière des projets de l'Etat. Le système de suivi mis en place au niveau de l'USPITE permet une remontée des données à partir du site du projet jusqu'au niveau national en passant par le niveau régional (Gouverneurs) et le filtre sectoriel (ministères). La mise en application de ce système de suivi nécessite une centralisation des données issues de l'activité de suivi des projets sur le terrain.

Pour plus d'efficacité dans la coordination des PASER/PASED, l'USPITE doit disposer de la situation actuelle des principaux indicateurs socioéconomiques des régions et départements afin d'établir les tendances du développement de ces collectivités. En outre, il est intéressant de mesurer les disparités régionales et départementales et de tenir une base de données actualisée à la disposition des usagers, en particulier des administrations centrales et déconcentrées pour leurs travaux de planification.

Il ressort donc la nécessité pour l'USPITE de disposer d'un système informatisé en vue de garantir son bon fonctionnement. Ce système doit aider à la coordination des activités de suivi des projets et programmes de l'Etat d'une part et d'autre part, permettre de disposer d'une base de données territorialisée portant sur les principaux indicateurs sociaux.

0.3 Objectifs de l'étude

L'objectif général de la présente étude est de mettre à la disposition de l'USPITE un système informatisé fiable et cohérent constitué d'une base de données socioéconomique territorialisée et d'un tableau de bord de suivi des projets et programmes de l'Etat. De façon spécifique, ce système doit répondre aux exigences suivantes :

1. Source : USPITE

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 3

0.4. Structuration de ce document

Pour la base de données socioéconomique :

~ Elle doit permettre de disposer de l'information pertinente sur les régions et départements en perspective des travaux de planification et d'analyses de disparités (régionales et départementales);

~ Cette base de données doit pouvoir être jointe à des ressources cartographiques afin de permettre la visualisation de cartes portant sur tel ou tel indicateur;

~ La possibilité doit également être offerte aux utilisateurs d'ajouter, de supprimer et de mettre à jours des indicateurs.

Pour le tableau de bord de suivi des projets et programmes de l'Etat :

~ Structuré selon les secteurs d'activités 2 , le tableau de bord doit permettre de disposer de la fiche synoptique de chaque projet et programme mis en oeuvre dans chacune des collectivités locales.

~ De par sa conception, le tableau de bord doit permettre de consigner dans des compartiments à prévoir les données issues des activités de suivi (indicateurs et activités).

~ Cet outil doit également permettre une prise en charge des programmes qui sont des groupements de projets apparentés dont le management est coordonné.

En marge de la conception de ce système, il convient d'établir un panorama sur la situation économique et sociale du Sénégal afin de poser les bases des analyses de disparités sociales.

0.4 Structuration de ce document

Pour mener à bien cette étude, le présent document sera structuré en six chapitres dont le premier sera consacré à la présentation du cadre général du suivi des projets au Sénégal. Une revue de littérature sur les bases de données fera l'objet du second chapitre qui sera suivi de l'approche méthodologique adoptée. Le quatrième chapitre sera consacré à l'étude de l'évolution du cadre socioéconomique du Sénégal depuis l'année 2005 à travers l'étude de quelques indicateurs sociaux et la mise en place d'un indice sectoriel de performances permettant une comparaison des régions dans les différents secteurs sociaux. Dans le cinquième chapitre, nous proposons la modélisation et l'implémentation des structures de données ainsi que d'une application d'interaction avec ces données. Le dernier chapitre sera consacré à la présentation et à l'utilisation pratique des fonctionnalités du système ainsi mis en place ainsi qu'aux limites et recommandations de l'étude.

2. Primaire, secondaire, tertiaire et quaternaire.

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 4

Chapitre 1

Cadre général du suivi des projets de l'Etat

Un des objectifs de cette étude est la mise à disposition de l'USPITE d'un système de suivi des différents projets mis en oeuvre par l'Etat. La mise en place d'un tel système passe naturellement par l'appropriation des concepts propres au domaine du suivi des projets. Hormis les concepts d'ordre généraux, il est aussi important de s'approprier la mise en oeuvre de ceux-ci dans le cas spécifique du Sénégal. Ceci constitue l'objet de ce premier chapitre. Il présente d'abord les concepts de projet et de suivi-évaluation avant de proposer une analyse du système sénégalais de suivi des projets. La dernière section sera consacrée à la présentation du dispositif opérationnel de l'USPITE.

1.1 La notion de projet

Un projet peut être défini comme une combinaison de ressources humaines et matérielles réunies au sein d'une organisation pour l'atteinte d'un objectif bien précis. CADENET et KING donnent une définition plus exhaustive de la notion de projet. Pour eux: « Un projet est un ensemble optimal d'actions à caractères d'investissements fondé sur une planification sectorielle globale et cohérente grâce auquel une combinaison définie de ressources engendrent un développement économique et social d'une valeur déterminée » (Voir [47]). De ces deux définitions, il ressort que le projet doit nécessairement aboutir à l'atteinte d'un objectif bien déterminé en passant par la réalisation d'un certain nombre d'activités ou tâches. Pour mener à bien un projet, ce dernier doit faire l'objet d'un suivi et d'éventuelles évaluations (au début, à mi-parcours ou a la fin). Deux principales approches sont utilisées de nos jours dans la gestion des projets : l'approche traditionnelle et la gestion axée sur les résultats (GAR)

1.1.1 Suivi et évaluation des projets

Par définition le suivi est un processus itératif de collecte et d'analyse d'informations pour repérer les anomalies en vue de les corriger. Il fournit donc aux gestionnaires et aux participants un retour d'information régulier qui peut aider à déterminer si l'avancement du projet est conforme à

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 5

1.1. La notion de projet

la programmation. Aussi, les activités de suivi permettent de comparer le rendement prévu avec le rendement atteint.

L'évaluation est une opération sélective qui vise à apprécier systématiquement et de manière objective les progrès dans la réalisation d'un effet au regard des ressources engagées. Il peut survenir soit à un moment donné pendant la mise en oeuvre (évaluations intérimaires, et évaluation finale), soit après l'achèvement des activités du projet/programme (Evaluation ex- post). Elle vise ordinairement à déterminer la pertinence, l'efficience, l'efficacité, l'impact et la durabilité d'un projet.

Le suivi-évaluation est basé sur les indicateurs qui sont des outils destinés à mesurer l'avan-cement des projets et à évaluer la qualité des résultats et bénéfices que peuvent en dégager les parties-prenantes. Ils représentent un des moyens essentiels pour améliorer la qualité et l'impact sur le développement des projets. C'est un facteur ou variable, de nature quantitative ou qualitative qui doit respecter les conditions suivantes définies par le sigle SMART :

~ Spécifique : l'indicateur doit être clairement défini et sans ambigüité pour les parties prenantes du projet.

~ Mesurable : l'indicateur chiffré doit être incontestable et reconnu comme tel par l'ensemble des parties prenantes.

~ Atteignable : il doit être acceptable et réalisable lors de la mise en oeuvre du projet.

~ Réaliste : il doit être réalisable et ne reposer que sur la motivation du collaborateur ou être réajusté si le contexte change.

~ Temporellement défini : il doit être inscrit dans le temps, avec une date de fin et éventuellement des points intermédiaires.

1.1.2 La gestion axée sur les résultats

Le concept de Gestion axé sur les résultats est attribué à Peter Druker dans son ouvrage "Managing for results" [17]. Quelque peu éclipsé jusqu'à la fin des années 80, ce principe de gestion revient à l'avant plan dans les années 90. Partant du constat que l'aide publique au développement était de moins en moins efficace, les dirigeants internationaux vont entreprendre une série de consultations dans le but de trouver les moyens pour veiller à ce que les fonds d'aide au développement soient efficacement utilisés. C'est ainsi que le concept de GAR commence par prendre place dans la gestion des projets.

Selon l'ACDI, la GAR est « un moyen d'améliorer l'efficacité et la responsabilité de la gestion en faisant participer les principaux intervenants à la définition de résultats escomptés, en évaluant les

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 6

1.2. Le système national de planification

risques, en suivant les progrès vers l'atteinte de ces résultats, en intégrant les leçons apprises dans les décisions de gestion et les rapports sur le rendement ». La démarche en GAR est représentée par la chaîne de résultats (Voir graphe 1.1). Des ressources matérielles et humaines (Intrants) sont combinées pour la réalisation d'un certain nombre d'actions (Activités) entrant dans le cadre du projet. Les fruits issus de ces activités (Extrants) produisent un effet à court ou moyen terme et un impact à long terme. Le suivi et l'évaluation portent sur les effets et les impacts. Il est effectué à travers les indicateurs respectant les conditions SMART.

Graphique 1.1 -- Chaîne de résultats d'un projet de type GAR

Ressources

Résultats

Activités

Extrants

Intrants

Impact

Effets

Actions entreprises dans le cadre du projet

Changements escomptés à long terme

Ressources financières et matérielles

Effets à court et moyen terme

Produits issus des activités

Source: Nos recherches

1.2 Le système national de planification

Les projets étant les principaux objets des dépenses publiques, il est impératif qu'ils puissent s'inscrire dans la stratégie de développement de l'État. En effet, tout État, à travers sa politique de dépenses publiques, vise l'atteinte de l'un au moins des quatre objectifs de la politique économique (croissance, stabilité des prix, le plein emploi et l'équilibre extérieur). Il est donc impératif de choisir les projets qui sont un mode de gestion caractérisé par leurs aspects temporels et tournés vers l'atteinte des objectifs ou des résultats.

La planification étant indissociable de la gestion de projet, le Sénégal s'est doté d'un système de planification qui repose sur trois instruments couvrant trois horizons temporels différents :

Une étude prospective à l'horizon d'une génération (25 ans) : Elle procure un cadre général

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 7

1.3. Processus d'instruction des projets publics

de référence, par sa vision globale des composantes économique, sociale et culturelle. L'Etude constitue une réflexion prospective sur le Sénégal et son environnement, explorant à l'horizon d'une génération le champ des futures possibilités, afin d'éclairer les choix stratégiques de développement. Ce premier maillon de la chaîne du système de planification s'élabore en trois phases : une étude rétrospective, une analyse structurelle et l'élaboration de scénario pour aider à un choix de société à long terme.

Le Plan d'Orientation pour le Développement Economique et Social : Élaboré pour six ans, il s'inscrit dans le cadre des axes stratégiques proposés par le scénario constituant le choix de société retenu par les sénégalais dans l'Etude Prospective. Il fournit des repères et des critères pour la sélection et la programmation des projets de l'Etat et pour le choix des mesures d'impulsion des initiatives privées. Il constitue la référence pour les politiques sectorielles.

Le Programme Triennal d'Investissements Publics (PTIP) : Il rassemble les projets et études à réaliser au cours des trois années couvertes par le programme. Il constitue le budget d'in-vestissement prévisionnel de l'État et vise de ce fait à rationaliser l'effort d'investissement public selon des procédures d'acceptation de projets et d'arbitrage définies. Ainsi, sont du domaine de la programmation triennale, les projets de l'État ( mis en oeuvre par les ministères techniques essentiellement ) , les projets des établissements publics, des collectivités locales et sociétés nationales pour le financement desquels l'État est sollicité soit pour subvention ou prise de participation soit pour aval ou rétrocession d'emprunts. La première année du PTIP qui constitue le Budget Consolide d'Investissement (BCI) fait partie intégrante de la loi de finances. Le PTIP est ajustable chaque année.

1.3 Processus d'instruction des projets publics

Le cadre institutionnel de définit une évaluation ex-ante, un suivi physico-financier et une évaluation ex-post des projets proposés par les ministères techniques.

1.3.1 L'évaluation ex-ante

Cette évaluation est effectuée depuis 2014 par la DPSEP sur la base d'un dossier proposé par les ministères techniques. La pertinence des projets est jugée en fonction de l'apport dans l'atteinte des objectifs de politique économique fixée par le Gouvernement. Cette évaluation est très importante dans la mesure où elle permet de garantir la qualité des actions publiques, notamment des investissements. Les projets ayant satisfait aux conditions du suivi ex-ante sont classés par degré de priorité.

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 8

1.3. Processus d'instruction des projets publics

1.3.2 L'exécution et le suivi physico-financier

Pour le suivi rapproché des programmes, les Ministères techniques, en charge de l'exécution physique des projets produisent des rapports trimestriels et un rapport annuel à l'attention de la Direction de la Coopération Economique et Financière (DCEF). Sur la base de ces rapports, la DCEF élabore annuellement le Bulletin d'Exécution des Projets et Programmes du PTIP. Dans le but de mesurer le niveau d'atteinte des objectifs et d'en tirer des leçons, le MEF procède à une évaluation des projets et programmes immédiatement à la fin de leur exécution.

1.3.3 L'évaluation ex-post

Elle consiste à évaluer les projets et programmes quelques années après leur exécution en vue d'en mesurer les impacts et surtout la contribution à l'atteinte des objectifs stratégiques.

1.3.4 Les limites du système existant

Le système présenté ci dessus présente des insuffisances liées à sa mise en oeuvre et à la remontée des informations issues des activités de suivi.

~ Le manque d'un dispositif centralisé permettant une remontée rapide des informations est l'une des principales lacunes du présent système. En effet, le suivi physique des projets ne s'effectue que sur la base d'une constatation subjective de la part des agents. Ceci est la cause d'un manque d'informations concrètes à la fois pour les décideurs et les acteurs directement impliqués dans la mise en oeuvre de ces projets.

~ Dans le présent dispositif de suivi, la responsabilité de la réussite des projets et programmes incombe uniquement au Gouvernement (MEF et Ministères Techniques). On note un faible degré d'implication des acteurs locaux (régions et départements) et des responsables de la mise en oeuvre des projets (chefs et responsables des projets sur le terrain). Ceci ne permet pas une gestion satisfaisante des difficultés rencontrées ainsi qu'une prise en compte des réalités du terrain.

~ L'évaluation ex-post des projets et programmes reste encore confrontée à des problèmes tels que les coûts souvent élevés pour sa réalisation, la faiblesse des compétences dans la plupart des agences et ministères techniques et surtout la quasi absence d'archives.

~ On note par aillieurs l'absence d'un schéma de suivi global et partagé, la faible collaboration entre les parties impliquées ainsi que la modicité et l'affectation inappropriée des ressources affectées au suivi.

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 9

1.4. Présentation du SNSPITE

Pour palier les insuffisances du présent dispositif de suivi, l'USPITE a mis sur pied un Système National de Suivi des Programmes d'Investissements Territoriaux de l'Etat (SNSPITE).

1.4 Présentation du SNSPITE

Le Système National de Suivi des Programmes d'Investissements Territoriaux de l'Etat (SNS-PITE) poursuit deux objectifs principaux :

~ Permettre aux autorités et aux autres responsables d'avoir une information continue sur l'état de la mise en oeuvre des orientations, projets et programmes de l'Etat

~ Permettre aux décideurs situés aux différents échelons d'apporter les remèdes nécessaires pour permettre une bonne mise en oeuvre des programmes et projets de l'Etat.

Pour l'atteinte de ses objectifs, le SNSPITE est doté de trois niveaux complémentaires. Il s'agit des intervenants sur le terrain, les ministères de tutelle et l'USPITE.

1.4.1 Les Unités de Gestion des Projets (UGP)

C'est le niveau opérationnel de la mise en oeuvre des projets. Il est essentiellement constitué des gestionnaires de projets et programmes dont le rôle principal est l'exécution effective des dits projets. Les UGP ont la mission de veiller au suivi rapproché du projet dont ils ont la charge. Ces unités établissent un rapport trimestriel adressé aux ministères de tutelle (ou ministères techniques en charge du projet) et aux autorités administratives. Ce rapport s'arrête notamment sur le niveau de réalisation des outputs, l'absorption des ressources etc. en tenant compte des délais prévus. Les membres des UGP participent chaque semestre aux Conférences Régionales de Suivi des Projets et Programmes Territoriaux de l'Etat.

1.4.2 Les ministères techniques

Les projets et programmes de l'Etat sont rattachés à des ministères techniques. Les rapports des UGP leur sont destinés. La Cellule d'Etude et de Planification (CEP) centralise, valide, fait la synthèse sectorielle des rapports de suivi. L'exploitation du rapport au sein du ministère permet au département :

- de connaître de l'état de mise en oeuvre des projets à sa charge;

- d'apporter des réponses aux obstacles à sa portée;

- de planifier ses nouvelles actions en connaissance de cause.

Les rapports de suivi des ministères sont par la suite transmis à l'USPITE.

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 10

1.4. Présentation du SNSPITE

1.4.3 L'USPITE

L'USPITE est l'organe national de suivi des projets et programmes territoriaux de l'Etat. L'US-PITE est chargée de centraliser et d'exploiter les rapports de suivi provenant des ministères techniques et du niveau territorial, de rendre compte aux autorités et aux organes compétents à l'in-tention de qui elle peut faire des recommandations et de veiller au bon fonctionnement du système de suivi. Le rapport de l'USPITE à l'attention des autorités vise :

- à les informer de l'état de mise en oeuvre des projets et programmes;

- à porter à leur connaissance les difficultés éventuelles;

- à faire des suggestions dans le but de leur trouver des solutions

1.4.4 Les organes Ad Hoc du SNSPITE

Trois institutions ad-hoc sont également mises en place. Il s'agit de :

Les conférences régionales de suivi des projets et programmes territoriaux de l'Etat (CRSPPE) Les CRSPPE procèdent à la revue régionale semestrielle des projets et programmes de l'Etat. Dans chaque région, la CRSPPE est placée sous l'autorité du Gouverneur, représentant du Chef de l'Etat et du Gouvernement dans la dite région. Ces conférences regroupent les services techniques régionaux et les UGP. Elles reçoivent les rapports élaborés par les UGP, les valident et proposent, le cas échéant, les solutions à apporter aux difficultés rencontrées. La CRSPPE peut organiser des missions de suivi sur place et son secrétariat est assuré par le Service Régional de la Planification (SRP).

la Conférence Technique de Suivi des Projets et Programmes territoriaux de l'Etat (CTSPPE) La CTSPPE est l'instance technique ad hoc de suivi des projets et programmes. Elle regroupe le Ministère du Plan (l'USPITE et la Direction de la Planification Territoriale), le Ministère de l'Economie et des Finances, le Ministère de l'Intérieur et les Ministères techniques. Elle passe en revue les portefeuilles sectoriels de projets et programmes, valide les rapports sectoriels, se prononce sur les difficultés rencontrées et propose les outils adéquats. Elle cherche à couvrir les besoins des parties (dont les Partenaires Techniques et Financiers) en matière de suivi des projets.

la Conférence Nationale de Suivi des Projets et Programmes territoriaux de l'Etat (CNSPPE) La CNSPPE est présidée par le représentant de la Présidence de la République. Elle comprend en outre les représentants de la Primature, du Ministère du Plan, du Ministère de l'Economie et des Finances , du Ministère de l'Intérieur (DGAT), du Ministère de l'Aménagement du Territoire et des Collectivités locales. C'est l'instance supérieure de pilotage du système national

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 11

1.4. Présentation du SNSPITE

de suivi des projets et programmes de l'Etat. La CNSPPE reçoit le rapport de l'USPITE et formule des recommandations y compris pour le bon fonctionnement du système de suivi des projets et programmes de l'Etat. Elle fournit l'information détenue par ses membres et pouvant être utile dans le cadre du suivi des projets et programmes. Le rapport de l'USPITE étudié par la CNSPPE est transmis aux autorités.

De par son organisation, le SNSPITE est un système permettant une meilleure appropriation par l'Etat de l'avancement de la mise en oeuvre de ses orientations dans les collectivités locales. Le diagramme de 1.2 donne une vue allégée de ce système pour le cas du pôle territoire casamance.

Conclusion partielle

Somme toute, la mise en oeuvre des stratégies de développement définies par l'Etat passe par la réalisation de projets et programmes. Ceux-ci sont des ensembles d'actions coordonnées faisant concourir des ressources matérielles et humaines pour l'atteinte d'objectifs bien définis. La mesure de l'atteinte de ces objectifs se fait à travers le suivi et l'évaluation au moyen d'indicateurs fiables. Le système de suivi existant au niveau du MEF présente des limites en termes de données et d'implication des acteurs à différents niveaux de la chaine. L'objectif du SNPITE est donc de renforcer ce dispositif en responsabilisant les acteurs impliqués et en mettant à la disposition des utilisateurs des données fiables sur l'exécution des projets de l'Etat.

Source : USPITE

Graphique 1.2 -- Présentation allégée du SNSPITE (cas de la casamance)

 
 
 
 
 
 

Rapports sectoriels

 
 

Ministère Technique

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Assurer la coordiation de tous les projets relevant de son domaine

 
 
 
 
 
 
 
 
 

USPITE

Mission :

Proposition de solutions

Rapport Annuel

Appuyer l'élaboration des documents de planification territoriale et d'assurer le suivi des programmes et projets d'investissements territoriaux de l'Etat.

r

CSPT (Conférence de suivi du Pôle Territoire)

Rôle :

Bilan de la mise en oeuvre des orientations, programmes et projets d'investissements de l'Etat à l'échelle du pôle territorial.

Membres :

Gouverneurs, ARD, SRP, ANSD, SRAT, Elus locaux, Société civile, OCB/ONGs

Rapport semestriel

Rapport semestriel

Rapport Trimestriel

UGP (Unité de Gestion du Projet)

CRSPPE

Rôle :

Exécution du projet

Rapport trimestriel

Rôle :

Revue régionale et semestrielle des projets et programmes de l'Etat

Responsables :

Coordinateur ou Chef de projet et programme

Propositions de solutions

Membres :

Gouverneurs, autorités administratives, SRP, ANSD, SRAT.

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 13

Chapitre 2

Bilan des approches et réalisations en matière de bases de

données

Ce chapitre se donne pour objectif de passer en revue toute la théorie développée autour des bases de données. Il sera question d'étudier les différents modèles d'organisation ainsi que les méthodes d'analyse conceptuelle des bases de données. La dernière section de ce chapitre est réservée à la présentation des Systèmes de Gestion de Bases de Données (SGBD). Avant tout, il est important de s'interroger sur ce qu'est exactement une base de données.

2.1 La notion de base de données

2.1.1 Motivation et définition

Chaque jour, de grosses quantités d'information sont partagées par des millions d'usagers à travers le monde. Ceci se fait à travers des milliards de transactions allant de la plus simple à la plus complexe. Mais d'où viennent ces informations que nous recevons et où vont celles que nous transmettons?

L'invention du disque dur en 1956 a ouvert la voie à la possibilité de stocker, d'organiser et de gérer de grandes quantités d'informations sur les ordinateurs. De là, il va naître une première approche des bases de données. Il a fallu cependant attendre 1964 pour voir apparaître le terme « base de données » qui désignait alors une collection d'informations partagées par différents utilisateurs d'un système d'informations. De nos jours, il existe plusieurs formulations de cette définition. Nous retenons celle de J. AUBERT [3] : « une base de données est un ensemble homogène et structuré d'informations non redondantes enregistrées sur un support informatique ».

Cette définition laisse entrevoir un certain nombre de propriétés intrinsèques aux bases de données. Il s'agit notamment de la bonne structuration, la non redondance, la cohérence et de la persistance des données. De manière formelle, ces propriétés sont connues sous le nom de propriétés ACID.

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 14

2.1. La notion de base de données

2.1.2 Les propriétés ACID d'une base de données

Pour garantir l'intégrité et la fiabilité des informations enregistrées, une base de données doit être soumise à un certain nombre de contraintes. Vers la fin des années 1970, Jim Gray a défini les propriétés qui garantissent cette fiabilité des données puis il a développé des technologies pour les mettre en oeuvre de façon automatique. L'acronyme ACID (Atomicité, Cohérence, Isolation et Durabilité) apparait en 1983 avec Andrea REUTER et Theo HÄRDER pour désigner ces propriétés. De façon concrète, les propriétés ACID signifient :

Atomicité : une transaction doit se faire au complet ou pas du tout. En d'autres termes, tout ajout, modification ou suppression d'informations dans une base de données doit nécessairement arriver à terme. La conséquence de l'interruption d'une transaction est naturellement la perte d'intégrité des données enregistrées.

Cohérence : aucune modification ne doit entraîner la perte de cohérence du système. Autrement dit, chaque transaction doit amener le système d'un état valide à un autre état valide ceci, à travers le respect d'un certain nombre de contraintes d'intégrité 1 .

Isolation : cette règle assure que l'exécution simultanée de plusieurs transactions n'a d'effet sur aucune des transactions en cours. En fait, chaque interaction entre un utilisateur et la base de données s'effectue comme si celui-ci était seul à travailler sur cette base de données. Il n'y a pas d'inférences avec les autres utilisateurs.

Durabilité : lorsqu'une transaction s'est bien produite, les modifications apportées à la base doivent être enregistrées de façon pérenne et être capables de résister à tout choc externe (panne d'ordinateur, coupure de courant etc.).

Il apparaît clairement que la violation de l'une de ces règles entraine automatiquement la perte de fiabilité des informations enregistrées. De nos jours, les logiciels spécialisés dans la gestion de bases de données prennent en compte ces quatre aspects fondamentaux de la fiabilité de l'information. La dernière section de ce chapitre sera consacrée à un bref aperçu de ces logiciels.

2.1.3 Terminologie des bases de données

Cette sous-section est réservée à l'étude de quelques concepts fondamentaux du champ sémantique des bases de données. Les définitions qui suivent serviront donc de base à la suite du document.

Modèle de données : Le schéma ou modèle de données, est la description de l'organisation des données. Il se trouve à l'intérieur de la base de données, et renseigne sur les caractéristiques

1. Les contraintes d'intégrité seront étudiées au chapitre 3 de ce document

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 15

2.2. Évolution des modèles de bases de données

de chaque type de donnée et les relations entre les différentes données qui se trouvent dans la base de données. La section suivante sera consacrée à l'étude des différents types de modèles de données.

Modèle logique et modèle physique de données : Le modèle logique est la description des données telles qu'elles sont dans la pratique, tandis que le modèle de physique est un modèle dérivé du modèle logique qui décrit comment les données seront techniquement stockées dans la base de données.

Enregistrement : Un enregistrement est une donnée composite qui comporte plusieurs champs dans chacun duquel est enregistrée une donnée. Cette notion a été introduite par le stockage dans des fichiers dans les années 1960.

2.2 Évolution des modèles de bases de données

2.2.1 Les systèmes de gestion de fichiers

A l'origine, les informations étaient stockées dans des fichiers directement sur les disques durs des ordinateurs. L'accès ainsi que la manipulation se faisaient par l'intermédiaire des SGF. Dans l'approche gestion de fichiers, ceux-ci sont définis pour un ou plusieurs programmes de traitement. Les données d'un fichier sont directement associées à un programme (Basic, Cobol, DBase par exemple) par une description contenue dans le programme de traitement lui-même. Il n'existe aucune indépendance entre le programme et les données. Toute modification de la structure des données nécessite la réécriture du programme. La première difficulté inhérente à cette approche est naturellement la lourdeur des fichiers et la redondance de l'information qui y est contenue. Ajouté à cela, l'approche SGF ne facilitait pas la manipulation (ajout, suppression et mise à jour) de l'information contenue dans les fichiers. Les requêtes simples (recherche de l'éditeur d'un article donné par exemple) pouvaient être mises en oeuvre, cependant il était impossible d'effectuer les requêtes faisant intervenir plusieurs clés (comme la recherche de tous les articles d'un éditeur donné). Face à ces lacunes, les acteurs du monde informatique à l'époque vont penser à mettre en place des systèmes de stockage d'informations beaucoup plus flexibles des avec des liens entre les enregistrements. Ce fut la naissance des modèles hiérarchiques et des modèles en réseau qui constituent la deuxième génération de modèles de données.

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 16

2.2. Évolution des modèles de bases de données

2.2.2 Des modèles hiérarchiques aux modèles en réseau

Les modèles hiérarchiques font leur apparition dans les années 1965. Ils sont basés sur une architecture où certaines entités sont indépendantes (les racines), les autres étant dépendantes des premières (les feuilles). Dans ce type de structure, les données sont organisées sous la forme d'arbres qu'on parcourt de la racine vers les feuilles. Chaque enregistrement est composé donc récursivement d'autres enregistrements et l'accès à l'information est conditionné par la connaissance de son chemin d'accès. La compagnie américaine IBM, précurseur de ces modèles a conçu un SGBD nommé IMS (Information Management System) basé sur les modèles hiérarchiques. Ce dernier développé dans le cadre du projet Apollo 11 2 est encore utilisé de nos jours dans la gestion de très grosses bases de données à haute performances et à haute fiabilité, notamment dans le secteur bancaire. Malgré sa popularité d'antan, IMS est de moins en moins utilisé à cause de de son manque de flexibilité, sa lourdeur et sa complexité. Les modèles hiérarchiques seront ainsi progressivement délaissés au profit des modèles en réseau.

Contrairement aux modèles hiérarchiques, les modèles en réseau sont constitués d'entités reliées les unes aux autres par un réseau de relations binaires. Ils ont été développés par le groupe CODASYL DGTG 3 . Ici, les données sont organisées en enregistrements dont les types sont bien définis. Les SGBD CODASYL étaient dotés de compilateurs DDL (Data Description Language) et DML (Data Management Language) permettant respectivement la définition des schémas et la mise à jour des données via un langage spécialisé. Ces SGBD ont largement été utilisés pour la gestion d'applications batch et OLTP. Leur simplicité d'usage - par rapport à leurs concurrents des modèles hiérarchiques - ainsi que le langage très intuitif leur ont valu une grande popularité dans le développement d'applications complexes. Cependant les systèmes CODASYL souffrent d'un manque de flexibilité pour ce qui est de l'évolution des schémas ainsi que de l'absence d'un langage prédictif natif tel que le SQL. En effet, Les langages proposés par les SGBD CODASYL étaient tels que toute nouvelle requête devrait se traduire par un nouveau programme. Ces aspects vont pousser leurs utilisateurs à les remplacer par des SGBD relationnels.

2.2.3 Le modèle relationnel

Ce modèle est dû à E. F. CODD en 1970. Grace à sa simplicité technique, il a pris une importance de plus en plus grande dans le domaine du traitement et le stockage des données informatiques. En effet, à l'inverse des modèles hiérarchiques et des modèles en réseau, les relations

2. A l'origine, IMS a été conçu pour le North American Rockwell dans le cadre du projet Apollo 11 qui avait pour objectif d'envoyer l'homme sur la lune.

3. Le CODASYL (Conference on Data System Languages) est un groupe d'utilisateurs et de fournisseurs de logiciels - dont IBM - qui fut créé en 1959. Le Database Task Group (DBTG) en est un sous-groupe.

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 17

2.2. Évolution des modèles de bases de données

manipulées par ce modèle sont des tableaux à deux dimensions, avec lignes et colonnes, les informations étant stockées à l'intersection de celles-ci. Le modèle relationnel repose sur deux concepts fondamentaux : les domaines de valeurs et les relations entre domaines. La puissance de ce modèle réside non seulement dans sa simplicité technique, mais aussi dans sa complétude et sa rigueur de mise en oeuvre. En effet, le modèle relationnel est une variante de la théorie des ensembles et des relations. Il revêt ainsi toute la rigueur des mathématiques discrètes. En plus, ses structures sont suffisantes pour représenter tout ce que les modèles concurrents pouvaient offrir et bien plus.

Au fil des années, le modèle a connu de profondes améliorations notamment en ce qui concerne la couverture d'autres domaines (tels que les BD déductives, actives, les données spatiales, temporelles etc.), l'adoption d'un langage standard (le SQL) et enfin le développement de SGBD de plus en plus performants. Oracle fut le premier SGBD construit sous ce modèle. De nombreux autres ont suivi au fil des années. Les SGBDR sont aujourd'hui le modèle le plus utilisé à travers le monde. Ils trouvent leurs applications dans des domaines très variés.

Le modèle relationnel n'est cependant pas adapté pour le développement d'applications utilisant les langages orientés-objet comme C++, Java, Python etc. En effet, ces langages traitent les informations en termes de classes alors que le modèle relationnel stocke les données dans des tables. L'utilisation de ces données en POO nécessite donc un mapping Objet/Relationnel qui non seulement est couteux en développement mais ralentit considérablement l'exécution des programmes. En plus de cela, le modèle relationnel n'est pas très adapté pour la gestion des données multimédia, qui, de nos jours deviennent de plus en plus importantes. Une nouvelle génération de modèles vient ainsi pallier ces manquements. Il s'agit des modèles de BD Orientées-Objet.

2.2.4 L'ère post-relationnelle : Les BD objet

Les bases de données à objet apparaissent au milieu des années 1980 pour pallier les insuffisances du modèle relationnel notamment en ce qui concerne le stockage de données de type complexe et l'intégration de langages orientés-objet dans les applications de bases de données. Elles sont définies par Yamine AÏT-AMEUR et Christophe GARION comme une « organisation cohérente d'objets 4 persistants et partagée par des utilisateurs concurrents ». Il ressort de cette définition que les SGBD à objets manipulent non seulement les objets mais aussi et surtout ils veillent à la persistance de ces objets. En effet, en POO, les objets sont non persistants, c'est-à-dire que leur durée de vie n'excède pas celle du programme qui les a créés. Le schéma conceptuel d'une base de données objets est défini par l'ensemble des classes et des associations décrivant la réalité à modéliser. Suivant la technologie utilisée, on peut distinguer deux approches de bases de données

4. Un objet est une instance d'une classe elle-même étant un type complexe défini par ses attributs et ses méthodes

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 18

2.2. Évolution des modèles de bases de données

objet : l'approche orientée-objet et l'approche objet-relationnel.

Dans l'approche orientée-objet, les objets représentent la base de la modélisation. On retrouve ici la définition classique des objets en POO. Les objets qui partagent les mêmes caractéristiques sont classifiés dans un même type. Chaque objet possède un identifiant unique et il existe des attributs permettant de définir des relations entre les objets. Les SGBD orientés-objets sont dotés d'un langage ODL 5 pour la définition des objets, d'un langage OML 6 pour la manipulation des objets et d'un langage OQL 7 pour l'interrogation des objets. Ces SGBD peuvent être mis en interface avec des langages de POO come C++.

L'approche relationnelle-objet quant à elle est une extension du modèle relationnel. Ce dernier étant basé sur le langage SQL, la prise en compte des objets implique donc une extension de ce langage en lui ajoutant une couche objet. Cette extension de SQL est connue sous le nom de « norme SQL3 ». Cette extension réduit donc le recours aux langages de POO dans l'écriture des programmes et applications de bases de données. Le modèle objet-relationnel apport une légère modification aux concepts fondamentaux du modèle relationnel. Ainsi, on fait intervenir ici le concept de tables typées similaire aux objets dans une BDOO et intégrant les concepts de la POO tels que l'héritage, l'encapsulation etc. Les lignes constituant ces tables typées possèdent des identifiants uniques permettant la mise en place de relation entre ces tables. Parmi les SGBDOR, on peut citer les géants Oracle et PostgreSQL.

2.2.5 Les défis contemporains: le business intelligence et le Big Data

Aujourd'hui, les capacités de stockage sont quasi sans limite et le volume de données produit chaque jour dans les systèmes d'informations ne cesse de croître. En effet, selon IBM, la quantité de données produite dans le monde tous les deux jours est équivalente à celle qui a été générée depuis le début de l'histoire jusqu'en 2003. Un autre fait marquant est qu'en 2012, 90% de toute la quantité de données existante depuis l'avènement de l'histoire avait été créée durant les deux années précédentes. Les enjeux contemporains consistent donc à tirer parti de cet immense stock d'informations pour fournir les indicateurs pertinents à la prise une prise de décision fiable. Cependant, face à cette vague importante d'informations, les modèles de données classiques restent impuissants. De nouvelles technologies viennent donc pallier ces insuffisances.

Le Business Intelligence encore appelé Informatique Décisionnelle est définie comme l'ensemble des moyens permettant de collecter, consolider modéliser et restituer les données issues de sources

5. Object Definition Language

6. Object Manipulation Language

7. Object Query Language

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 19

2.3. Les méthodes d'analyse

variées au sein d'une même organisation en vue d'offrir une aide à la décision. Ces informations sont stockées sous forme agrégées dans une base de données appelé entrepôt de donnes ou datawa-rehouse. Bill IMNON, père de l'informatique décisionnelle définit un entrepôt de données comme « une collection de données thématiques, intégrées, non volatiles et historisées pour la prise de décisions ». Ces bases de données sont constituées de tables principales (les tables de faits) reliées à des tables secondaires qui sont les dimensions d'analyse. Les tables de faits peuvent prendre la forme de cubes (OLAP, ROLAP, MOLAP) suivant les besoins et la réalité des organisations. Les entrepôts de données sont généralement basés sur le modèle relationnel.

Plus évoluée que le BI, le Big Data est un ensemble de technologies permettant de traiter des informations non structurées possédant les caractéristiques décrites sous l'acronyme 3V. Il s'agit du volume très important de ces données, de leur variété et de leur vélocité. Cette dernière représente la fréquence à laquelle les données sont générées, capturées et partagées. Les bases de données relationnelles classiques ne permettent pas de gérer les volumes de données du Big Data. De nouveaux modèles de représentation permettent de garantir les performances sur les volumétries en jeu. Ces technologies, dites de Business Analytics and Optimization (BAO) sont proposés les principaux acteurs de ce marché que sont IBM, Google, Microsoft etc. Avec ce système les requêtes sont séparées puis exécutées en parallèles. Les résultats sont ensuite rassemblés et récupérés. Ces volumes sont stockés dans le cloud et sur des supercalculateurs. Bien que son avènement soit assez récent et que les recherches sur le sujet continuent de nos jours, le Big Data trouve déjà son application dans plusieurs domaines tels que la recherche scientifique, la politique et surtout le secteur privé.

2.3 Les méthodes d'analyse

Il existe plusieurs méthodes de conception. Les plus importantes sont les méthodes systémiques à travers Merise et les méthodes objet à travers UML.

2.3.1 La methode MERISE et le modèle Entité-Association

Merise est le résultat des travaux menés par Hubert TARDIEU dans les années 1970 et s'insère dans le sillage du modèle relationnel. La méthode propose un cadre d'analyse qui distingue nettement trois approches : communications, traitements et données. Pour chacune de ces approches, Merise propose quatre niveaux d'abstraction : les niveaux conceptuel, organisationnel, logique et physique. Ce découpage donne ainsi naissance aux douze modèles qui constituent Merise.

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 20

2.3. Les méthodes d'analyse

Tableau 2.1 -- Les modèles de la méthode Merise

Niveau

Communications

Traitements

Données

Conceptuel

MCC

MCT

MCD

Organisationnel

MOC

MOT

MOD

Logique

MLC

MLT

MLD

Physique

MPC

MPT

MPD

Source: Nos recherches

L'approche communications sert à décrire les échanges de flux et d'informations au sein de l'organisation. Les modèles de traitement comme leur nom l'indique ont pour objectif de décrire les tâches effectuer à la réception ou pour l'émission d'un flux d'informations. Enfin, l'approche données se charge de la modélisation de ces informations en vue de leur stockage sur un support informatique. Nous nous intéresserons donc ici à cette dernière approche.

Les niveaux d'abstraction représentent chacune une étape dans la conception d'un système d'information. Le niveau conceptuel est l'étape où sont définies les fonctions réalisées au sein de l'organisme. A ce niveau, la représentation schématique adoptée par Merise est le modèle Entité-Association. Ce modèle permet de représenter le domaine d'application sous la forme d'un schéma conceptuel composé de classes d'entités possédant des propriétés propres à chacune d'elles. Ces entités sont reliées entre elles par des associations servant à définir les différentes relations et interactions entre elles.

Le niveau organisationnel quant à lui définit l'organisation de ces fonctions et leur répartition entre les acteurs. Le modèle logique représente la structure des données sans faire référence au langage ou au SGBD à utiliser. Enfin le niveau physique consiste juste à une implémentation du SI sur un support informatique. La conception d'un SI se fait donc par succession de ces étapes. On parle de cycle d'abstraction. Les résultats de chaque étape doivent être clairement définis et la transition d'une étape à la suivante est conditionnée par la validation des résultats de l'étape précédente via un contrôle formel de cohérence.

Méthode essentiellement française, Merise est utilisée dans l'implémentation de nombreux systèmes d'informations. On lui reproche néanmoins la lourdeur de sa mise en oeuvre ainsi que son incapacité à modéliser des structures utilisant des objets. Ces critiques sont progressivement prises en compte par les améliorations apportées par la version Merise/2.

2.3.2 L'Unified Modeling Laguage (UML)

UML n'est pas une méthode d'analyse au sens propre du terme. C'est un « langage de modélisation graphique et textuel destiné à comprendre et décrire des besoins, spécifier et documenter

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 21

2.4. Les Systèmes de Gestion de Bases de Données (SGBD)

des systèmes, esquisser des architectures logicielles, concevoir des solutions et communiquer des points de vue » (Pascal ROQUES 2008). UML unifie à la fois les notations et les concepts orientés objet. Il peut cependant représenter aussi bien des applications OO ou non.

La version récente d'UML (UML 2) propose treize types de diagrammes, chacun d'eux étant dédié à la représentation des concepts particuliers d'un système. Ces types de diagrammes sont répartis en cinq vues. Chaque vue et chaque modèle spécifie clairement un aspect particulier su système

Tableau 2.2 -- Les diagrammes d'UML 2

Vues Diagrammes

Vue utilisateur Diagramme de cas d'utilisation

Diagramme de classes

Vue structurelle Diagramme d'objets

Diagramme de structures composites

Diagramme de packages

Vue comportementale

Diagramme de séquence Diagramme d'interaction Diagramme d'état

Diagramme d'activités

Diagrammes de communications Diagramme temporel

Vue d'implémentation Diagramme de composants

Vue environnementale Diagramme de déploiement

Source: Nos recherches

Les diagrammes de classes UML décrivent les classes d'objets, leurs propriétés ainsi que les relations entre ces classes. Ils sont de plus en plus utilisés comme outil de modélisation des bases de données. Ceci est dû au fait qu'UML 2 reprend les concepts du modèle entité-association et propose en plus des artifices pour améliorer la sémantique d'un schéma conceptuel. De ce fait, cette notation est très complète et puissante et peut s'adapter parfaitement à la description d'une base de données.

2.4 Les Systèmes de Gestion de Bases de Données (SGBD)

Les SGBD sont des logiciels spécialisés dans la manipulation des structures de données. Ils s'adressent non seulement aux concepteurs ayant des connaissances avérées en informatique mais aussi aux utilisateurs non spécialisés. Dans cette section nous proposons de passer succinctement en revue les fonctionnalités supportées par ces logiciels pour garantir l'intégrité et la fiabilité des données. Il sera aussi question dans d'étudier les différentes architectures de fonctionnement des

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 22

2.4. Les Systèmes de Gestion de Bases de Données (SGBD)

SGBD.

2.4.1 Les principales fonctions des SGBD

D'une manière générale, un SGBD doit pouvoir garantir au minimum les fonctionnalités sui-

vantes :

~ Une description des données indépendante des traitements

~ Une maintenance de la cohérence de données

~ Le recours à des langages non procéduraux, interactifs et structurants

De façon spécifique, les SGBD devraient permettre la concrétisation des aspects suivants :

Indépendance physique des données : Le changement des modalités de stockage de l'informa-tion n'implique pas de changements des programmes.

Indépendance logique des données : L'évolution de la structure d'une partie des données n'influe pas sur l'ensemble des données.

Manipulation des données par des non-informaticiens: L'utilisateur n'a pas à savoir comment l'information est stockée et calculée par la machine, mais juste à pouvoir la rechercher et la mettre à jour à travers des IHM.

Optimisation de l'accès aux données : Les temps de réponse et de débits globaux sont optimisés en fonctions des questions posées à la BD.

Contrôle de cohérence (intégrité sémantique) des données : Le SGBD doit assurer à tout instant que les données respectent les règles d'intégrité qui leurs sont imposées.

Gestion des accès concurrentiels aux données : Les données sont simultanément consultables et modifiables.

Sécurité des données : La confidentialité des données est assurée par des systèmes d'authentifi-cation, de droits d'accès, de cryptage des mots de passe, etc.

Sûreté des données : La persistance des données, même en cas de panne, est assurée, grâce typiquement à des sauvegardes et des journaux qui gardent une trace persistante des opérations effectuées.

2.4.2 Architecture des SGBD

Il existe deux grandes familles de systèmes de gestion de base de données de par leur fonctionnement : Les SGBD centralisés et les SGBD client-serveur. Les premiers ont un fonctionnement basique et le traitement de l'information se limite au niveau de la seule machine ou même du fichier

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 23

2.4. Les Systèmes de Gestion de Bases de Données (SGBD)

de la BD. Access de Microsoft est un exemple typique de SGBD centralisé. Ils sont généralement utilisés pour des applications bureautiques simples et ne supportent pas un volume conséquent de données.

Les SGBD client-serveur pour leur part, sont constitués d'un moteur de base de données et d'une (ou plusieurs) station(s) cliente(s) qui ne sont pas forcément sur le même poste de travail. Des requêtes sont envoyées aux moteurs de données par les stations clientes qui reçoivent en retour une réponse. Cette architecture, beaucoup plus élaborée que la précédente renforce la sécurité des données et permet un stockage massif. Ce type de SGBD est le plus utilisé dans les applications faisant intervenir des bases de données. Oracle, MySQL, SQL Server, PostgreSQL sont quelques exemples de SGBD client-serveur.

Graphique 2.1 -- Représentation de l'architecture Client-Serveur

Source: Nos recherches

Conclusion partielle

En somme, l'importance des bases de données de nos jours n'est plus à démontrer. Au fil des années, les approches de modélisation des BD ont profondément évolué avec l'apparition de nouveaux enjeux. Chacune d'elle possédant ses avantages et ses limites, il conviendra aux concepteurs de choisir l'approche la mieux adaptée compte tenu des réalités du domaine d'application. Bien au-delà des modèles théoriques, l'implémentation physique d'une base de données nécessite une démarche à la fois méthodique et très rigoureuse. Merise et UML sont les méthodes d'analyse les plus utilisées afin de garantir une cohérence des structures de données. Aujourd'hui, les Systèmes de Gestion de Base de Données permettent la création et la manipulation des BD. Ces systèmes peuvent être centralisés ou non (client-serveur). De cette revue, la question naturelle qui se pose est de savoir quelle est l'approche la plus pertinente pour la réalisation de la présente étude.

Chapitre 3

Approche Méthodologique et sources de données

Le présent chapitre a pour objectif de poser les bases méthodologiques de notre étude. De façon résumée, la réalisation de la présente étude passe par l'atteinte des objectifs que nous pouvons décrire à travers les deux points suivants :

1' Analyse du cadre socioéconomique du Sénégal et élaboration d'un indicateur sectoriel;

1' Élaboration d'un système informatisé constitué d'une BD socioéconomique territorialisée (intégration de ressources SIG) et d'un tableau de bord des projets.

Dans ce qui suit, nous spécifions pour chacun de ces points, les objectifs spécifiques à atteindre.

Tableau 3.1 -- Aperçu du cahier de charges

Etude statistique

Système informatisé

Objectif Général

Donner à l'USPITE une vue panoramique du paysage socioéconomique au Sénégal

Mettre à la disposition de l'USPITE un système informatique de suivi des projets de l'Etat

1' Étudier l'évolution des principaux indicateurs depuis 2005 suivant les régions

Tâches spécifiques

1' Rechercher les corrélations entre les différents indicateurs sociaux et établir une carte de proximité des collectivités locales

1' Élaborer un indicateur annuel de performances socioéconomiques

1' Élaborer une structure de données prenant en charge la BD so-cioéconomique territorialisée et le tableau de bord de suivi des projets

1' Mettre au point une interface servant de pont entre les utilisateurs et la structure de données ainsi mise sen place

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 24

Source: Nos travaux

Considérant le tableau ci-dessus, il sera d'abord question dans ce chapitre, de présenter les méthodes utilisées pour l'apprentissage statistique de liens entre indicateurs. Il s'agira ensuite de décrire la méthodologie d'élaboration de l'Indice Sectoriel de Performances (ISP). La troisième section de ce chapitre sera consacrée à la démarche d'implémentation des structures de données pour le système constitué de la BD socioéconomique et du tableau de bord de suivi des projets. La présentation de la modélisation de l'interface fera l'objet de la cinquième section. La dernière partie de ce chapitre sera réservée à la présentation des sources de données.

3.1. Analyse exploratoire

1 E Im =

n j#k

d2(Zj, Zk) = 1 E

n j#k

En i=1

(Zij - Zik)2 (3.3)

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 25

3.1 Analyse exploratoire

Pour la description des données, nous utilisons, en plus des méthodes usuelles de statistiques descriptives, des méthodes d'apprentissage non supervisé. Compte tenu de la problématique et de la performance, nous retenons l'analyse en composantes principales pour l'étude des corrélations entre les variables et le réseau de KOHONEN pour la classification des collectivités locales.

3.1.1 L'analyse en composantes principales

L'Analyse en Composantes Principales (ACP) cherche à expliquer la structure des corrélations d'un ensemble de variables en utilisant un plus petit ensemble de combinaisons linéaires de ces dernières. Il s'agit donc de représenter l'information contenue dans un tableau de m variables par un plus petit nombre de facteurs (généralement 2). Par ses méthodes, l'ACP cherche à établir une carte des variables en fonction de leurs corrélations et une carte des individus en fonction de leur proximité. Dans cette étude nous nous intéressons aux variables (les indicateurs socioéconomiques).

3.1.1.1 Présentation théorique :

Soit X = (X1, ... , Xm) une matrice n x m, chacun des Xi, i = 1, ... , n étant ainsi un vecteur n x 1 décrivant une certaine caractéristique des individus étudiés. Les composantes principales représentent un nouveau système de coordonnées qui s'obtient par maximisation de la variabilité (ou inertie) totale contenue dans le tableau X. Avant de réaliser une ACP, il convient de standardiser les variables de sorte à ce que leurs moyennes soient nulles et leurs écart-types égales à l'unité. Cette normalisation permet d'une part de centrer le nuage des individus autour de l'individu moyen et d'autre part de restreindre le nuage N des variables au cercle trigonométrique. Cette dernière restriction a le mérite d'éliminer l'effet des unités des variables dans l'analyse. Posons donc :

Xj - uj

Zj =

ój

,Vj = 1,...,m (3.1)

uj et ój étant respectivement la moyenne et l'écart-type de la variable Xj. L'espace Rn des variables est muni de la distance euclidienne :

d2(Zj, Zk) = En (Zij - Zik)2 (3.2)

i=1

L'inertie totale du nuage des variables est donc donnée par :

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 26

3.1. Analyse exploratoire

Nous recherchons un espace à k dimensions de sorte que l'inertie du nuage projeté sur cet espace soit maximale. Le premier axe factoriel est donc dirigé par le vecteur u1 tel que

u1 = arg max(Im, uá) (3.4)

uá

(Im, uá) est l'inertie obtenue après projection du nuage N sur le vecteur uá. On montre que la solution u1 de l'équation 3.4 est le vecteur propre associée à la valeur propre la plus élevée A1 de la matrice de covariances (1/n)Z'Z. Le second axe factoriel est engendré par le vecteur associé à la deuxième valeur propre la plus élevée A2 et ainsi de suite. Le plan factoriel recherché est donc le sous-espace engendré par les vecteurs propres associées aux valeurs propres A1,...,Ak de la matrice (1/n)Z'Z.

Hk = V ect(u1,...,uk) (3.5)

Notons d'une part que Aá est l'inertie expliquée par l'axe uá. D'autre part, pour á =6 â, nous avons (uá, uâ) = 0 et donc Im = iá Aá. Le nombre d'axes factoriels k à retenir se détermine à l'aide de la règle du coude de Catel et du pourcentage d'inertie expliquée par le plan sous-jacent (Voir annexes).

3.1.1.2 Application de l'ACP

Dans notre étude, nous appliquons l'ACP sur l'ensemble des régions du Sénégal décris par les indicateurs sociaux étudiés. Pour cerner l'évolution de la structure de corrélation entre ces indicateurs, l'analyse sera effectuée à l'année 2005 et sur la période 2005-2012. L'interprétation des résultats se fait à l'aide des aides tels que le Cos2 (Voir Annexes).

3.1.2 La classification automatique par le réseau de KOHONEN

Nous utilisons le réseau de KOHONEN 1 pour la classification des régions en différentes classes au vu des valeurs prises pour les indicateurs socioéconomiques considérés. Cette méthode est l'une des plus utilisées dans la littérature pour l'apprentissage statistique non supervisé 2. L'objectif est de produire une carte de proximité des individus étudiés (dans notre cas il s'agit des régions) de sorte que les plus semblables soient le plus proche possible. Cet algorithme d'apprentissage est une version améliorée de la méthode des K-Means (Voir [34]).

1. Encore appelé carte auto-organisée.

2. Pas de variable à prédire.

3.1. Analyse exploratoire

3.1.2.1 Présentation théorique :

Le réseau de KOHONEN fonctionne comme un réseau de neurones à deux couches (entrée et sortie) sans variable cible. Les noeuds de la couche d'entrée sont constitués par les variables de classification et servent à présenter les individus. Ceux de la couche de sortie sont disposés sur une grille ayant généralement une forme rectangulaire. Chaque noeud xk(k = 1, ... , n) d'entrée est connecté à tous les noeuds (i, j)i<N,j<M de la carte via une pondération Wijk. Le noeud qui sera retenu pour représenter xk est le noeud (i*, j*) tel que

(i*, j*) = arg min

i,j

n k=1

(xk - Wijk)2 (3.6)

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 27

Celui-ci est appelé noeud gagnant. Après détection du noeud gagnant, le réseau ajuste automatiquement les poids des connections neuronales suivant la relation :

{

Wijk(t + 1) = Wijk(t) + ç(t) (xk - Wijk) si (i,j) E A(i*,j*)(t)

Wijk(t + 1) = Wijk(t) si (i,j) E6 A(i*,j*)(t)

(3.7)

A(i*,j*)(t) est le voisinage du noeud gagnant au temps t. Ce voisinage décroit avec le temps, de sorte qu'à la fin de l'apprentissage chaque noeud sera l'unique élément de son propre voisinage. ç(t) est la fonction de voisinage qui contient une fonction de taux d'apprentissage á(t) décroissante en fonction du temps et qui détermine le taux d'adaptation des neurones situés à l'intérieur de A(i*,j*)(t). Cette fonction est un moyen plus simple de stimuler les connexion latérales entre les neurones. Généralement on se place dans le cadre d'une fonction de voisinage gaussienne autour du neurone gagnant. ç(t) s'exprime alors comme suit :

d2(Gij, G*i,j)

ç(t) = á(t) exp L- 2ó(t)2 ] (3.8)

d2(Gij, G*i,j) désigne la distance euclidienne entre le neurone gagnant et un autre neurone appartenant au voisinage. L'encadré ci-dessous présente l'algorithme de Kohonen dans son utilisation pratique.

3.2. Elaboration de l'ISP

(c) Modification de la taille du voisinage et du coefficient d'apprentissage ç(t);

(d) t = t + 1; end

(1) Data: Entrée X = (x1,...,xn)

(2) Initialisation des poids ùijk avec de petites valeurs aléatoires;

(3) t = 1;

(4) while Tous les noeuds ne sont pas représentés do

(a) Sélection du neurone le plus proche :

(c) Modification des poids pour le neurone (i*,j*) et ses plus proches voisins :

Encadré 1 : Algorithme de Kohonen

ùijk(t + 1) = ùijk(t) + ç(t) (xk - ùijk)

(i*, j*) = arg min

i,j

Xn k=1

(xk - ùijk)2

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 28

3.1.2.2 Application :

Pour notre étude, nous considérons comme variables d'entrée les couples indicateurs-années portant sur les régions. Nous aurons donc en sortie une carte présentant la proximité des régions sur toute la période d'étude (1005-2012). Rappelons que pour l'utilisation d'un réseau de neurones, les valeurs d'entrées doivent être normalisées de sorte à être comprises entre 0 et 1. Pour chaque valeur de l'indicateur social I(·) nous faisons correspondre la valeur normalisée I'(·) donnée par

I(k) - Imin

I'(k) = (3.9)

Imax - Imin

k représente la région étudiée.

3.2 Elaboration de l'ISP

L'objet de cette section est de présenter la démarche d'élaboration de l'Indice Sectoriel de Performances (ISP) qui constituera une base de comparaisons entre collectivités locales suivant les secteurs sociaux. l'ISP étant un indicateur synthétique, il convient de recourir aux méthodes factorielles.

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 29

3.2. Elaboration de l'ISP

3.2.1 Les limites de l'analyse en composantes principales

L'analyse en composantes principales est généralement utilisée dans le calcul d'indicateurs synthétiques à travers les coordonnées factorielles. En effet, l'ACP effectuée sur plusieurs variables permet de recueillir les valeurs propres ëá ainsi que les coordonnées factorielles Gá(i) de chaque individu i sur l'axe factoriel á. L'indicateur est ainsi donné par

> á ëá × Gá(i)

Ii = > (3.10)

á ëá

á variant jusqu'au nombre d'axes factoriels retenus. Cet indicateur est très pertinent dans la mesure où les données sont en coupe instantanée. Dès qu'intervient le facteur temps, il lui devient difficile de rendre compte de la réalité. En effet, il ne tient pas compte de l'aspect autoregressif des variables. De plus, l'indicateur issu de l'ACP n'est pas applicable aux données de panel. Spécifiquement, dans notre étude, il s'agit de construire un indicateur annuel pour chaque région du pays. Le cadre fournit par l'ACP nous permet jute d'avoir un indicateur pour chaque région et pour une année donnée en ne tenant pas compte des autocorrélations d'une année à l'autre. Pour palier ces insuffisances, les modèles d'analyse factorielle dynamique ont été développés et permettent d'obtenir des indicateurs synthétiques mieux adaptés aux données temporelles.

3.2.2 L'analyse factorielle dynamique

L'analyse factorielle dynamique a été introduite par Geweke en 1977 [22] puis reprise par Sargent et Sims en 1977. C'est un modèle permettant de résumer l'information de larges ensembles de données temporelles par des variables inobservables appelées facteurs tout en décrivant la structure des séries étudiées. Ce type de modèle est utilisé pour obtenir des indicateurs synthétiques de même fréquence que les séries composites. Par exemple, Stock et Watson [49] utilisent l'AFD pour la construction et la prévision d'un indicateur synthétique à partir de données macroéconomiques. M. Scrati et G. Arnisano [43] appliquent l'AFD à l'élaboration d'un indicateur du marché du pétrole aux États-Unis et pour résumer le climat des affaires dans l'industrie française, l'INSEE [7] calcule un indice mensuel en se basant sur l'AFD. Dans chacun de ces cas, les résultats se sont révélés concluants et les prévisions étaient de bonne précision.

3.2.2.1 Cadre théorique de l'AFD

On considère que les données sur l'individu étudié sont représentées par un vecteur yjt où j = 1,...,J représente l'indice des variables et t = 1,...,T représente le temps. Le modèle présente yjt en fonction de p facteurs fpt, commune aux séries et d'un terme d'erreur ujt. Fpt et

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 30

3.2. Elaboration de l'ISP

ujt sont supposés suivre des processus AR(1) de sorte que le modèle s'écrive :

{ yjt = a · fpt + ujt fpt = b · fpt-1 + åt upt = c · upt-1 + åt

(3.11)

Dans la formulation 3.11, a est une matrice (J x p) de paramètres; b, une matrice (p x p) des auto-corrélations des facteurs et c la matrice (p x p) d'auto-corrélation des erreurs. L'estimation de ces paramètres se fait par passage à la formulation espace-état du modèle qui rend le calcul de la vraisemblance plus aisé. À l'aide de cette représentation, il sera possible d'utiliser le filtre de Kalman pour calculer la vraisemblance (Voir [31] pour plus de précision sur les modèles espace-état).

3.2.2.2 Extension aux données de panel

Le modèle présenté ci-dessus étudie un ensemble de variables temporelles pour un seul individu. Qu'en est-t-il d'une spécification des données de panel comme dans le cas de notre étude? Nikolaos Zirogiannis et Yorghos Tripodis [54] proposent une généralisation du modèle d'analyse factorielle dynamique pour répondre à cette interrogation. Il utilisent ensuite les résultats pour le calcul d'un indice synthétique annuel de performances pour la comparaison des collectivités locales par rapport aux performances dans le secteur de hydraulique.

Dans le cadre de cette extension, on considère Yij,t comme l'ensemble des données disponibles sur chacun des i = 1, ... , N observations et pour chacune des j = 1, ... , J variables. t = 1, ... , T représente toujours le temps. Nous adoptons les notations suivantes :

(i) Yij est une matrice (T x 1) des observations pour i et j fixés;

(ii) Yt est une matrice (NJ x 1) des observations pour t fixé. Le modèle s'écrit sous la forme suivante :

Yt = A · Ft + ít ít ^-> ./V(0,D) (3.12)

Ft = B · Ft-1 + çt çt ^-> ./V(0, Q) (3.13)

Dans cette approche, A est la matrice (NJ x J) des paramètres ; B, une matrice (N x N) des auto-corrélations des facteurs. Dans cette représentation de type espace-état, la relation 3.12 est l'équation de mesure et la relation 3.13 est l'équation d'état (ou de transition). Par hypothèse, on pose

E(Ft · ít) = E(Ft · çt) = E(ít · çt) = 0 (3.14)

L'estimation de ce modèle est plus délicate à cause de la grande taille de la matrice des données Yt. Les paramètres à estimer étant les matrices A, B, D et Q, la vraisemblance du modèle se met

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 31

3.2. Elaboration de l'ISP

sous la forme

L(A,B,D,Q,Y1,...,YT) = YT f (Y1) · fY (Yt, A, B, D, Q|It-1) (3.15)

t=2

It-1 est la ó-algèbre des valeurs passées (Y1,...,Yt-1). Les auteurs de cette extension de l'analyse factorielle dynamique aux données de panel ont introduit un algorithme d'estimation du modèle défini par les équations 3.12 et 3.13. Celui-ci nommé Two-Cycle Conditional Expectation-Maximization (2CCEM) algorithm procède à une estimation par deux cycles d'itérations, le premier cycle consistant à estimer les paramètres A et D et le second permettant d'estimer les matrices B et Q. Les détails sur l'algorithme 2CCEM peuvent être consultés dans [54].

3.2.2.3 Construction de l'ISP par AFD

Une fois l'estimation des paramètres achevée, les facteurs Ft peuvent être bien déterminés. L'indicateur sectoriel de performances est donc l'espérance de ces facteurs communs, conditionnellement à l'information disponible à la date t - 1.

ISP(t) = E(Ft|It) (3.16)

Pour chaque secteur, il convient de bien choisir les variables qui entrent dans la constitution de l'indice, autrement dit les variables de la matrice Y . Pour notre étude, nous calculons l'ISP pour les régions. Selon les besoins de l'USPITE, nous retenons les secteurs de l'agriculture et de l'éducation (ISPA et ISPE) . Le tableau 3.2 résume les variables sélectionnées pour chacun de ces secteurs selon la disponibilité et la pertinence. Pour finir, l'indicateur obtenu sera normalisé de sorte à ce qu'il soit compris entre 0 et 1 :

ISP(t)i - ISP(t)min

ISP (t)norm = (3.17)
ISP(t)max - ISP(t)min

Notons que cette normalisation est susceptible d'introduire des fluctuations importantes d'une année à l'autre pour une même région. L'ISP doit donc être interprété en terme de note relative d'une région par rapport aux autres et non en terme absolu.

L'application de l'AFD exige que les séries en entrée soient stationnaires. Au cas contraire une autre approche devra être adoptée.

3.2.3 Approche par décomposition de la variabilité totale

Alessando Federici et Andrea Mazzitelli [18] ont proposé une forme de modélisation AFD non probabiliste pour prendre en compte les données temporelles dans le cadre d'une ACP. Ils appliquent

3. Notons que l'ISP peut être construit pour tous les secteurs sociaux et même au niveau départemental

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 32

3.2. Elaboration de l'ISP

leur méthode pour construire un indicateur synthétique à partir des données socioéconomiques de l'OCDE. Considérant la matrice d'entréeYij,t, on décompose la variabilité totale S comme suit :

S = St + S* (3.18)

T

St représente la matrice de la dispersion intra-années (variabilité intra), modélisée par une ACP et S* T représente la dispersion entre les années qui peut donc être modélisée par une relation linéaire du type

z
·
jt = aj + bj · t + åjt, ?t = 1,...,T (3.19)

où les variables z découlent de la standardisation de la matrice Yij,t. L'indice synthétique peut être obtenu à partir de la matrice S* T dans le cas où la régression 3.19 donne des résultats significatifs pour chaque région. Au cas contraire l'ISP est obtenu à partir d'une ACP sur la matrice St. Cette dernière approche sera utilisée ici compte tenu de la fluctuation des données (Voir les graphiques B.1 et B.2). L'ISP est donc donné par :

i2k h=1 a' h · St · ah

ISP (t) = (3.20)

trace(St)

ah représente le vecteur des coordonnées factorielles et k le nombre d'axes considérés. Bien entendu l'ISP obtenu devra être normalisé selon l'équation 3.17 de sorte à être compris entre 0 et 1.

3.2.4 Sélection des variables d'étude

Dans cette étude, nous construisons l'ISP pour l'agriculture (ISPA) et pour l'éducation (ISPE). Pour chacun de ces secteurs, les variables considérées sont représentées dans le tableau 3.2. Il s'agit essentiellement de ratios permettant de mesurer l'efficience d'un aspect donné du secteur considéré.

Tableau 3.2 -- Indicateurs sociaux retenus pour le calcul de l'ISP suivant les secteurs

Secteurs sociaux Variables composites de l'indicateur

Agriculture

Rendement du mil Rendement du sorgho Rendement du maïs Rendement de l'arachide Rendement du niebé Rendement du manioc

Ratio élèves/maîtres au primaire

Éducation Ratio élèves/classes au primaire
Taux Brut se Pré-scolarisation Taux Brut de Scolarisation

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 33

3.3. Généralités sur la conception du système

3.3 Généralités sur la conception du système

3.3.1 Quel type de système?

Plusieurs travaux ont été réalisés dans le cadre de la mise en place soit d'une base de données socioéconomique, soit d'une base de données de suivi des projets. Nous pouvons dans ce cadre citer les travaux de Sandrine Nguiakam qui ont porté sur la « Conception d'une base de données socio-économique des Etats de l'UEMOA [36] » et de Abdul Dosso sur la « Mise en place d'un système d'information pour le suivi des activités liées aux projets de santé à la DIPE [14] ». Ces systèmes étaient basés sur le modèle relationnel supporté par un SGBD centralisé (Access). Cette approche, bien que simple d'utilisation et de mise en oeuvre présente plusieurs inconvénients. En effet, elle ne permet pas un accès concurrentiel aux données. Dans cette approche, une seule machine a le contrôle sur le système rendant ainsi l'accès distant impossible. En outre, la perte de données y est un risque permanent 4 et les types de données pris en charge sont limités 5.

Pour cette étude, nous proposons un système commun englobant la BD socioéconomique et le tableau de bord de suivi des projets. Ceci permet d'optimiser en ressources dans la mesure où certaines entités sont communes aux deux sous-systèmes. Pour palier les insuffisances de l'ap-proche précédente, ce système reposera sur un modèle objet-relationnel mis en interface avec une application Web, le tout reposant sur une architecture client-serveur à 3 composantes 6 (Clients, serveur Web et serveur de données. Voir Graphique 3.1). Ce choix se justifie. D'une part, l'approche objet-relationnel permet la prise en charge de données complexes (shapefiles, images, fichiers pdf etc.) devant être sauvegardées par notre système et aussi l'automatisation de certaines procédures via les déclencheurs (ou triggers). En outre, la mise en place d'une interface web permet aux utilisateurs d'accéder aux informations et d'effectuer des mises à jour via une connexion internet ou un réseau local, ceci même en n'étant pas physiquement présents à leur lieu de travail.

Au vu de ce qui précède, la présente étude consiste donc en l'élaboration d'une application web permettant l'enregistrement, la mise à jour et la consultation de données portant sur les indicateurs socioéconomiques du Sénégal et sur les activités de suivi-évaluation des projets de l'État. La section suivante présente la démarche générale que nous utilisons pour la mise en place de ce système.

4. Il suffit que le fichier Access soit altéré suite à une mauvaise manipulation.

5. Impossibilité de stocker des données SIG par exemple.

6. Cette structuration est encore connue sous le nom d'architecture 3-tiers.

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 34

3.3. Généralités sur la conception du système

Graphique 3.1 -- Architecture globale du système

Station Cliente

Client1

Client2

Machine Serveur

Serveur BD (Post-greSQL/PostGIS)

Réseau (Local ou Internet)

Serveur Web (Apache)

Client3

Client4

Source: Nos travaux

3.3.2 Démarche générale de conception

La première étape dans la conception de toute application informatique est le recueil et l'analyse des besoins des utilisateurs. Ces besoins s'expriment en termes de données et d'applications (besoins fonctionnels). La conception du système se divise ainsi en deux composantes: les données et l'IHM (Interface Homme-Machine) dont la combinaison aboutit au système opérationnel attendu par les utilisateurs. Il sera donc question dans notre étude de procéder à la mise en place de ces deux composantes en insistant à chaque étape sur les influences réciproques qu'ils entretiennent 7. Notre démarche est représentée par le graphique 3.2.

D'une part, l'implémentation de l'IHM commence par une étape d'analyse fonctionnelle qui a pour objectif de définir les interactions entre les utilisateurs et le système. En termes clair, il s'agira ici de recueillir les fonctionnalités que doit proposer l'application à concevoir. L'analyse fonctionnelle aboutira au développement informatique des programmes et applications qui doivent assurer ces fonctions. D'autre part, l'implémentation des structures de données commence par les échanges avec les utilisateurs pour aboutir à un modèle conceptuel de données (MCD). De ce MCD découlera un modèle logique (MLD) puis un modèle physique de données (MPD). Ces deux sous-systèmes (données et IHM), une fois mis en place seront combinés dans une dernière étape d'implémentation des transactions dont l'objectif est de relier les données aux applications. Les sections suivantes

7. En effet, les besoins en données conditionnent l'ossature de l'IHM. Inversement, le besoin fonctionnel joue un rôle important dans la structuration des données.

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 35

3.4. Démarche d'implémentation des structures de données

Graphique 3.2 -- Démarche générale d'implémentation du système

Système

IHM

Étape 8

Système Opérationnel

Étape 2

Analyse Fonctionnelle

Étape 7

Implémentation des Transactions

Étape 4

Conception des programmes et Applications

Étape 1

Recueil et Analyse des bésoins

Données

Application Web (HTML, CSS, JavaScript, PHP, SQL)

Étape 3

Analyse conceptuelle des données

Étape 6

Conception Physique

Étape 5

Conception Logique

Déploiment et utilisation du système

Discussions et échanges avec les commanditaires

Modèle Conceptuel de Données (MCD)

Modèle Logique de Données (MLD)

MPD (PostgreSQL/PostGIS)

Source: Nos travaux

présentent les méthodes d'élaboration des structures de données et de l'IHM.

3.4 Démarche d'implémentation des structures de données

Comme nous l'avons vu à la section 2.3, il existe deux formalismes généralement utilisés pour la représentation schématique des phases de conception d'une BD. Dans la présente étude, nous utiliserons le formalisme UML. Ce choix se justifie d'une part, par le souci d'harmonisation des notations dans notre document. En effet, nous aurons à utiliser plusieurs diagrammes de types UML parmi ceux présentés à la sous-section 2.3.2 pour présenter des réalités non prises en compte par Merise (Voir [45]). D'autre part, les diagrammes de classes UML présentent des extensions les rendant mieux adaptés pour la modélisation de BDOR que les diagrammes EA de Merise.

3.4.1 Le niveau conceptuel

Le MCD cherche à représenter une vue abstraite de la base de données à travers des représentations graphiques indépendantes du support informatique à utiliser. Cette étape de la conception

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 36

3.4. Démarche d'implémentation des structures de données

est très importante dans la mesure où elle conditionne la structure de la base de données qui sera déduite des différents éléments du schéma conceptuel : entités (ou classes), associations et contraintes. En UML, nous parlerons de classes et d'associoations entre ces classes. Une classe est une description abstraite d'un ensemble d'objets de même structure et de même comportement extraits du monde à modéliser. C'est l'équivalent de l'entité dans un formalisme de type EA.

3.4.1.1 Définition des concepts utilisés

La modélisation en UML repose sur un ensemble de concepts. Dans ce qui suit, nous présentons ceux qui seront utilisés dans le cadre de notre étude. Soient A et B deux classes.

Attribut : donnée élémentaire servant à caractériser les classes et les relations. Association : l'association permet de relier une classe à plusieurs autres classes.

Multiplicité : chaque extrémité d'une association porte une indication de multiplicité. Elle exprime le nombre minimum et maximum d'objets d'une classe qui peuvent être reliés à des objets d'une autre classe. Ce nombre est soit 0, 1 ou N. Ainsi, on a les multiplicités suivantes en UML : (0,...,1), (0,...,N), (1,...,1), (1,...,N) et (N,...,N). Ici, les contraintes de multiplicités d'une entité donnée sont lues à partir des autres entités de l'association. Sur le schéma ci dessous par exemple, un élément de la classe A peut être relié à 0 ou plusieurs éléments de la classe B (l'astérisque désigne N).

.

Classe-association : cette notion, spécifique à UML permet d'associer des attributs à une association. L'association entre les classes 'région' et 'indicateur' peut par exemple avoir l'année comme attribut.

Identifiant : L'identifiant d'une classe est un attribut (ou groupe d'attributs) qui permet de définir chaque objet de cette classe de façon unique.

Le MCD provient d'une certaine organisation des éléments ci-dessus de sorte à bien représenter les besoins du domaine d'application. Les multiplicités sont très importantes à cette étape puisqu'elles déterminent la nature des associations entre les classes.

3.4.1.2 Les différents types d'associations

Suivant les multiplicités, on distingue trois types d'associations :

Les associations un-à-un : On utilise une association un-à-un entre les classes A et B si tout objet de A est en rapport au plus avec un objet de B et inversement.

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 37

3.4. Démarche d'implémentation des structures de données

Les associations un-à-plusieurs : On utilise une association un-à-plusieurs entre les classes A et B si un objet de A peut être en rapport avec plusieurs objets de B et pas inversement.

Les associations plusieurs-à-plusieurs : On utilise une association plusieurs-à-plusieurs entre les classes A et B si un objet de A peut être en rapport avec plusieurs objets de B et inversement.

Le tableau 3.3 ci-dessous présente les types d'associations en correspondant aux différentes multiplicités.

Tableau 3.3 -- Multiplicités et types d'associations

Types d'associations Multiplicités

Un-à-un (1, 1)

(0,...,1) -- (0,...,1)

(0,...,1) -- (1,...,1)

(1,...,1) -- (1,...,1)

Un-à-Plusieurs (1, n)

(0,...,1) -- (0,..., *) (0,...,1) -- (1,..., *) (1,...,1) -- (0,..., *) (1,...,1) -- (1,..., *)

Plusieurs-à-Plusieurs (n, n)

(0,...,*) -- (0,..., *) (0,...,*) -- (1,..., *) (1,...,*) -- (0,..., *) (1,...,*) -- (1,..., *)

Source: Nos recherches

3.4.1.3 Règles de validation du modèle conceptuel

Un MCD cohérent doit respecter un certain nombre de règles. Celles-ci permettent de limiter considérablement les risques d'erreurs de modélisation lourdes de conséquences au niveau de la base de données.

Attribut élémentaire : Tous les attributs sont élémentaires en ce sens qu'ils doivent être non décomposables;

Non-redondance : Un attribut doit apparaître une seule fois dans le diagramme, soit au sein d'une classe, soit dans une ou classe-association.

Hormis le caractère élémentaire des attributs et la non redondance, les MCD doivent vérifier un certain nombre de contraintes.

Contrainte de partition : Toutes les occurrences d'une classe participent à l'une des deux associations, mais pas aux deux, ni à aucune des deux;

Contrainte d'exclusivité : Toutes les occurrences d'une classe peuvent participer à l'une des deux associations, mais pas aux deux à la fois;

3.4. Démarche d'implémentation des structures de données

Contrainte de totalité : Toutes les occurrences d'une classe participent au moins à une association;

Contrainte d'inclusion : Toutes les occurrences d'une association doivent être incluses dans les occurrences d'une autre association ;

Contrainte de simultanéité : Entre plusieurs associations, toute occurrence d'une classe liée à une association participe également aux autres.

On distingue aussi les règles de normalisation qui reposent sur les propriétés des dépendances fonctionnelles. Par définition, un attribut b dépend fonctionnellement d'un attribut a si à une valeur de a correspond au plus une valeur de b.

Première Forme Normale : Chaque attribut d'une classe, d'une association ou d'une classe-association possède au plus une seule valeur à un instant donné. Cette normalisation ne sera pas faite dans notre cas puisque pour BD objet-relationnelle, un attribut est susceptible d'avoir plusieurs valeurs 8 ;

Deuxième Forme Normale : Chaque attribut d'une classe doit dépendre fonctionnellement de l'identifiant de la classe. Chaque attribut d'une classe-association doit dépendre simultanément des identifiants des classes connectées à la classe-association ;

Troisième Forme Normale : Chaque attribut doit dépendre d'un identifiant dans le cas d'une

classe, ou de plusieurs identifiants dans le cas d'une classe-association et non d'un autre attribut voisin, lui-même dépendant d'un ou de plusieurs identifiants;

La Forme Normale de Boyce Codd : Aucun attribut d'une classe-association ne doit être en dépendance avec un identifiant d'une des classes connectée à l'association.

De façon pratique, pour l'élaboration du MCD, nous procédons par les étapes suivantes comme le propose Christian SOUTOU ([45]) :

(1) Établir la liste des classes;

(2) Déterminer les attributs de chaque classe en choisissant un identifiant;

(3) Établir les relations entre les différentes classes;

(4) Déterminer les attributs de chaque relation et définir les multiplicités;

(5) Mettre en place les contraintes et vérifier le modèle par la normalisation.

Encadré 2 : Les étapes de la construction du MCD

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 38

8. Par exemple l'adresse d'une maison peut être constituée du numéro de la rue, de la villa etc.

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 39

3.5. Démarche d'implémentation de l'IHM

3.4.2 Le passage au niveau logique

Le modèle logique de données (MLD) est la description de l'architecture des données telles qu'elles seront représentées dans la pratique, indépendamment du support informatique. Le MLD découle directement du MCD par application d'un certain nombre de règles :

Règle 1 : Chaque classe, hormis les classes-associations, devient une table du schéma. L'identifiant de la classe constituera alors la clé primaire de la table.

Règle 2 : Pour les associations un-à-plusieurs, la clé primaire de la classe père 9 migre vers la classe fils où elle devient une clé étrangère.

Règle 3 : Les associations plusieurs-à-plusieurs deviennent des tables dont la clé primaire est constituée des deux clés étrangères provenant de chacune des classes de l'association.

Règle 4 : Une association binaire de type un-à-un est traduite comme une telle quel. Cependant, la clé étrangère se voit imposer une contrainte d'unicité en plus d'une éventuelle contrainte de non vacuité (cette contrainte d'unicité impose à la colonne correspondante de ne prendre que des valeurs distinctes).

Les classes associations : Elles deviennent des tables dont la clé est constituée des identifiants des classes en relation.

3.4.3 Le niveau physique

Le modèle physique est simplement obtenu par la transcription du modèle logique en langage SQL. Le SGBD utilisé pour notre étude est PostgreSQL qui, en plus d'être gratuit propose des extensions pour la prise en compte des données complexes intervenant dans les BD objet-relationnelles.

3.5 Démarche d'implémentation de l'IHM

Les utilisateurs du futur système n'étant pas forcément des informaticiens, il convient de concevoir une Interface Homme Machine afin de faciliter les interactions avec le système. De plus, cette IHM prendra en charge des fonctionnalités non proposées par le SGBD comme la réalisation de graphiques, de cartes et constituera un outil d'échange entre l'USPITE et le monde extérieur (décideurs et public).

9. Celle dont les éléments peuvent être mis en relation avec plusieurs éléments de l'autre classe dite fils.

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 40

3.5. Démarche d'implémentation de l'IHM

3.5.1 Généralités sur l'application

L'IHM de notre étude est une application WEB basée sur le design pattern Model View Controller (MVC). Ce choix n'est pas fortuit. D'une part une application web est plus flexible et accessible à n'importe quel utilisateur, quelle que soit sa position géographique, tant qu'il est connecté au réseau internet (ou plus généralement le réseau sur lequel se trouve la machine hôte de l'application). D'autre part, le design pattern MVC est une manière de présenter les codes de sorte à séparer les couches constituant l'application. Ceci permet de travailler sur chacune d'elles indépendamment des autres. Cette technique est très répandue dans le monde du développement web. Certains auteurs comme [40] en font d'ailleurs la méthodologie centrale pour l'écriture de leurs livres.

Le graphique 3.3 présente le fonctionnement du futur site web. Les utilisateurs, représentés par la station cliente accèdent au systèmes via des navigateurs (Internet Explorer, Google Chrome, Firefox etc.) et un réseau (internet ou local). Ces utilisateurs transmettent des requêtes qui sont interprétées par le serveur d'application et transmises au moteur de données. La réponse de ce dernier est ensuite interprétée toujours par le serveur d'applications et transmise à la station cliente (utilisateur).

Graphique 3.3 -- Fonctionnement du site web

Station cliente

Requêtes

Réponses

Requêtes

Réponses

Informations

Serveur

Fichiers/Données

Programme Serveur

Réseau

Source: Nos recherches

Différents langages de programmation sont utilisés pour la réalisation d'un tel système. Dans notre étude, HTML et CSS seront utilisés respectivement pour la gestion des contenus et de la forme du texte. Nous utiliserons PHP pour la communication entre le serveur d'applications et le serveur de bases de données. SQL est utilisé pour la manipulation des données et JavaScript servira à la mise en place de contrôles pour garantir la cohérence du système.

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 41

3.5. Démarche d'implémentation de l'IHM

3.5.2 Organisation du code : le design pattern MVC

3.5.2.1 Fonctionnement du MVC

Dans le cadre d'une architecture MVC, les données sont gérées par le modèle, la présentation par la vue et l'ensemble est coordonné par les contrôleurs. Le graphe 3.4 présente les interactions entre les composantes. Le contrôleur reçoit la requête provenant du client et l'analyse puis la transmet ensuite au modèle. Il récupère ensuite les informations fournies par le modèle et les transmet à la vue pour présentation à l'utilisateur. Dans la pratique, le contrôleur frontal est représenté par un fichier index.php.

Graphique 3.4 -- Présentation du design pattern MVC

Réponse

Vue

Station cliente

Contrôleur

Requette

Modèle

Source: Nos recherches

3.5.2.2 Rôle des composantes

Le modèle : Le modèle représente le coeur de l'application : traitements des données, interactions avec la base de données, etc. Il décrit les données manipulées par l'application. Il regroupe la gestion de ces données et est responsable de leur intégrité. La base de données sera l'un de ses composants. Le modèle comporte des méthodes standards pour mettre à jour ces données (insertion, suppression, changement de valeur). Il offre aussi des méthodes pour récupérer ces données.

La vue : Sa première tâche est de présenter les résultats renvoyés par le modèle. Sa seconde tâche est de recevoir les requêtes de la part de l'utilisateur. Celles-ci sont envoyées au contrôleur. La vue n'effectue pas de traitement, affiche juste les résultats des traitements effectués par le modèle et interagit avec l'utilisateur.

Le contrôleur : Le contrôleur prend en charge la gestion des événements de synchronisation pour mettre à jour la vue ou le modèle. Il reçoit toutes les requêtes de l'utilisateur et enclenche

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 42

3.6. Les sources de données

les actions à effectuer. Si une action nécessite un changement des données, le contrôleur demande la modification des données au modèle, et ce dernier notifie la vue que les données ont changé pour qu'elle se mette à jour. Il analyse la requête du client et se contente d'appeler le modèle adéquat et de renvoyer la vue correspondant à la demande.

3.6 Les sources de données

Les données utilisées dans cette étude sont des données administratives. Elles proviennent ma-joritairement des Services Régionaux de la Statistique et de la Démographie ainsi que des situations économiques et sociales des régions depuis l'année 2005. Certaines données proviennent du Ministère de l'éducation. Afin de mener à bien l'étude, ces données ont été harmonisées et les indicateurs utilisés dans ce rapport y ont été extraits pour chaque année et pour chaque collectivité locale. Quelques valeurs manquantes à certaines périodes ont été imputées par la moyenne les valeurs aux années précédente et suivante :

I(t) = I(t - 1) + I(t + 1)

d (3.21)

2

 
 

Cette méthode se justifie par le fait que

I(t), étant à mi-chemin des observations I(t - 1) et

I(t + 1) permet un certain lissage de a série concernée et une moindre perte d'informations. Pour finir, notons que les régions de Kaffrine, Kédougou et Sédhiou ne disposent de données que pour les années 2010, 2011 et 2012. Nos résultats sur ces régions se limitent donc à ces trois années.

Conclusion partielle

En résumé, la présente étude est constituée d'une première partie qui vise l'analyse du cadre socioéconomique du Sénégal et d'une seconde partie dont le but est de mettre à la disposition de l'USPITE un système informatique. Les objectifs de ce système sont, d'une part, de doter l'unité d'une BD socioéconomique du Sénégal et d'autre part, de permettre la gestion des projets et programmes de l'Etat. Dans la première partie de l'étude, l'analyse en composantes principales et les réseaux de KOHONEN permettront d'établir une carte des indicateurs en fonction de leur corrélations et une carte des régions en fonction de leur proximité. Il sera ensuite question d'élaborer un Indice Sectoriel de Performance (ISP) qui se fondera sur une analyse factorielle dynamique. L'outil informatique faisant l'objet de la seconde partie de l'étude est une application WEB de type MVC qui interagira avec une BD objet-relationnelle (PostgreSQL/PostGIS). Cette BD sera obtenue après élaboration d'un modèle conceptuel qui sera traduit en modèle logique puis en modèle physique via le langage SQL. Le cadre méthodologique de l'étude étant défini, le chapitre suivant présente les résultats obtenus de l'analyse statistique.

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 43

Chapitre 4

Analyse du cadre socioéconomique du Sénégal

Comme annoncé dans les chapitres précédents, une partie de cette étude sera réservée à l'ana-lyse du cadre socioéconomique du Sénégal. L'idéal aurait été que tous les secteurs sociaux soient abordés. Cependant, compte tenu des contraintes de temps et de données, nous abordons les secteurs essentiels de l'agriculture et de l'éducation. Un panier d'indicateurs retenus pour chacun de ces secteurs servira de base pour l'étude. Celle-ci s'étale sur la période 2005 à 2012. Il sera d'abord question d'étudier l'évolution ces principaux indicateurs (agriculture et éducation) entre les années 2005 et 2012. La seconde section sera consacrée à l'étude des corrélations entre les indicateurs et de la proximité entre les régions. La dernière section sera consacrée à l'étude de l'ISP pour l'agriculture puis l'éducation.

4.1 Évolution des indicateurs entre 2005 et 2012

Dans cette section, nous comparons les valeurs des indicateurs entre les années 2005 et 2012. Cette comparaison permettra de rendre compte de l'écart de productivité pour l'agriculture et de la disponibilité des ressources (humaines et matérielles) dans le domaine de l'éducation pour chaque région. Signalons que les régions de Kaffrine, Kédougou et Sédhiou n'étant créées qu'en 2011 ne disposent pas de données pour 2005.

4.1.1 Agriculture

L'analyse du secteur agricole se fera à travers les rendements des différentes cultures essentielles du pays. Le rendement d'un produit agricole donné est le rapport de la production totale (en kilogrammes) sur la superficie de terre consacrée à ce produit (en hectares). Le rendement permet donc de mesurer l'efficacité du système agricole par rapport à une culture donnée. Nous analysons ici les cas du mil (culture vivrière) et de l'arachide (culture de rente).

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 44

4.1. Évolution des indicateurs entre 2005 et 2012

4.1.1.1 Le rendement du mil

Le mil est avec le maïs et le sorgho les cultures vivrières les plus importantes au Sénégal. Il est très utilisé par les ménages pour la préparation de plats locaux (généralement pour le diner en famille). La tendance générale est à la baisse en ce qui concerne les rendements du mil dans les régions. Comme le montre le graphique 4.1, le rendement du mil a considérablement baissé pour la plupart des régions entre 2005 et 2012. Cette situation pourrait s'expliquer par la montée de la sécheresse durant ces dernières années. En effet, le manque de pluie est davantage marqué d'année en année. A cela s'ajoute la mauvaise gestion des ressources d'eau de la part des paysans ainsi que la dégradation des ressources productives (sols et intrants). Malgré ces difficultés du secteur du mil, certaines régions sont su réaliser un écart positif entre ces deux années. Il s'agit notamment de Dakar, Kaolack, Diourbel, Louga et Matam.

Graphique 4.1 -- Évolution du rendement de mil entre 2005 et 2012

Source : ANSD, Nos calculs

4.1.1.2 Le rendement de l'arachide

L'arachide et le coton sont les principales cultures de rente des paysans sénégalais. Du fait de la non disponibilité de données pour toutes les régions, nous étudions le cas de l'arachide. Cette culture est très développée dans le pays, notamment dans le « bassin arachidier » (correspondant aux régions administratives de Kaolack et Fatick). Ces dernières années, le rendement de l'arachide a connu une tendance à la baisse du fait de d'un contexte international défavorable (prix de l'arachide ). Ainsi, entre 2005 et 2012, l'écart de rendement est négatif pour la plupart des régions. Cet écart est d'autant plus marqué dans les régions du Sine Saloum où l'arachide demeure cependant

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 45

4.1. Évolution des indicateurs entre 2005 et 2012

la principale culture de rente. Les projets de l'État en matière de développement de la culture d'arachide doivent donc être orientés prioritairement vers cette zone afin de redonner tout son sens au nom « bassin arachidier » et d'avoir ainsi un pôle de production d'arachide pour le pays.

Graphique 4.2 -- Évolution du rendement d'arachide entre 2005 et 2012

Source : ANSD, Noas calculs

4.1.2 Éducation

Tout comme pour l'agriculture, le développement de l'éducation dans les pays africains revêt une importance capitale. En effet, aucun pays ne peut viser l'émergence sans une ressource humaine qualifiée et dont les aptitudes répondent aux besoins de développement dudit pays sans accorder une place de choix à l'éducation dans la mise en oeuvre des politiques. Nous étudions ici l'évolution de la couverture des besoins par les ressources allouées à l'éducation à travers les ratios élèves/classes et élèves/maîtres au primaire.

4.1.2.1 Le ratio élèves sur salles de classes au primaire

Le ratio élèves sur salles de classes donne en moyenne le nombre d'élèves par classe. Il fournit une information très intéressante sur les besoins en termes de bâtiments scolaires dans une collectivité locale donnée. Ainsi, cet indicateur permet d'orienter les politiques de construction de salles de classes vers les collectivités locales dont la valeur du ratio est la plus élevée. D'une manière générale, ce ratio est en baisse considérable pour la plupart des régions. L'écart marqué entre les valeurs de 2005 et 2012 est d'autant plus important pour les régions de Dakar, Thiès, Kolda, Kaolack et Ziguinchor. Cette situation résulte sans doute de l'augmentation de la population scolarisable

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 46

4.1. Évolution des indicateurs entre 2005 et 2012

surcompensée la mise en oeuvre des différents projets de construction de bâtiments scolaires. Notons aussi que dans le public, les infrastructures sont vieillissantes voire hors d'usage. Ceci pourrait diminuer les capacités d'accueil pour la jeune génération d'élèves.

Graphique 4.3 -- Évolution du ratio Élèves/Classes entre 2005 et 2012

Source : ANSD & Ministère de l'éducation, Nos calculs

4.1.2.2 Le ratio élèves sur maîtres au primaire

Ici, il est question de mesurer le nombre moyen d'élèves pris en charge par un enseignant au primaire. Ceci permet de voir quelle collectivité locale (région ou département) est prioritaire en matière de formation et d'affectation d'enseignants. La tendance de cet indicateur est a la baisse pour la période considérée dans toutes les régions exceptée Dakar. Notons par ailleurs que l'écart observé est beaucoup plus marqué pour la région de Dakar. Ceci résulte sans doute de l'augmentation de la population de la capitale sénégalaise dû à une forte natalité et à un exode rural important. Il est donc urgent qu'une politique de déconcentration soit mise en oeuvre pour palier cette hausse du ratio. Aussi, il faudra former et affecter plus d'enseignants dans les écoles primaires de la région.

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 47

4.2. Analyse exploratoire

Graphique 4.4 -- Évolution du ratio Élèves/Maîtres entre 2005 et 2012

Source : ANSD & Ministère de l'éducation, Nos calculs

4.2 Analyse exploratoire

4.2.1 Structure des corrélations entre les indicateurs

Pour chaque secteur, nous faisons une analyse en 2005 puis une analyse sur la période 2005 - 2012. Cette dernière se fait en considérant pour chaque indicateur les couples région-année comme individus statistiques.

4.2.1.1 Agriculture

Dans l'agriculture, nous étudions les corrélations entre les rendements des différentes cultures principales. Les données dont nous disposons se rapportent aux cultures suivantes: mil (agric_01), sorgho (agric_02), maïs (agric_03), arachide (agric_04), niebé (agric_05) et manioc (agric_06). Nous étudions dans un premier temps les corrélations à l'année 2005 (nuage de gauche) puis dans un second temps la structure des corrélations sur la période considérée (nuage de droite).

En 2005, nous pouvons remarquer que sur l'ensemble des régions tous les rendements sont positivement corrélés au premier axe factoriel à l'exception du rendement du manioc. Cette corrélation est d'autant plus importante pour le mil, l'arachide et le niebé. Ceci se justifie puisque la plupart des paysans consacre la même parcelle pour ces deux cultures voisines. Sur toute la période 2005 à 2012, la structure des corrélations n'est pas altérée. En effet, le rendement du mil

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 48

4.2. Analyse exploratoire

Graphique 4.5 -- Corrélations des indicateurs de l'agriculture entre 2005 et 2012

Source : ANSD, Nos calculs

reste positivement corrélé avec celui du niebé. Le maïs et l'arachide évoluent aussi dans le même sens. Ces résultats signifient que toute politique mise en oeuvre pour le développement du mil par exemple sera favorable au développement du niebé et vice versa. Il en est de même pour le maïs et l'arachide.

4.2.1.2 Éducation

Les indicateurs de l'éducation que nous considérons ici sont les deux ratios étudiés plus haut en plus des taux brut de scolarisation et de pré-scolarisation (TBS et TBPS). Que se soit en début de période ou tout au long de celle-ci, l'analyse montre que les ratios élèves/classes et élèves/maître sont positivement corrélés (conformément à l'analyse descriptive effectuée plus haut) d'une part et que d'autre part, le TBS est positivement corrélé avec le TBPS.

Cette structure s'explique simplement par le fait que le nombre d'enseignants augmente naturellement avec le nombre de salles de classes d'une part et que d'autre part, l'entrée au primaire est conditionnée par l'entrée au préscolaire. Toute politique visant à améliorer d'un de ces indicateurs devra donc mettre en oeuvre les ressources pour améliorer l'indicateur qui lui est corrélé. Par exemple, un projet de construction de salles de classes supplémentaires dans une localité doit disposer de ressources pour recruter des enseignants supplémentaires.

4.2.2 Étude de la proximité des régions

Ici, l'analyse consistera à établir une carte de proximité des régions en utilisant le réseau de Kohonen (Voir sous-section 3.1.2). Nous optons pour cette méthode à cause de la faible représen-

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 49

4.2. Analyse exploratoire

Graphique 4.6 -- Corrélations des indicateurs de l'éducation entre 2005 et 2011

Source : ANSD & Ministère de l'éducation, Nos calculs

tativité des variables sur les axes factoriels dans l'analyse en composantes principales. Pour cette étude, nous considérons comme variables d'entrée les couples indicateurs-années pour chaque région.

4.2.2.1 Agriculture

En termes de performances agricoles, l'étude nous permet de classer les régions en trois groupes comme indiqué sur le graphique 4.7. En premier lieu, nous avons les régions à fort potentiel agricole constituées du bassin arachidier et des autres régions du sud (Fatick, Kaolack Ziguinchor, Kolda et Tabmacounda). Celles-ci jouissent de conditions pluviométriques favorables au développement des cultures et disposent aussi de très bonnes techniques culturales. Elles pourraient, avec l'appui des autorités, constituer un pôle agricole pour le pays. En second lieu, nous distinguons les régions à potentiel agricole moyen. Il s'agit de Dakar, Diourbel, Thies et Louga. Le dernier groupe de régions agricoles est constitué essentiellement des nouvelles régions (Sédhiou, Kaffrine et kédougou) en plus de la région de Matam. Les efforts en termes d'appui au secteur agricole (fourniture de machines, formation des techniciens etc.) doivent être orientées prioritairement vers ces terroirs.

4.2.2.2 Éducation

Tout comme pour l'agriculture, nous distinguons trois catégories de régions de part les valeurs prises pour les indicateurs du secteur de l'éducation. Dakar et Ziguinchor se distinguent des autres régions et forment ainsi le pôle le mieux pourvu en termes de ressources pour l'éducation. Le pôle vers lequel les efforts des autorités doivent se tourner est constitué de Kaffrine, Kédougou et

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 50

4.2. Analyse exploratoire

Sédhiou. En effet, l'analyse montre que ces régions disposent de moins d'atouts pour le développement de l'éducation. Les performances des autres régions en matière d'éducation peuvent être considérées comme moyennes.

Graphique 4.7 -- Carte de proximité des régions pour l'agriculture

Source : ANSD, nos calculs

Graphique 4.8 -- Carte de proximité des régions pour l'éducation

Source : ANSD & Ministère de l'Education

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 51

4.3. L'indice synthétique de performances

4.3 L'indice synthétique de performances

L'indice synthétique de performances permet de résumer l'information contenue dans l'ensemble des indicateurs relatifs à un secteur donné et de présenter celle-ci en terme de valeur numérique normalisée et comparable entre les régions d'une année à l'autre. Nous utilisons l'approche par décomposition de la variabilité présentée à la section 3.2.3. En effet la courte longueur des séries ne permet pas les différentiations exigées par l'AFD probabiliste. Il en résulte une non convergence des algorithmes de maximisation de la vraisemblance. Le tableau 4.1 montre le cumul la part de variabilité expliquée par les axes factoriels pour l'éducation et l'agriculture. Les résultats suggèrent de retenir deux axes pour chaque secteur (plus de 60% de la variabilité est expliquée).

Tableau 4.1 -- Pouvoir explicatif du premier axe factoriel : ISPA et ISPE

Agriculture

. mat list cum_variability

cum_variability[1,6]

e1 e2 e3 e4 e5 e6

r1 .42957225 .61003135 .76057473 .86355688 .94953262 1

Education

. mat list cum_variability

cum_variability[1,4]

e1 e2 e3 e4

r1 .5671387 .84556107 .96492399 1

4.3.1 Agriculture

Pour ce qui concerne l'agriculture, entre 2005 et 2012, l'ISPA distingue les régions dont les performances se sont accrues des autres régions. Par exemple, les régions de Matam, Diourbel, Thies et Dakar qui avaient une faible note en 2005 ont vu leur performances s'accroitre en 2012. Par contre, les régions de St Louis et Tambacouda ont régressé par rapport à 2005. Notons cependant qu'au cours de la période d'étude, certaines régions ont connu d'importantes fluctuations pour l'ISPA (Voir Graphique B.3).

4.3. L'indice synthétique de performances

4.3.2 Éducation

le constat est presque le même pour l'éducation. Les régions de Matam, Thies, Fatick, Kaolack et Kolda ont régressé par rapport à 2005. Par contre, les régions de St Louis, Louga et Tamba-counda ont réalisé du progrès aucours de la période. Notons ici aussi qu'au cours de cette période, certaines régions ont connu d'importantes fluctuations pour l'ISPA (Voir Graphique B.4).

Graphique 4.9 -- L'ISPA et l'ISPE des régions pour 2005 et 2012

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 52

Source: Nos calculs

Conclusion partielle

De cette étude, nous pouvons retenir que d'une manière générale, les rendements des cultures (mil et arachide) sont en forte baisse dan la plupart des régions, notamment celles du bassin arachidier. Ces dernières pourraient avec l'aide des autorités constituer un pôle agricole à forte valeur ajoutée pour le pays. Notons aussi que les indicateurs liés à l'éducation s'améliorent d'année en année compte tenu des projets entrepris par l'État dans les différentes régions. Il faudrait cependant que ces projets prennent en compte les nouveaux défis en termes d'augmentation de la population

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 53

4.3. L'indice synthétique de performances

préscolarisable et scolarisable. Les indicateurs construits dans cette partie nous renseignent sur les performances des régions au fil des années concernant l'agriculture et l'éducation. Signalons que pour une meilleure représentation de la réalité, ces indicateurs doivent être améliorés d'un point de vue méthodologique de sorte à prendre en compte les fluctuations qui interviennent dans les séries d'entrée.

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 54

Chapitre 5

Implémentation et déploiement du système

La conception du système se déroule en deux phases. La première est consacrée à l'élaboration du schéma global d'organisation des données regroupant le tableau de bord et la BD socioécono-mique. La deuxième phase abordera la conception de l'IHM. Mais avant cela, il est important de fixer les idées sur les possibilités que doit offrir le futur système.

5.1 Quelles fonctionnalités pour le futur système?

La figure 5.1 représente un diagramme de cas d'utilisation UML. IL est utilisé pour représenter les interactions entre le système et les utilisateurs finaux. On distingue trois types d'acteurs à savoir les visiteurs, les membres de l'USPITE et l'administrateur du site. Les visiteurs, externes à l'unité n'auront qu'un droit de consultation des informations, les droits de modification et de mise à jour étant réservés aux membres de l'unité. L'administrateur du système (qui est aussi un membre de l'unité) aura le contrôle total sur toutes les fonctionnalités proposées par l'application. Au cours de la conception du système, nous nous attelerons à developper les fonctionnalités suivantes :

BD socioéconomique :

~ Accès aux indicateurs par zone, par période et par secteur

~ Cartes thématiques, graphiques (suivant le temps et suivant les zones) ~ Exportation des graphiques générés sous format image

~ Création et renseignement de nouveaux indicateurs

Tableau de bord des projets :

~ Consultation de la liste des projets et programmes (ensemble, par zones, par période, par Ministère sectoriel/DG, etc.)

~ Consultation de chaque projet via une fiche synoptique

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 55

5.2. Implémentation des structures de données

~ Mise à jour de chaque projet (création et renseignement d'indicateurs de suivi dans le temps) ~ Gestion des programmes (Consultation des projets de chaque programme et mise à jour)

Le site d'une manière générale

~ Publication des articles et des rapports

~ Gestion des utilisateurs et des droits d'accès ~ Contact de l'unité par les utilisateurs externes

Graphique 5.1 -- Diagramme de cas d'utilisation du système

Source: Nos travaux

5.2 Implémentation des structures de données

5.2.1 Élaboration du modèle conceptuel de données

Au vu des fonctionnalités décrites plus haut et après l'analyse du domaine d'application, nous avons recensé les classes devant faire partie du modèle de données dans le tableau 5.1. Le dictionnaire de données, plus détaillé est présenté au tableau A.1 en annexes. Les règles suivantes permettent d'établir les associations entre les classes.

(i) Un projet a au moins un effet/objectif et un effet/objectif est rattaché à un et un seul projet;

(ii) Un projet a au plus plusieurs extrants et un extrant est rattaché à un et un seul projet (approche GAR) ;

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 56

5.2. Implémentation des structures de données

(iii) Un projet a au plus plusieurs impacts et un impact est rattaché à un et un seul projet (approche GAR) ;

(iv) Un projet appartient à au plus un programme et un programme comporte au moins un projet;

(v) Une structure est attachée à un et un seul Ministère et un Ministère peut en comporter plusieurs;

(vi) Un projet est pris en charge par au moins une structure et une structure n'a pas forcément la charge d'un projet;

(vii) Un projet comporte au moins une activité et une activité est inscrite à un et un seul projet;

(viii) Un projet possède un plan de financement qui peut être révisé au fil du temps;

(ix) Un indicateur peut ou pas être disponible pour un département donnée. Cet indicateur prend une valeur donnée pour une année;

(x) Un bailleur finance soit aucun ou plusieurs projets à un montant donné et un projet peut être financé par plusieurs bailleurs;

(xi) Un indicateur de projet est relatif à un et un seul effet/extrant/impact et un effet/extrant/im-pact peut être capté par plusieurs indicateurs. Ceux-ci peuvent prendre une certaine valeur à une période donnée;

(xii) Un indicateur est relatif à un seul secteur social et un secteur social rassemble plusieurs indicateurs;

(xiii) Une information complémentaire concerne un et un seul projet alors qu'un projet peut avoir plusieurs informations complémentaires;

(xiv) Un projet s'effectue forcément dans un ou plusieurs départements mais un département peu n'abriter aucun projet;

(xv) Un projet s'effectue forcément dans une ou plusieurs régions mais une région peu n'abriter aucun projet;

(xvi) Un utilisateur du système publie aucun ou plusieurs articles et un article est publié par un et un seul utilisateur;

(xvii) Une région comporte au moins un département et un département appartient à une et une seule région;

(xviii) Un indicateur peut ou pas être disponible pour une région donnée. Cet indicateur prend une valeur donnée pour une année;

(xix) A une activité, on affecte au moins une ressource à une quantité donnée. Une ressource n'est pas forcément affectée à une activité.

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 57

5.2. Implémentation des structures de données

Ces associations sont représentées dans le tableau 5.2 en précisant s'il y a lieu des attributs pour les classes-associations. De ces tableaux, découle le diagramme de classes représenté par la figure 5.2. La vérification (manuelle et automatique avec l'outil Power AMC) de ce diagramme permet de le valider le tenant compte des critères énoncés dans la sous-section 3.4.1.3. Pour rappel, il s'agit d'abord de vérifier si les attributs sont élémentaires et non redondants. Ensuite, on vérifie si les contraintes de partition, d'exclusivité, de totalité, d'inclusion et de simultanéité sont respectées. La dernière étape consiste en l'application des trois dernières formes normales.

Tableau 5.1 -- Recensement des classes du modèle

Classe Attributs possibles Commentaire

Activites Identifiant, nom, debut, fin Les activités d'un projet

article Titre, contenu, fichiers L'unité publie des articles

Bailleur Nom du bailleur, commentaires Les bailleurs financent les projets

Plan_Finance Identifiant, Commentaire Plan de financement du projet

Contact Adresse, mail, tel, à propos Coordonnées de l'unité

Departement Identifiant, nom Colectivité locale

Indicateur Social Identifiant, nom Liste des indicateurs sociaux

Indicateurs Projet Identifiant, nom Indicateurs de suivi

Info Complementaire Identifiant, Commentaire Infos complémentaires du projet

Messages Coordonnées, objet, contenu etc. Messages de la part des utilisateurs

Ministères Techniques Identifiant, nom Les MT en charge des projets

Extrants Id, Libelé Un projet a des extrants bien définis

Effets Id, Libelé Un projet a des effets/objectifs bien définis

Impact Id, Libelé Un projet vise un impact sur la population

Programmes Id, libellé, début, fin, financement etc. Ensemble de projets

Projets Matricule, libellé, debut, fin, financement etc. La classe Projet

Region Identifiant et nom Collectivité locale

Ressource Id et type de ressource Ressources du projet

Secteur Social Identifiant et nom Agriculture, l'éducation, santé etc.

Structure Identifiant et nom Structure du MT en charge du projet

Users Login, Mot de passe, etc. Compte des membres de l'unité

Source: Nos travaux

Tableau 5.2 -- Établissement des associations entre les classes

Association

Classe A

Mult. A

Classe B

Mult. B

Attributs 1

Prj_ Extrants

Extrants

0..

Projets

1..1

Année, valeur, source, commentaire

Prj_ Effets

Effets

1..

Projets

1..1

Année, valeur, source, commentaire

Prj_ impact

Impact

0..

Projets

1..1

Année, valeur, source, commentaire

Appartient

Projets

1..

Programmes

1..1

 

attache

Ministeres Techniques

1..1

Structure

1..

 

charge

Projets

0..

Structure

1..

 

comporte

Activites

1..

Projets

1..1

 

prj_plan_ fin

Projets

1..1

Plan Finance

1..

Année, Dépense, Taux d'avancement, commentaire

d_relatif_ is

Departement

0..

Indicateur Social

0..

Année, valeur, source

Ficance

Bailleur

1..

Projets

0..

Montant

ind_relatif_ obj

Objectifs

0..1

Indicateurs Projet

0..

Date, valeur, source

is_relatif_ ss

Indicateur Social

1..

Secteur Social

1..1

 

Possede

Projets

1..1

Info Complementaire

0..

 

pr_localise_ dept

Projets

0..

Departement

1..

 

pr_localise_ reg

Projets

0..

Region

1..

 

publie

Users

1..1

article

0..

 

r_Contient_ d

Region

1..1

Departement

1..

 

reg_relatif_ is

Region

1..

Indicateur Social

0..

Année, valeur, source

res_affecte_ activite

Ressource

1..

Activites

0..1

Valeur

Source: Nos travaux

Graphique 5.2 -- Présentation du Modèle Conceptuel de Données

prj_plan_fin

 

Plan Finance

 
 

- id Plan

- Planification

 
 
 

prj_plan_fin

Programmes

- id programme

- nom_programme

- Cout_Total

- Debut_programme

- Fin_programme

- Organisme_programme

ind mesure ext

ind mesure eff

0..* 0..*

Indicateurs Projet

- id ind p

- nom_ind_p

- Valeur Initaile

Date_Initiale - Valeur cible - Date_Cible

- Annee

- Dep_Effectiv

- Taux_avancement - Comment_Finan

1..* 1..1

prj_impact

- id Projet

- nom_projet

- Objectif_General

- Cout_Initial_rr

- Secteur act

- sous_secteur

- Secteur inst

- Etat finance

- Nature finance

- Nature_Engagement

- Debut_projet

- Fin_projet

- Organisme_Projet

- id service

- nom service

Projets

Structure

charge

1.*

ind_mesure_imp

Ministeres Techniques

- id ministere 1..1

- nom_ministere attache

ind mesure ext

- Annee - Valeurext - source_ext - Comm_Extr

Extrants

- id Extrant

- nom_Extrant - Etat Extrant

Appartient

PrjExtrants

0..1

Effets

- id Effet

- nom Effet - Etat Effet

Impact

- Id Impact

- nom_Impact
- Etat_Impact

0..1

0..1

ind mesure eff

- Annee_Eff

- Valeur eff

- Source_Eff

- Comment Effet

ind_mesure_imp

- Annee_imp - Valeur_imp - Source_imp - Comment_Imp

0..*

prj_Effet

Activites

res_affecte_activite

res_affecte_activite - Valeur_ressource

Users

pr_localise_reg

- username - password - statut

- user email

- nom

- prenom

Bailleur

- id bailleur

- nom bailleur

- commentBailleur

Ressource

- id ressource

- Type_ressurce

publie

article

- id article - Titre_Article - contenu - image

- fichier -

Contact

- id contact - Telephone - email - Adresse - About

Messages

- id message

- Nom auteur

- email auteur

- Tel auteur

- Motif_Message

- Contenu

- Date

comporte

- id activite

 

0..1

- nom activite - debut activite

- fin activite

- debut effectif

- fin effective

- Commentaire acti

 
 

1..*

 
 
 
 
 
 

0.

Ficanc

pr localise_dept

 

Ficance

- Montant

 
 
 
 

1..*

1..?ossede

Departement r_Contient_d

- id departement 1

- nom_departement

reg_relafrf is

Info Complementaire

- id info

d

relatif

is

 

reg_relatif_is

 

- Type_info

- Commentaire

- Annee_ind_reg
- Valeur_ind_reg
- Source_Ind_reg

 
 
 
 
 

Secteur Social

d_relatifis

- id sect social

- Annee_ind_dep
- Valeur_ind_dep
- Source_ind_dep

Indicateur Social

 

- nom sect social

id ind social

1." is_relatif_so

 

- nom_ind_social

11..1

Source : Nos travaux

I

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 60

5.2. Implémentation des structures de données

5.2.2 Passage au modèle logique de données

Le modèle logique de données et obtenu par l'application des règles 1 à 4 énoncées dans la sous-section 3.4.2. Toutes les classes sont d'abord transformées en tables et les identifiants de chaque classe deviennent des clés primaires des tables ainsi formées. Suivant les multiplicités représentées au niveau des associations du MCD, nous obtenons les transformations suivantes :

(i) La clé primaire de la table projet devient clé étrangère de la table Extrants

(ii) La clé primaire de la table projet devient clé étrangère de la table Effets

(iii) La clé primaire de la table projet devient clé étrangère de la table Impacts

(iv) La clé primaire de la table programme devient clé étrangère de la table Projet

(v) La clé primaire de la table MT devient clé étrangère de la table Structure

(vi) L'association charge devient une table dont la clé primaire est constituée des clés de chacune des deux tables

(vii) La clé primaire de la table projet devient clé étrangère de la table Activités

(viii) L'association d_relatif_is devient une table dont la clé primaire est constituée des clés de chacune des deux tables

(ix) L'association Finance devient une table dont la clé primaire est constituée des clés de chacune des deux tables

(x) L'association ind_relatif_obj devient une table dont la clé primaire est constituée des clés de chacune des deux tables

(xi) La clé primaire de la table Secteur Social devient clé étrangère de la table Indicateur Social

(xii) La clé primaire de la table projet devient clé étrangère de la table Infos Complementaires

(xiii) L'association pr_localise_dept devient une table dont la clé primaire est constituée des clés de chacune des deux tables

(xiv) L'association pr_localise_reg devient une table dont la clé primaire est constituée des clés de chacune des deux tables

(xv) La clé primaire de la table Users devient clé étrangère de la table Article

(xvi) La clé primaire de la table région devient clé étrangère de la table Département

(xvii) L'association reg_relatif_is devient une table dont la clé primaire est constituée des clés de chacune des deux tables

(xviii) L'association res_affecte_activite devient une table dont la clé primaire est constituée des clés de chacune des deux tables

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 61

5.2. Implémentation des structures de données

(xix) L'association ind_mesure_eff devient une table dont la clé primaire est constituée des clés de chacune des deux tables

(xx) L'association ind_mesure_ext devient une table dont la clé primaire est constituée des clés de chacune des deux tables

(xxi) L'association ind_mesure_imp devient une table dont la clé primaire est constituée des clés de chacune des deux tables

(xxii) L'association prj_plan_fin devient une table dont la clé primaire est constituée des clés de chacune des deux tables

De ces transformations découle le modèle logique de données représenté par la figure 5.3.

Graphique 5.3 -- Présentation du Modèle Logique de Données

prj_plan_fin

id Proiet <pi fi2> <01

id Plan <pi fil> <0

Annee_SFin Dep_Effectiv Taux avancement Comment_Finan

Plan Finance

Ac

re.

id ressource <pi,fil>j.


· id activite <pi,fi2>

Valeur ressource

pr_localise_reg


· iC region <pi,f2> <0>

id Proiet <pi,fil> <0>

id activite `p <0

id_Projet

nom_activite
debut_acfivite fin_activite debut effectif fin effective Commentaire _ad

·

Users

username 92 <0>

password statut user_email nom prenom

Source : Nos travaux

Ri

id ressource <pi> <0>

Type_ressurce

Programmes

id programme <pi> <O>

nom_programme Cout Total Debut_programme Fin_programme Organisme_programme

ind_mesure_ext

cid Extrant <pi,fil~

id ind p 91fi2:

Annee_Ext Valeur_ext source_ext Comm_Extr

Extrants


·

id Extrant <0>

id_Projet <fi> <0>

nom_Extrant Etat_Extrant

Projets

id Proiet <pi> <O>

Ficance

 
 
 
 

id bailleur <pi fil>'

id Proiet <pi fi2>

Region

 

icon`r72 <0>

Montant

 
 
 
 
 

region

 

article

id article <pi> <O>

username <fi> <O>

Titre Article

contenu

image fichier

reg_relatif_is

id ind social <pi fi2, Contact

id region <pifil

 

id contact <pi> <O>

 
 
 
 
 

Annee_ind_reg
Valeur_ind_reg
Source_Ind_reg

 
 

Telephone email Adresse About

 
 
 
 
 

Messages

id message <p <O>

nom_projet Objecfif_General Cout_Initial_pr Secteur_act sous_secteur Secteur inst Etat_f nance Nature finance Nature_Engagement Debut_projet Fin_projet Organisme_Projet

ind_mesure_eff

cid Effet id ind p <pi fi2>

Annee_Eff Valeur_eff Source_Eff Comment Effet

Effets

id Effet <pi> <O>

id_Projet <fi> <O> nom Effet

Etat Effet

Info Complementaire id info <pi> <O>

id_Projet <fi> <

Type_info Commentaire

Indicateurs Projet

idindp 92 <0>

nom_ind_p <O>

Valeur Initaile Date Initiale Valeur cible Date Cible

ind_mesure_imp

rid Impact <pi fil>1

id ind p <pi fi2>

Annee_imp Valeur_imp Source_imp Comment_Imp

Impact

Id Impact <pi> <0>

id_Projet <f> <O>

nom_Impact Etat_Impact

·

 
 
 

Bailleur

 

pr_localise_dept

id departement <pi fi2> <O>

id Proiet <pi,fil> <O>

 

id bailleur <pi> <(

 
 
 
 

nom bailleur commentBailleur

 
 
 
 
 

1

 
 
 
 

Departement

 
 
 
 
 

id departement 92 <0>

 
 
 
 

id_region <fi> <O>
·

nom_departement

d_relatif_is
·

7- id ind social id departement

Annee_ind_dep
Valeur_ind_dep
,_Source_ind_dep

Indicateur Social

charge

id service <pi,fi2> <O>

id Proiet <pi fil> <O>

Structure

id service <pj <O>

id ministere <fi> <O> nom service

Nom_auteur email auteur Tel auteur Motif_Message Contenu

Date

Ministeres Techniques id ministere <pi> <0>

id ind social <pi> <O>

id_sect_social <fi> <O>

nom ind social

Secteur Social

id sect social <pi> <O>

nom_sect_social

nom_ministere

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 63

5.2. Implémentation des structures de données

5.2.3 Implémentation du modèle physique de données

Les tables du modèles logique sont transcrites sur un support informatique via le langage SQL. Le code ci dessous présente l'exemple de la table projet.

/*==============================================================*/

/* Table : PROJETS */

/*==============================================================*/

CREATE TABLE PROJETS (

ID_PROGRAMME INT4 NOT NULL,

ID_PROJET INT8 NOT NULL,

ID_SA INT4 NOT NULL,

NOM_PROJET VARCHAR(254) NULL,

OBJECTIFGENERAL VARCHAR(254) NULL,

COUT_INITIAL DECIMAL NULL,

SECTEURACT VARCHAR(254) NULL,

SOUSSECTEUR VARCHAR(254) NULL,

SECTEURINST VARCHAR(254) NULL,

ETATFINANCE VARCHAR(254) NULL,

NATUREFINANCE VARCHAR(254) NULL,

NATUREENGAGEMENT VARCHAR(254) NULL,

DEBUTPROJET DATE NULL,

FINPROJET DATE NULL,

ORGANISMEPROJET VARCHAR(254) NULL,

CONSTRAINT PK_PROJETS PRIMARY KEY (ID_PROGRAMME, ID_PROJET)

);

La migration des clés de la table programmes et sous_secteur dans la table projet est représentée en SQL par les code suivants. La même procédure est reprise pour toutes les tables et relations du modèle logique, de sorte à obtenir le modèle physique représenté par le graphique 5.4.

/*===== Exemple de migration de quelques clés vers la table projets =========*/

ALTER TABLE PROJETS

ADD CONSTRAINT FK_PROJETS_APPARTIEN_PROGRAMM FOREIGN KEY (ID_PROGRAMME)

REFERENCES PROGRAMMES (ID_PROGRAMME) ON DELETE RESTRICT ON UPDATE RESTRICT;

Graphique 5.4 -- Présentation du Modèle Physique de Données

pr1_plan_fin

Ressource

id Plan <pk>

Planification

Plan_Finance

id ressource Type_ressurce

id programme S

Projet yg

id Plan Annee SFin Dep_Effectiv Taux_avancement

 
 
 

Users

 

username

<pk>

Acthdtes

 

password statut user_email

 
 

id activite

<pk>

id_programme

<fk>

 

nom

 

id_Projet nom activite

<fk>

 

prenom

 

debut activite

 
 
 

res affecte activite

id ressource <pk,fkl>

id activite <pk fk2>

Valeur ressource

pr_localise_reg

id rection <pk,fk2>

H programme <pk,fkl>

id Projet <pk,fkl>

pr_localise_dept

id departement <pk fk2> id programme <pk fkl>

id region <pk fk2>

kl Projet <pk,fkl>

Projets

id programme <pk,fk>

id Projet <pk>
id_sect_act nom_projet Objectif_General Cout_Initial_pr Secteur_ act

- sous_secteur Secteur inst Etat finance

- Nature_finance Nature_Engagement Debut_projet

Fin_projet

Organisme_Projet

id bailleur <pk,fl

id programme <pk,fl

id Projet <pk,fl

Ficance

id bailleur <pk>

nom_bailleur commentBailleur

Bailleur

Region

id region <pk> region in

A

article

id article <pk>

username <fk> Titre Article contenu image

fichier

Programmes

id programme nom_programme Cout_Total Debut_programme Fin_programme Organisme_programme

 
 
 
 
 

Extrants

 

ind mesure ext

id Extant

<pk-

id Extrant

<pk,fk

 

id_programme

<fk>

<pk,fk

id_Projet nom_Extrant

<fk>

id ind_r

 

Annee Ext

Valeur ext souroe_ext

 
 
 
 

Comm_Extr

 
 
 
 
 
 
 
 

Effets

 
 

charge

Departement

 

ind mesure ef

 
 
 
 
 
 
 
 
 

Info Comp ementaire

 
 
 
 
 
 
 

id departement <pk>

id region <pk,fk>

nom_departement

I

 
 
 

id Effet <~k

id_programme <fk:

id_Projet <fk:
nom_Effet

id service <pk fk2>

id programme <pk,fkl>

id ministers <pk fk2>

id Projet <pk fkl>

 

id Effet id indp Annee_Eff Valeur eff Source_Eff Comment Effi

 
 
 
 
 

id info <~k

id_programme <fk id Projet

Type_ info

 
 
 
 
 
 
 
 

1

Impact

reg_relatif_is

y

Indicateur Social

id ind social <pk>

id sect social <pk tk>

nom ind social

Contact

id contact <pk>

Telephone

email

Adresse

About

Messages

id message <pk>

Nom_auteur email auteur Tel_auteur Motif_Message Contenu

Date

id ind social <pkfk2>

id sect social <pk fk2>

id region <pk *1>

Annee_ind_reg Valeur_ind_reg Source_Ind_reg

Secteur Social

id sect social <pk>

nom_sect_social

Structure

id service <pk>
id ministere <pk tk>
nom_service

Source : Nos travaux

Id Impact <pk>

id_programme <fk>

d_relatif_is

id_Projet <fk>
nom_Impact

id ind social <pk,fk2>

id sect social <pk fk2>

id departement <pk fkl>

id region <pk,fkl>
Annee_ind_dep Valeur_ind_dep Source_ind_dep

Indicateurs Projet

id indp <pk>

nom_ind_p Valeur Initaile

Id Impact d ind_r

ind_mesure_imp

<pk fk2>

Date Initiale

Valeur cible Date Cible

.11

Annee_imp Valeur_imp Source_imp Comment_Imp

 
 
 

Ministeres Techniques

id ministers <pk>

 

nom_ministere

4

 
 

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 65

5.3. Conception de l'IHM

5.3 Conception de l'IHM

Afin de mieux organiser le code suivant le design pattern MVC, nous utilisons CakePHP. C'est est un framework de développement rapide pour PHP, gratuit et open-source. C'est un ensemble d'outils de base pour la création d'applications web. Cake PHP propose des classes prédéfinies pour chaque composant de l'application (modèle, vues, contrôleurs). Les objets sont donc créées à partir de celles-ci.

Création des modèles : Il s'agit ici de la création des variables intervenant dans le système. Chaque table du modèle physique constitue donc un modèle et ceux-ci sont reliés entre eux par des associations. Ici on définit également les règles de validation des données qui doivent être saisies dans les différents formulaires.

Création des vues : Chaque modèle est associé à une ou plusieurs vues. Celles-ci sont généralement relatives à la saisie et à l'affichage des informations recueillies des modèles.

La logique et les contrôleurs : Il s'agit ici d'affecter à chaque modèle les actions et traitements qui doivent être exécutés. C'est aussi le moment d'associer les vues aux modèles pour répondre aux différentes requêtes posées par les utilisateurs.

A cet ensemble est ajouté des feuilles de styles pour organiser les vues et du code JavaScript. Le système obtenu est présenté au chapitre 6.

5.4 Déploiement du système

La solution idéale pour un fonctionnement efficient de ce système est de l'héberger sur un serveur web accessible par le réseau internet. Pour l'heure, l'USPITE ne disposant pas de serveur, une solution intermédiaire est la mise en place d'un réseau local constitué des machines de l'unité. L'une d'entre elles servira de station serveur. Les autres machines (postes clients) reliées au réseau pourront donc accéder au système via une adresse url comme indiqué au graphique 3.1. Le déploiement consiste donc à l'installation du logiciel sur la machine hôte. Ceci se fera à travers les étapes suivantes :

~ Installation du serveur de base de données: Il s'agit dans cette partie d'installer le SGBD PostgreSQL, abritant le serveur de BD. Il faudra ensuite y implémenter la base de données physique.

~ Installation du serveur web: Nous utilisons ici le serveur Apache pour PostgreSQL. Celui-ci permet d'interpréter les scripts PHP qui assurent l'interaction avec la BD.

~ Installation de l'application sur le serveur web: Il s'agit juste de copier le dossier contenant les codes sources de l'application sur la racine du serveur web.

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 66

5.4. Déploiement du système

Conclusion partielle

Au vu des fonctionnalités présentées, nous avons mis en place une structure de données exhaustive prenant en compte les besoins de l'USPITE. Cette application est le fruit de nombreux échanges et séances de travail avec les membres de l'unité. Le système repose sur une base de données de type objet-relationnel PostgreSQL, les utilisateurs interagissant avec cette BD via une application web. Celle ci est développée suivant le design pattern MVC de sorte à séparer les traitements, les données et l'affichage. Cette organisation permet une mise à jour plus aisée de l'application. Les codes sont organisés selon le framework Cake PHP qui fournit de nombreuses fonctionnalités et une facilité de développement. Selon les réalités du terrain, le présent système pourra facilement être mis à jour par l'intégration de nouveaux modules.

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 67

Chapitre 6

Opérationnalisation du système, limites de l'étude et

recommandations

Ce chapitre présente le système conçu au travers de ses diverses fonctionnalités. Il sera principalement question de donner un aperçu sur l'utilisation de la BD socioéconomique, du tableau de bord de suivi des projets et aussi de quelques autres fonctions globales du système. Ce chapitre pourrait aussi servir de guide d'utilisateur pour les membres de l'USPITE. La dernière section est réservée aux limites de l'étude puis recommandations et perspectives pour l'amélioration de l'efficience du système.

6.1 Accueil et authentification

6.1.1 Présentation générale

Depuis un navigateur web (Google Chrome de préférence), il est possible d'accéder au site web mis en place en saisissant l'adresse http://localhost:8091/uspite-plan/ dans la barre d'adresses. On obtient alors la page d'accueil du site représentée par la capture d'écran à la figure 6.1. Cette page d'accueil présente les 7 menus suivants :

Accueil : Page d'accueil du site

BD sociale : Accès des utilisateurs externes aux informations de la BD socioéconomique

Suivi des projets : Accès des utilisateurs externes à la liste des projets et programmes ainsi qu'aux informations qui s'y rapportent

Analyses : Accès aux analyses de disparités et quelques autres analyses effectuées par l'USPITE. C'est ici que peuvent être disponibles les résultats des analyses effectuées au chapitre 4.

Publications : Accès des utilisateurs aux rapport et autres documents ou articles publiés par l'US-PITE.

Contact : Possibilité pour les utilisateurs externes de contacter l'unité

6.1. Accueil et authentification

Administration : Réservé aux membres de l'unité pour le suivi des projets et programmes, la gestion de la BD socioéconomique et d'autres tâches d'administration. L'accès à cette section du site est conditionnée par la disposition d'un nom d'utilisateur et d'un mot de passe telle que présentée à la figure 6.2.

Graphique 6.1 -- Page d'accueil du site

Source: Nos travaux

Graphique 6.2 -- Page d'authentification des utilisateurs

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 68

Source : Nos travaux

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 69

6.1. Accueil et authentification

6.1.2 Le menu Administrateur

Après l'authentification par login et mot de passe, le membre de l'unité est dirigé vers la page représentée par la figure 6.3. Il s'agit du menu de l'administrateur. On y trouve les sous menus suivants :

Gestion des Projets : Il s'agit du menu permettant à l'unité de gérer les projets. Ceci inclut la création, le suivi, l'évaluation, la mise à jour d'indicateurs et le renseignement de toutes les informations ayant trait aux projets. Les fonctionnalités de ce menu sont détaillées dans la section 6.2.

Gestion des programmes : page permettant la coordination d'un ensemble d'un projets dans le cadre d'un programme donné.

BD socioéconomique : C'est ici que l'unité effectue toutes les opérations (Ajout, modification, mise à jour etc.) sur les indicateurs sociaux ainsi que les analyses en vue d'établir des rapports de disparités régionales et départementales. Les fonctionnalités de ce menu sont détaillés dans la section 6.3.

Modifier Contact : Comme son nom l'indique, ce menu permet à l'USPITE d'actualiser ses coordonnées (en cas de déménagement par exemple).

Publier un article : A partir de ce menu, l'unité peut publier des articles, rapports etc.

Gestion des utilisateurs : L'administrateur du système qui est le seul à avoir accès à ce menu aura la possibilité de créer, supprimer et modifier les autorisations des utilisateurs.

Graphique 6.3 -- Page d'accueil de l'administration du site

Source: Nos travaux

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 70

6.2. Utilisation du tableau de bord de suivi des projets

Dans les sections 6.2 et 6.3, les fonctionnalités présentées ne concernent que les membres de l'unité disposant d'un nom d'utilisateur et d'un mot de passe pour accéder au menu administrateur (Graphique 6.3).

6.2 Utilisation du tableau de bord de suivi des projets

Un clic sur le sous menu Gestion des projets dirige l'utilisateur vers la page d'accueil de la gestion des projets (Graphique 6.4). La page est constituée de trois parties : à gauche, le menu administrateur permet de naviguer sans avoir besoin de revenir à la page d'accueil de l'adminis-tration. Au milieu, la liste de projets de l'État avec leurs numéros matricules. Les libelles sont des liens hypertextes. A droite, se trouve un menu du projet sélectionné par clic sur le lien hypertexte (Graphique B.5).

Graphique 6.4 -- Page d'accueil de la gestion des projets

Source: Nos travaux

Lorsqu'aucun projet n'est sélectionné, le menu de droite permet la création d'un nouveau projet par un clic sur le lien qui s'y trouve. Lorsqu'un clic est effectué sur le libellé d'un projet, le matricule et le libellé de celui-ci sont affichés dans le menu de droite. Ce menu contient aussi des sous menus permettant d'effectuer toutes les opérations possibles sur le projet en question. Ces sous menus sont composés des fonctionnalités suivantes :

~ Modifier détails pour mettre à jour les informations générales relatives au projet. Il s'agit principalement de la localisation, des structures en charge du projet, le programme qui abrite le projet - au cas échéant -, les activités ainsi que des informations complémentaires

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 71

6.3. Utilisation de la BD socioéconomique

qui n'auront pas été prises en compte plus haut.

~ Objectifs et Indicateurs pour affecter les objectifs spécifiques - ou effets - au projet ainsi que les indicateurs associés à ces objectifs (Graphique 6.5).

~ Suivi-Evaluation pour mettre jour les indicateurs dans la cadre su suivi des objectifs, effectuer le suivi des activités et faire l'évaluation du projet à un instant donné.

~ Fiche Complète pour afficher un rapport complet sur le projet.

Graphique 6.5 -- Assignation des objectifs spécifiques et des indicateurs de suivi

Source: Nos travaux

6.3 Utilisation de la BD socioéconomique

Le site présente plusieurs fonctionnalités dans le cadre de l'utilisation de la BD socioéconomique dont la page d'accueil est représentée par la figure 6.6.

~ Analyse statique permet d'avoir une vue sur un certain nombre d'indicateurs pour les collectivités locales choisies à une année donnée (figure 6.6). Les résultats sont consignés dans un tableau comportant les indicateurs en ligne et les collectivités locales en colonnes.

~ Analyse dynamique permet, à l'inverse de l'analyse statique d'avoir l'évolution dans le temps de plusieurs indicateurs par rapport à une collectivité locale. Les résultats se présentent sous forme de tableau contenant les indicateurs en ligne et les années en colonnes.

~ Carte thématique permet d'obtenir une carte du Sénégal présentant un indicateur donné en fonction des régions ou départements selon le choix de l'utilisateur.

~ Courbe d'évolution donne l'allure de l'évolution d'un indicateur donné pour une collectivité locale donnée. L'utilisateur sera invité à choisir la période sur laquelle il veut visualiser

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 72

6.3. Utilisation de la BD socioéconomique

la tendance de l'indicateur.

~ Nouvel indicateur permet de créer un nouvel indicateur et de l'affecter à un secteur donné.

~ Création de ratio invite l'utilisateur à sélectionner un numérateur et un dénominateur du ratio à créer (Voir Graphique B.7). Celui-ci, une fois mis en place figurera dans la liste des indicateurs disponibles.

~ Mise à jour donne l'occasion à l'utilisateur de renseigner les valeurs des indicateurs sociaux nouvellement crées ou dont les informations ont été obtenues après la mise en place du

système (Voir Graphique 6.7).

Graphique 6.6 -- Page d'accueil de la BD socioéconomique

Source: Nos travaux

Graphique 6.7 -- Mise à jour des indicateurs sociaux

Source : Nos travaux

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 73

6.4. Limites de l'étude

6.4 Limites de l'étude

La principale limite à cette étude est la fourniture des données pour l'alimentation de la BD so-cioéconomique. Les données provenant des situations économiques et sociales des régions n'étaient pas facile à traiter. En effet, d'une région à l'autre la structure des rapports ainsi que les indicateurs étudiés n'étaient pas les mêmes. De même, dans une même région, la structure des documents peut varier d'une année à l'autre. Cette situation a été la cause du manque de temps pour approfondir l'analyse statistique au chapitre 4.

La méthode proposée par Nikolaos Zirogiannis et Yorghos Tripodis [54] bien que performante pour l'élaboration de l'ISP, n'a pas été utilisée à cause de la longueur des séries étudiées (8 années). En effet, un passage aux différences premières pour rendre les séries stationnaires ferait perdre une valeur sur huit pour chaque région et chaque indicateur. Il en est de même pour un lissage quelconque. Notons aussi que le panier de variables ayant servi pour notre étude aurait pu être élargi de sorte à se rapprocher des réalités de chaque région.

Pour finir, L'USITE ne disposant pas de serveur et les moyens ne permettant pas la mise en place d'un réseau local, le système est actuellement hébergé sur un serveur local qui n'est accessible que depuis la machine hôte. Ceci limite les accès concurrentiels à la BD.

6.5 Recommandations et perspectives

Après la réalisation de cette étude, nos recommandations à l'endroit de l'USPITE sont les suivantes :

1 La possibilité de jumelage de certains projets dans l'agriculture : l'analyse statistique des indicateurs de l'agriculture et de l'éducation nous apporte un certain nombre d'enseignements. D'abord, la structure des corrélations montre que le rendement de certaines cultures évoluent dans le même sens. Ceci étant, les projets de l'État pour améliorer les rendements peuvent être jumelés en un seul projet prenant en compte ces cultures voisines. Par exemple un projet de renforcement de la culture du mil peut être jumelé avec un projet de renforcement de la culture du niebé puisque les rendements de ces deux cultures évoluent dans le même sens. de la même façon, l'arachide et le maïs peuvent être rapprochés.

1 La prise en compte des ressources humaines dans l'enseignement : pour ce qui concerne l'éducation, il est important que les efforts de développement de tel ou tel aspect prennent en compte les aspects connexes. Par exemple, notre étude a montré que les ratios élèves/classes et élèves/maîtres étaient positivement corrélés. Cela signifie que tout programme ou projet

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 74

6.5. Recommandations et perspectives

visant à réduire le nombre d'élèves par classe doit inclure le recrutement et la formation d'enseignants pour ces nouvelles classes.

1 Le maintien et le développement méthodologique de l'ISP : l'indicateur élaboré dans ce document pourrait être étendu aux autres secteurs et même aux départements. Cet indicateur doit aider l'unité, année après année à établir ses rapports de disparités. Pour améliorer sa fiabilité, il convient de renseigner les autres indicateurs sociaux des différents secteurs. De ce fait, l'ISP prendra mieux en compte les réalités spécifiques aux régions/départements et gagnera en robustesse.

1 La migration du système vers un serveur : le système étant actuellement hébergé sur un serveur local, son efficience serait plus importante si il est migré vers un serveur distant accessible depuis le réseau internet. En effet, les utilisateurs externes n'ont aucune vue sur le système actuel. En plus, les membres de l'USPITE ne peuvent y accéder qu'à leur lieu de travail sur des postes reliées à la machine serveur. Ces insuffisances peuvent être surmontées par une migration vers un serveur distant.

1 L'alimentation de la base de données : une autre recommandation est celle relative au renseignement et à la mise à jour des informations de la BD socioéconomique. En effet, l'état actuel du système nécessite le renseignement de plusieurs indicateurs afin d'être pleinement opérationnel. Bien que les secteurs ayant fait l'objet de l'étude statistique aient été renseignés, la BD socioéconomique doit être davantage pourvue en données pour être beaucoup plus utile.

1 L'intégration de nouvelles fonctionnalités au système : à long terme, le système devra être mis à jour de sorte à prendre en compte les nouveaux besoins de l'unité. Les réalités du terrain étant toutes autres, il est impératif de prévoir une maintenance du logiciel.

Conclusion partielle

Dans ce chapitre, nous avons présenté les fonctionnalités principales de l'application web. D'autres fonctions telles que la publication d'articles, la modification des contacts, les consultations par les utilisateurs externes etc. seront amplement abordées lors de la formation des membres de l'unité. Pour une utilisation du système au plein de ses capacités, l'unité doit le faire migrer sur un serveur distant relié à internet puis rechercher et renseigner les indicateurs relatifs aux secteurs sociaux qui n'ont pas pu être abordés dans ce document, faute de temps et de données. Pour finir, soulignons que l'élaboration annuelle de l'ISP pour tous les secteurs, régions et départements doit être maintenue et renforcée afin d'assurer à l'unité une meilleure visibilité du cadre socioéconomique du Sénégal.

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 75

Conclusion générale

La présente étude avait un double objectif. Dans un premier temps, il s'agissait de donner à l'UPITE un aperçu du cadre socioéconomique du Sénégal depuis l'année 2005 aux travers des différents indicateurs sociaux. Les secteurs abordés sont l'agriculture et l'éducation. Dans un second temps l'étude devait déboucher sur un système informatisé constitué d'une base de données so-cioéconomique territorialisée et d'un tableau de bord de suivi des projets et programmes de l'État. Ce système permettra à l'unité d'accomplir pleinement sa mission qui est d'assurer un meilleur suivi des projets et programmes puis d'accompagner l'élaboration des PASER/PASED.

Dans la première partie de l'étude, l'analyse en composantes principales et les réseaux de KO-HONEN ont permis d'établir une carte des indicateurs en fonction de leurs corrélations et une carte des régions en fonction de leurs proximités. Pour l'agriculture, il est ressorti que les rendements de certaines cultures évoluent dans le même sens. Il s'agit d'une part du mil et du niebé et d'autre part de l'arachide et du maïs. Les régions à fort potentiel agricoles sont celles du bassin arachidier aux quelles s'ajoutent Tambacounda, Kolda et Ziguinchor. Les plus faibles performances agricoles sont notées dans les régions de Matam, Sédhiou, Kédougou et Kaffrine. L'indice synthétique de performances agricoles (ISPA) construit dans ce rapport à partir de méthodes factorielles a permis de classer les régions selon leurs performances à chaque année. En ce qui concerne l'éducation, les corrélations sont ressorties d'une part entre les ratios élèves/classes et élèves/maîtres puis d'autre part entre les taux bruts de scolarisation et de pré-scolarisation. En termes de proximité, on note que la région de Dakar est de loin la mieux pourvue en ressources suivie de la région de Ziguinchor. L'urgence des interventions de l'Etat est plus ressentie dans les régions de Kaffrine, Kédougou et Sédhiou. De même que l'ISPA, l'indice synthétique de performances éducatives (ISPE) a permi d'établir des cartes de disparité régionales en matière d'éducation.

Dans la seconde partie de l'étude, nous avons mis en place une structure de données exhaustive prenant en compte les besoins de l'USPITE. Après l'analyse des besoins et échanges avec les membres de l'USPITE, nous avons établi un modèle conceptuel de données. De ce dernier nous avons déduit un modèle logique puis un modèle physique de données. Parallèlement à la mise en place des modèles de données, des applications ont été développées selon les besoins fonctionnels recueillis. Le système final repose sur une base de données de type objet-relationnel PostgreSQL, les utilisateurs interagissant avec cette BD via une application web. Celle ci est développée suivant le design pattern MVC de sorte à séparer les traitements, les données et l'affichage. Cette organisation permet une mise à jour plus aisée de l'application. Les codes sont organisés selon le framework Cake PHP qui fournit de nombreuses fonctionnalités et une facilité de développement. Le système ainsi

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page 76

Conclusion Générale

mis en place propose un éventail de fonctionnalités parmi les quelles gestion et le suivi-évaluation des projets, la création, la mise à jour et l'exploitation de données socioéconomiques.

Cette étude revêt une importance majeure dans la mesure où elle a permis de mettre à disposition de l'unité les outils nécessaires pour le démarrage effectif de ses activités. L'utilisation et surtout le développement des outils mis en place dans cette étude pourra permettre un meilleur suivi des projets de l'État mais aussi une bonne orientation des financements vers les localités les plus nécessiteuses. Le défi majeur pour garantir la stabilité de ce système est la fourniture régulière des données. Dans cette optique, des partenariats doivent être mis en place entre l'USPITE et les structures pourvoyeuses d'informations (ANSD, Ministères techniques etc.).

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page I

Annexes et fiches techniques

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page II

Annexe A

Fiches techniques

A.1 Dictionnaire des données et compléments sur le système

Tableau A.1 -- Dictionnaire des données

Classes et Attributs Type de données Description Commentaire

Classe Programmes

id_programme Entier Identifiant du programme ----

nom_programme Chaîne de caractères Nom du programme ----

Cout_Total decimal Coût total du programme ----

Debut_programme DateTime Date de début du programme ----

Fin_programme DateTime Fin prévue pour le programme ----

Organisme_programme Chaîne de caractères Organisme qui chapeaute l'exécution du programme ----

Classe Régions

id_region Entier Code de la région ----

region Chaîne de caractères Nom de la région ----

Classe Indicateur Social

id_ind_social Entier Cide de l'indicateur social ----

nom_ind_social Chaîne de caractères Nom de l'indicateur social ----

id_ind_p Entier Code de l'indicateur de projet ----

nom_ind_p Chaîne de caractères Nom de l'indicateur de projet ----

Valeur_cible float Valeur cible de l'indicateur de projet ----

Date_Cible date Date d'atteinte de la valeur cible ----

Classe Département

id_departement Entier Code du département ----

nom_departement Chaîne de caractères Nom du département ----

Classe Messages

Suite à la page suivante

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page III

A.1. Dictionnaire des données et compléments sur le système

Classes et Attributs Type de données Description Commentaire

id_message Entier Numéro d'ordre du message Auto Incrementé

Nom_auteur Chaîne de caractères Nom de l'auteur du message ----

email_auteur Chaîne de caractères Email de l'auteur du message ----

Tel_auteur Chaîne de caractères Téléphone de l'auteur du message ----

Motif_Message Chaîne de caractères Motif du message ----

Contenu Chaîne de caractères Contenu du message ----

Date DateTime Date d'envoi du message ----

Classe Contact

id_contact Entier Numéro d'ordre du contact Auto Incrementé

Telephone Entier Numéro de Téléphone de l'Unité ----

email Chaîne de caractères Email de l'Unité ----

Adresse Chaîne de caractères Adresse complète de l'Unité ----

About Chaîne de caractères Brève présentation de l'Unité ----

Classe Article

id_article Entier Numéro d'ordre de l'article ----

Titre_Article Chaîne de caractères Titre de l'article ----

contenu Chaîne de caractères Contenu de l'article ----

image Object Image relative à l'article ----

fichier Object Fichier relatif à l'article Peut être téléchargé

Classe Ministère Technique

id_ministere Entier Code du Ministère ----

nom_ministere Chaîne de caractères Nom du Ministère ----

Classe User

username Chaîne de caractères Identifiant de l'utilisateur ----

password Chaîne de caractères Mot de passe ----

statut Chaîne de caractères Administrateur ou simple membre ----

user_email Chaîne de caractères Email de l'utilisateur ----

nom Chaîne de caractères Nom de l'utilisateur ----

prenom Chaîne de caractères Prénoms de l'utilisateur ----

Classe Projet

id_Projet Entier Matricule du projet ----

nom_projet Chaîne de caractères Libellé du projet ----

Objectif_General Chaîne de caractères Objectif général du projet ----

Cout_Initial_pr decimal Coût initial du projet ----

Secteur_act Chaîne de caractères Secteur d'activité auquel se rapport le projet ----

Suite à la page suivante

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page IV

A.1. Dictionnaire des données et compléments sur le système

Classes et Attributs Type de données Description Commentaire

sous_secteur Chaîne de caractères Sous Secteur d'activité auquel se rapport le projet ----

Secteur_inst Chaîne de caractères Secteur institutionnel auquel se rapport le projet ----

Etat_finance Chaîne de caractères Etat du financement du projet ----

Nature_finance Chaîne de caractères Nature du financement du projet ----

Nature_Engagement Chaîne de caractères Nature de l'engagement ----

Debut_projet DateTime Date de début du projet ----

Fin_projet DateTime Date de fin du projet ----

Organisme_Projet Chaîne de caractères Organisme qui chapeaute l'exécution du programme ----

Classe Structure

id_service Entier Code de la structure ----

nom_service Chaîne de caractères Nom de la structure ----

Classe Extrant

id_Extrant Entier Numéro d'ordre de l'Extrant Auto Incrementé

nom_Extrant Chaîne de caractères Econcé de l'Extrant ----

Etat Chaîne de caractères Extrant réalisé ou pas ----

Classe Effet

id_Effet Entier Numéro d'ordre de l'Effet Auto Incrementé

nom_Effet Chaîne de caractères Econcé de l'Effet ----

Etat Chaîne de caractères Effet atteint ou pas ----

Classe Impact

id_Impact Entier Numéro d'ordre de l'Impact Auto Incrementé

nom_Impact Chaîne de caractères Econcé de l'Impact ----

Etat Chaîne de caractères Impact réalisé ou pas ----

Classe Secteur Social

id_sect_social Entier Code du secteur ----

nom_sect_social Chaîne de caractères Libéllé du secteur ----

Classe Info Complémentaire

id_info Entier Numéro d'ordre de l'information Auto Incrementé

Type_info Chaîne de caractères Type d'information ----

Commentaire Chaîne de caractères Commentaire relatif à l'information ----

Classe-Association d_relatif_is

Annee_ind_dep Entier Année ----

Valeur_ind_dep float Valeur de l'indicateur à cette année ----

Source_ind_dep Chaîne de caractères Source de cette valeur ----

Classe-Association reg_relatif_is

Suite à la page suivante

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page V

A.1. Dictionnaire des données et compléments sur le système

Classes et Attributs Type de données Description Commentaire

Annee_ind_reg Entier Année ----

Valeur_ind_reg float Valeur de l'indicateur à cette année ----

Source_Ind_reg Chaîne de caractères Source de cette valeur ----

Classe-Association ind_mesure_ext

Annee DateTime Date ----

Valeur_ext Entier Valeur de l'indicateur à cette date ----

Source_ext Chaîne de caractères Source de cette valeur ----

Comm_Extr Chaîne de caractères Commentaire sur le suivi de l'extrant ----

Classe-Association ind_mesure_eff

Annee_eff DateTime Date ----

Valeur_eff Entier Valeur de l'indicateur à cette date ----

Source_eff Chaîne de caractères Source de cette valeur ----

Comm_Eff Chaîne de caractères Commentaire sur le suivi de l'effet ----

Classe-Association ind_mesure_imp

Annee_imp DateTime Date ----

Valeur_imp Entier Valeur de l'indicateur à cette date ----

Source_imp Chaîne de caractères Source de cette valeur ----

Comm_imp Chaîne de caractères Commentaire sur le suivi de l'impact ----

Classe Ressource

id_ressource Entier Identifiant de la ressource ----

Type_ressurce Chaîne de caractères Type de ressource (humaines, financières etc.) ----

Classe Activité

id_activite Entier Numéro d'ordre de l'activité Auto Incrementé

nom_activite Chaîne de caractères Enoncé de l'activité ----

debut_activite DateTime Date de début de l'activité ----

fin_activite DateTime Fin prévue pour l'activité ----

Debut_effectif DateTime Démarrage effectif de l'activité Peut être vide

fin_effective DateTime Fin effective de l'activité Peut être vide

Cmmentaire_act Chaîne de caractères Commentaires relatifs à l'activité Peut être vide

Classe-Association res_affecte_activite

Valeur_ressource Chaîne de caractères Valeur de la ressource affectée ----

Classe Bailleur

id_bailleur Entier Code du bailleur de fonds ----

nom_bailleur Chaîne de caractères Nom du bailleur ----

commentBailleur Chaîne de caractères Commentaire relatif au bailleur ----

Suite à la page suivante

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page VI

A.2. Compléments de l'Analyse en composantes principales

Classes et Attributs Type de données Description Commentaire

Classe-Association Montant

Montant long Montant du financement d'un bailleur ----

Classe Plan_Finance

Id_Plan Entier Identifiant du plan de financement Auto Incrementé

Planification Chaîne de caractères Planification du financement ----

Classe-Association prj_plan_fin

Annee Entier Année de l'évaluation ou du suivi ----

Dep_Effectiv float Dépense à cette année ----

Taux_Avancement float Avancement du projet à cette année ----

Comment_Fian Chaîne de caractères Commentaires ----

Source: Nos recherches

Tableau A.2 -- Technologie utilisée pour la conception du système

Fonction Logiciel / Langages

SGBD PostgreSQL (v 9.3) /PostGIS (v 2.1)

Modélisation Power AMC

Notations UML

Langages HTML, CSS, JavaScript, PHP, SQL

Design du site Model View Controller

Serveur Web Apache Entreprise DB

Editeur Komodo Edit 8.5

Navigateur Web Google Chrome

Framework MVC Cake PHP

Librairies JS pour les graphes HightCharts

Librairies JS pour les cartes HightMaps

Analyses statistiques STATA, SPSS, R, Tanagra

A.2 Compléments de l'Analyse en composantes principales

A.2.1 Les aides à l'interprétation

Pour interpreter les résultats de l'ACP sur un ensemble d'individus, on définit les critères suivants :

~ Le cosinus Carré : Il constitue un critère important permettant de mesurer la qualité de la représentation d'un point Qi par projection sur l'axe. Gá(i) étant la coordonnée factorielle de l'individu i sur l'axe á, on a :

Cos2 i = Gá(i) (A.1)

d2(O,Qi)

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page VII

A.2. Compléments de l'Analyse en composantes principales

Plus le Cos2 est proche de 1, plus l'individu est bien représenté sur l'axe factoriel.

~ La qualité de représentation : Elle est comprise entre 0 et 1. Mieux un point est représenté dans le plan factoriel, plus elle est proche de 1. Si k est le nombre d'axes factoriels sélectionnés, la qualité de représentation s'exprime comme suit :

QLTk(i) = Xk Cos2 á(i) (A.2)

á=1

~ La contribution : C'est la contribution de l'individu à la formation de l'axe factoriel. Elle est donné par :

Gá(i)

CRTá(i) = > (A.3)

â Gâ(i)

~ L'originalité d'un point : C'est la distance d'un point i du centre de gravité du nuage des individus. Elle est donnée par :

DISTO(i) = d(i, O) (A.4)

A.2.2 Le choix du nombre d'axes factoriels

Le choix du nombre d'aces factoriels n'est pas fortuit et doit se faire de sorte à ce que le plan factoriel choisi puisse représenter le maximum de l'information disponible dans le tableau de départ. On définit les règles suivantes :

~ Le taux d'inertie: Il donne la part d'information représentée par les k premiers axes factoriels sélectionnés. Il est donné par :

>k á=1 ëá

Rk = × 100 (A.5)

Itotale

La valeur de k est fixée de sorte que Rk = RSeuil, RSeuil étant fixé à priori (généralement 60% à 80%).

~ La règle du coude de Cattel : Elle cherche à identifier les axes les plus riches en information. Comme les ëá forment une suite décroissante, la règle du coude cherche à déterminer sur l'histogramme des valeurs propres l'existence d'un coude ou d'un palier. Le nombre d'axes à retenir correspond alors au coude pour lequel on note une diminution de l'inertie.

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page VIII

Annexe B

Quelques graphiques et tableaux utiles

Tableau B.1 -- Evolution de l'ISPA suivant les régions

Région

2005

2006

2007

2008

2009

2010

2011

2012

DAKAR

0.3980

0.5135

0.1953

0.9974

0.3733

0.5440

0.6412

0.6320

DIOURBEL

0.2304

0.9829

0.3605

0.4004

0.4803

0.6203

0.6511

0.5677

FATICK

0.6131

0.8834

0.0000

0.8432

0.4292

0.6485

0.7261

0.2304

KAFFRINE

 
 
 
 
 

0.4807

0.6228

0.2307

KAOLACK

0.7671

0.9320

0.5224

0.0301

0.5056

0.5031

0.4830

0.3560

KEDOUGOU

 
 
 
 
 

0.1430

0.4628

0.4542

KOLDA

0.9050

0.8929

0.5219

0.5864

0.3745

0.0000

0.6869

0.6232

LOUGA

0.0658

0.2600

0.3550

0.2453

0.7494

1.0000

0.5929

0.4460

MATAM

0.0673

0.5698

0.6278

0.8430

0.4242

0.5600

0.8063

0.3081

SAINT-LOUIS

0.7174

0.7983

1.0000

0.0000

0.3610

0.2176

0.0000

1.0000

SEDHIOU

 
 
 
 
 

0.5292

0.9158

0.4126

TAMBACOUNDA

0.9879

0.9706

0.3860

0.2283

0.9747

0.4292

0.4657

0.0000

THIES

0.0000

0.2401

0.1750

1.0000

0.5225

0.7483

1.0000

0.4317

ZIGUINCHOR

0.6949

0.7244

0.3485

0.6891

0.0000

0.8190

0.3162

0.2296

Source: Nos claculs

Tableau B.2 -- Evolution de l'ISPE suivant les région

Région

2005

2006

2007

2008

2009

2010

2011

DAKAR

0.6094

0.8053

0.0948

0.4614

0.1526

0.6104

0.2359

DIOURBEL

0.0982

0.8208

0.3939

0.9023

0.7435

0.4692

0.1631

FATICK

0.8069

0.6003

0.3353

0.4469

0.1202

0.2420

0.0619

KAFFRINE

 
 
 
 
 

0.8107

1.0000

KAOLACK

0.7154

0.5943

0.3514

0.4374

0.0989

0.3939

0.1299

KEDOUGOU

 
 
 
 
 

0.9298

0.3524

KOLDA

0.8204

0.4919

0.2319

0.4796

0.1934

0.3344

0.0100

LOUGA

0.0280

0.2958

0.0000

0.9548

0.8750

1.0000

0.2761

MATAM

0.7652

0.6934

0.3169

0.3933

0.0000

0.5304

0.0305

SAINT-LOUIS

0.0410

0.3903

0.5177

0.5735

1.0000

0.9015

0.2682

SEDHIOU

 
 
 
 
 

0.0000

0.0000

TAMBACOUNDA

0.0098

0.4779

0.6801

0.6537

0.6090

0.8568

0.3114

THIES

1.0000

0.8572

0.1867

0.0000

0.5898

0.0878

0.1441

ZIGUINCHOR

0.0648

0.2036

1.0000

0.4134

0.5961

0.9085

0.3153

Source : Nos calculs

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page IX

Graphique B.1 -- Evolution des rendements du mil suivant les régions

Source : ANSD, Nos calculs

Graphique B.2 -- Evolution des rendements de l'arachide suivant les régions

Source : ANSD Nos calculs

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page X

Graphique B.3 -- Evolution de l'ISPA suivant les régions

Source: Nos calculs

Graphique B.4 -- Evolution de l'ISPE suivant les régions

Source : Nos calculs

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page XI

Graphique B.5 -- Consultation des détails d'un projet

Source: Nos travaux

Graphique B.6 -- Création d'un projet

Source : Nos travaux

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page XII

Graphique B.7 -- Calcul d'un ratio

Source: Nos travaux

Graphique B.8 -- Publication d'un article par les membres de l'unité

Source : Nos travaux

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page XIII

Bibliographie

[1] Stratégie Nationale de développement Economique et Social 2013 - 2017.

[2] Plan Sénégal Emergent. 2014.

[3] Aubert, J. Bases de données : implémentation avec Access. Technosup (Paris). Ellipses Marketing, 2004.

[4] Bersini, H. La programmation orientée objet. Eyrolles, 2011.

[5] Casals, J., Jerez, M., and Sotoca, S. Exact smoothing for stationary and non-stationary time series. International Journal of Forecasting 16, 1 (2000), 59-69.

[6] Chawdhary, Z. PostGIS QuickStart : Introduction to PostGIS. PostGIS. 2014.

[7] Cornec, M., and Deperraz, T. Un nouvel indicateur synthétique mensuel résumant le climat des affaires dans les services en france. Economie et statistique 395, 1 (2006), 13-38.

[8] Corti, P. e. A. PostGIS Cookbook:. Quick answers to common problems. Packt Publishing

Ltd, 2014.

[9] Darie, C., Bucica, M., and Balanescu, E. Beginning PHP and PostgreSQL E-Commerce : From Novice to Professional. The Expert's Voice in Open Source. Apress, 2006.

[10] DCEF. Programme Triénal d'Investissements Publics 2014-2016. Ministère de L'Economie et des Finances, 2013.

[11] De Jong, P. The likelihood for a state space model. Biometrika 75, 1 (1988), 165-169.

[12] De Jong, P., et al. The diffuse kalman filter. The Annals of Statistics 19, 2 (1991), 1073- 1083.

[13] de Jong, P., and Penzer, J. The arma model in state space form. Statistics & probability letters 70, 1 (2004), 119-125.

[14] Dosso, A. Mise en place d'un système d'information pour le suivi des activités liées aux projets de santé à la dipe. Master's thesis, Ecole Nationale de la Statistique et de l'Economie Appliquée (ENSEA), 2009.

[15] Douglas, K., and Douglas, S. PostgreSQL : A Comprehensive Guide to Building, Programming, and Administering PostgresSQL Databases. Developer's library. Sams, 2003.

[16] DPNCPR. Projet Plan d'Orientation pour le développement Economique et Social 2002-2007 (Xe plan). Ministère du Plan et du développement durable, 2004.

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page XIV

Bibliographie

[17] Drucker, P. Managing For Results. Taylor & Francis, 2012.

[18] Federici, A., and Mazzitelli, A. Dynamic factor analysis with stata. University of Rome La Sapienza (2009).

[19] Forni, M., Hallin, M., Lippi, M., and Reichlin, L. The generalized dynamic-factor model : Identification and estimation. Review of Economics and statistics 82, 4 (2000), 540-554.

[20] Gardarin, G. Bases de données: 5ème tirage 2003. Best of Eyrolles. Eyrolles, 2012.

[21] Geschwinde, E., and Schönig, H. PostgreSQL Developer's Handbook. Developer's Library. Sams, 2002.

[22] Geweke, J. The dynamic factor analysis of economic time series models. University of Wisconsin, 1976.

[23] Hainaut, J. Bases de données - 2e éd. - Concepts, utilisation et développement: Concepts, utilisation et développement. Informatique. Dunod, 2012.

[24] Hall, B., and Leahy, M. Open Source Approaches in Spatial Data Handling. Advances in Geographic Information Science. Springer, 2008.

[25] Hamilton, J. D. State-space models. Handbook of econometrics 4 (1994), 3039-3080.

[26] Hindrayanto, A. I. W. Periodic seasonal time series models with applications to us macroeconomic data.

[27] JAUBERT, L. Conception d'une base de données d'aide à la décision du patrimoine du C.E.A. de Grenoble. CNAM, 2001.

[28] Kropla, B. Beginning MapServer : Open Source GIS Development. Expert's Voice in Open Source. Apress, 2006.

[29] Lardière, S. PostgreSQL : administration et exploitation d'une base de données. Ressources informatiques. Editions ENI, 2007.

[30] Larrousse, N., and Innocenti, E. Création de bases de données. Synthex, synthèse de cours et exercices corrigés. Pearson Education, 2006.

[31] Lemoine, M., and Pelgrin, F. Introduction aux modèles espace-état et au filtre de kalman. Revue de l'OFCE, 3 (2003), 203-229.

[32] MEF. Eude prospective Sénégal 2035. Ministère de l'Economie et des Finances, 2011.

[33] MEF. Plan Sénégal Emergent: Plan d'actions Prioritaires 2014-2018. Ministère de L'Econo-mie et des Finances, 2014.

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page XV

Bibliographie

[34] Mingoti, S. A., and Lima, J. O. Comparing som neural network with fuzzy c-means, k-means and traditional hierarchical clustering algorithms. European Journal of Operational Research 174, 3 (2006), 1742-1759.

[35] Mitchell, T. Web Mapping Illustrated : Using Open Source GIS Toolkits. O'Reilly Series. O'Reilly Media, 2005.

[36] Nguiakam, S. Conception d'une base de données socio-économique des etats de l'uemoa. Master's thesis, Ecole Nationale de la Statistique et de l'Economie Appliquée (ENSEA), 2009.

[37] PNUD. Guide du suivi et de l'évaluation axés sur les résultats, 2002.

[38] Quah, D., and Sargent, T. J. A dynamic index model for large cross sections. In Business cycles, indicators and forecasting. University of Chicago Press, 1993, pp. 285-310.

[39] Richard, M. Coopération pour le Développement: Rapport 2007. Coopération pour le Développement : Rapport. OECD Publishing, 2008.

[40] Rigaux, P. Pratique de MySQL et PHP : Conception et réalisation de sites web dynamiques. Etudes, développement, intégration. Dunod, 2009.

[41] Roques, P. UML 2 : Modéliser une application web. Les cahiers du programmeur. Eyrolles,

2008.

[42] Roy, G. Conception de bases de données avec UML. Presses de l'Universite du Quebec, 2007.

[43] Serati, M., and Amisano, G. Building composite leading indexes in a dynamic factor model framework : a new proposal. Liuc papers (2008).

[44] Shekhar, S., and Xiong, H. Encyclopedia of GIS. Encyclopedia of GIS. Springer, 2008.

[45] Soutou, C. UML 2 pour les bases de données: Avec 20 exercices corrigés. Noire. Eyrolles, 2011.

[46] Soutou, C., and Brouard, F. ULM 2 pour les bases de données: Modélisation, normalisation, génération, SQL, outils - Avec 30 exercices corrigés. Noire. Eyrolles, 2012.

[47] Sow, S. Cours de suivi et Evaluation des projets. ENSAE, 2014.

[48] Stinson, B. PostgreSQL Essential Reference. Essential Reference Series. New Riders, 2001.

[49] Stock, J. H., and Watson, M. W. Dynamic factor models. Oxford Handbook of Economic Forecasting. Oxford University Press, USA (2011), 35-59.

[50] Stones, R., and Matthew, N. Beginning Databases with PostgreSQL : From Novice to Professional. Books for professionals by professionals. Apress, 2005.

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page XVI

Bibliographie

[51] Tardieu, H., Rochfeld, A., and Colletti, R. La méthode MERISE. : Principes et outils. No. vol. 1. Editions d'Organisation, 2000.

[52] Tufféry, S. Data mining et statistique décisionnelle: l'intelligence des données. Technip, 2005.

[53] Watson, M. W., and Stock, J. New indexes of coincident and leading economic indicators.

Macroeconomics Annual 4, 351-409.

[54] Zirogiannis, N., and Tripodis, Y. A generalized dynamic factor model for panel data : Estimation with a two-cycle conditional expectation-maximization algorithm. University of Massachusetts at Amherst Department of Resource Economics, 2013-1 (2013).

[55] Zuur, A., Tuck, I., and Bailey, N. Dynamic factor analysis to estimate common trends in fisheries time series. Canadian journal of fisheries and aquatic sciences 60, 5 (2003), 542- 552.

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page XVII

Table des matières

Liste des tableaux iii

Table des figures iv

Sigles et abréviations vi

Avant propos vii

Remerciements viii

Résumé ix

Abstract x

Introduction Générale 1

0.1 Contexte 1

0.2 Problématique 1

0.3 Objectifs de l'étude 2

0.4 Structuration de ce document 3

1 Cadre général du suivi des projets de l'Etat 4

1.1 La notion de projet 4

1.1.1 Suivi et évaluation des projets 4

1.1.2 La gestion axée sur les résultats 5

1.2 Le système national de planification 6

1.3 Processus d'instruction des projets publics 7

1.3.1 L'évaluation ex-ante 7

1.3.2 L'exécution et le suivi physico-financier 8

1.3.3 L'évaluation ex-post 8

1.3.4 Les limites du système existant 8

1.4 Présentation du SNSPITE 9

1.4.1 Les Unités de Gestion des Projets (UGP) 9

1.4.2 Les ministères techniques 9

1.4.3 L'USPITE 10

1.4.4 Les organes Ad Hoc du SNSPITE 10

Conclusion partielle 11

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page XVIII

 
 

Table des matières

2

Bilan des approches et réalisations en matière de bases de données

2.1 La notion de base de données

2.1.1 Motivation et définition

2.1.2 Les propriétés ACID d'une base de données

2.1.3 Terminologie des bases de données

2.2 Évolution des modèles de bases de données

13

13

13

14

14

15

 
 

2.2.1 Les systèmes de gestion de fichiers

15

 
 

2.2.2 Des modèles hiérarchiques aux modèles en réseau

16

 
 

2.2.3 Le modèle relationnel

16

 
 

2.2.4 L'ère post-relationnelle : Les BD objet

17

 
 

2.2.5 Les défis contemporains : le business intelligence et le Big Data

18

 

2.3

Les méthodes d'analyse

19

 
 

2.3.1 La methode MERISE et le modèle Entité-Association

19

 
 

2.3.2 L'Unified Modeling Laguage (UML)

20

 

2.4

Les Systèmes de Gestion de Bases de Données (SGBD)

21

 
 

2.4.1 Les principales fonctions des SGBD

22

 
 

2.4.2 Architecture des SGBD

22

 

Conclusion partielle

23

3

Approche Méthodologique et sources de données

24

 

3.1

Analyse exploratoire

25

 
 

3.1.1 L'analyse en composantes principales

25

 
 

3.1.1.1 Présentation théorique :

25

 
 

3.1.1.2 Application de l'ACP

26

 
 

3.1.2 La classification automatique par le réseau de KOHONEN

26

 
 

3.1.2.1 Présentation théorique :

27

 
 

3.1.2.2 Application :

28

 

3.2

Elaboration de l'ISP

28

 
 

3.2.1 Les limites de l'analyse en composantes principales

29

 
 

3.2.2 L'analyse factorielle dynamique

29

 
 

3.2.2.1 Cadre théorique de l'AFD

29

 
 

3.2.2.2 Extension aux données de panel

30

 
 

3.2.2.3 Construction de l'ISP par AFD

31

 
 

3.2.3 Approche par décomposition de la variabilité totale

31

 
 

3.2.4 Sélection des variables d'étude

32

 

3.3

Généralités sur la conception du système

33

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page XIX

 
 

Table des matières

 

3.4

3.3.1 Quel type de système?

3.3.2 Démarche générale de conception

Démarche d'implémentation des structures de données

33

34

35

 
 

3.4.1 Le niveau conceptuel

35

 
 

3.4.1.1 Définition des concepts utilisés

36

 
 

3.4.1.2 Les différents types d'associations

36

 
 

3.4.1.3 Règles de validation du modèle conceptuel

37

 
 

3.4.2 Le passage au niveau logique

39

 
 

3.4.3 Le niveau physique

39

 

3.5

Démarche d'implémentation de l'IHM

39

 
 

3.5.1 Généralités sur l'application

40

 
 

3.5.2 Organisation du code : le design pattern MVC

41

 
 

3.5.2.1 Fonctionnement du MVC

41

 
 

3.5.2.2 Rôle des composantes

41

 

3.6

Les sources de données

42

 

Conclusion partielle

42

4

Analyse du cadre socioéconomique du Sénégal

43

 

4.1

Évolution des indicateurs entre 2005 et 2012

43

 
 

4.1.1 Agriculture

43

 
 

4.1.1.1 Le rendement du mil

44

 
 

4.1.1.2 Le rendement de l'arachide

44

 
 

4.1.2 Éducation

45

 
 

4.1.2.1 Le ratio élèves sur salles de classes au primaire

45

 
 

4.1.2.2 Le ratio élèves sur maîtres au primaire

46

 

4.2

Analyse exploratoire

47

 
 

4.2.1 Structure des corrélations entre les indicateurs

47

 
 

4.2.1.1 Agriculture

47

 
 

4.2.1.2 Éducation

48

 
 

4.2.2 Étude de la proximité des régions

48

 
 

4.2.2.1 Agriculture

49

 
 

4.2.2.2 Éducation

49

 

4.3

L'indice synthétique de performances

51

 
 

4.3.1 Agriculture

51

 
 

4.3.2 Éducation

52

 

Conclusion partielle

52

Brice Baem BAGOA, Elève Ingénieur des Travaux Statistiques Page XX

Table des matières

5 Implémentation et déploiement du système 54

5.1 Quelles fonctionnalités pour le futur système? 54

5.2 Implémentation des structures de données 55

5.2.1 Élaboration du modèle conceptuel de données 55

5.2.2 Passage au modèle logique de données 60

5.2.3 Implémentation du modèle physique de données 63

5.3 Conception de l'IHM 65

5.4 Déploiement du système 65

Conclusion partielle 66

6 Opérationnalisation du système, limites de l'étude et recommandations 67

6.1 Accueil et authentification 67

6.1.1 Présentation générale 67

6.1.2 Le menu Administrateur 69

6.2 Utilisation du tableau de bord de suivi des projets 70

6.3 Utilisation de la BD socioéconomique 71

6.4 Limites de l'étude 73

6.5 Recommandations et perspectives 73

Conclusion partielle 74

Conclusion générale 75

Annexes et fiches techniques I

A Fiches techniques II

A.1 Dictionnaire des données et compléments sur le système II

A.2 Compléments de l'Analyse en composantes principales VI

A.2.1 Les aides à l'interprétation VI

A.2.2 Le choix du nombre d'axes factoriels VII

B Quelques graphiques et tableaux utiles VIII

Bibliographie XIII






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"L'imagination est plus importante que le savoir"   Albert Einstein