Cet article a été rédigé par Jishnu Das (Georgetown), Adnan Q. Khan (LSE), Asim I. Khwaja (Harvard) et Anum Malkani (Centre de recherche économique au Pakistan). Cet article est aimablement republié avec les remerciements du blog LSE Covid-19 et vous pouvez lire l'article original ici .

Confrontés à une crise accablante, les gouvernements du monde entier ont dû faire des choix politiques difficiles en réponse au COVID. Résoudre ces défis maintenant - en adoptant un état d'esprit d'apprentissage actif, en permettant une plus grande collaboration et en mettant en place une infrastructure de données robuste - peut nous préparer à mieux atténuer les impacts à moyen et long terme du COVID, ainsi qu'à répondre efficacement aux crises futures , écrivent Jishnu Das (Georgetown), Adnan Q. Khan (LSE), Asim I. Khwaja (Harvard) et Anum Malkani (Centre de recherche économique au Pakistan).

Grâce à un engagement long et approfondi avec les gouvernements de l'Inde et du Pakistan pendant la crise du COVID, il nous est devenu de plus en plus évident que les décideurs politiques étaient paralysés par leur compréhension limitée de la manière d'acquérir les connaissances et les capacités pertinentes. Apprendre à apprendre était quelque chose que le COVID a imposé à de nombreux gouvernements sans la formation ou les outils nécessaires.

Les gouvernements du monde entier étaient handicapés par les limites des modèles standard pour les problèmes politiques. Ils ont eu du mal à concevoir, mettre en œuvre et surveiller les politiques dans le contexte d'un virus dont l'impact varie dans l'espace et dans le temps. Les messages souvent contradictoires de différents experts et disciplines, le manque de coordination efficace entre les différents acteurs politiques et l'efficacité limitée des politiques descendantes qui accordent peu d'attention à l'action des citoyens ont encore contribué à la confusion politique. Le COVID a forcé les gouvernements à se demander comment agir en l' absence de preuves.

Des expertises diverses auraient également pu éclairer divers aspects de la crise. Le rôle des épidémiologistes et des spécialistes des maladies infectieuses est évident pour une réponse à une pandémie, mais nous pouvons également tirer parti des cadres et des boîtes à outils des spécialistes des sciences sociales pour mieux comprendre l'impact de la crise. Des spécialistes de l'éducation pourraient nous aider à comprendre les conséquences des perturbations de la scolarisation sur le développement de l'enfant et sur la future main-d'œuvre. Les experts en comportement et les anthropologues peuvent faire la lumière sur la meilleure façon de concevoir et d'appliquer des interventions de santé publique.

S'il est vrai que dans les pays riches l'arbitrage entre la vie et les moyens de subsistance est une fausse dichotomie, il est moins clair que ce soit également le cas pour les pays à faible revenu. En effet, la littérature suggère un compromis potentiellement plus prononcé dans les pays à faible revenu en raison de la vulnérabilité économique, de l'insécurité alimentaire, de l'informalité et de l'espace budgétaire limité . Cependant, l'absence de données de surveillance régulières a entravé la capacité des États et des organisations à concevoir des stratégies de confinement et de distanciation physique qui pourraient potentiellement atténuer la propagation du COVID sans entraîner la perte de moyens de subsistance et de revenus.

"La concurrence malsaine et le désir d'éviter les reproches ont souvent été une priorité pour les gouvernements."

La collaboration entre les niveaux et les agences gouvernementales d'une manière coordonnée au niveau central mais toujours réactive au niveau local a posé un défi considérable. Par exemple, la vague de travailleurs migrants revenant des zones urbaines vers leurs foyers ruraux après le verrouillage initial en Inde a déclenché une épidémie de COVID en milieu rural qui aurait pu être atténuée par une meilleure coordination des réponses politiques à travers le pays (par exemple, la mise en place de centres de quarantaine et des installations de test avant l'annonce du verrouillage pour se préparer au retour des travailleurs).

Il n'est pas rare de voir différents organismes au sein d'un même gouvernement ne pas coopérer et, dans certains cas, travailler à contre-courant. La concurrence malsaine et le désir d'éviter les reproches ont souvent été une priorité pour les gouvernements tout au long de la pandémie. Une telle concurrence a été apparente dans les États unitaires, où les gouvernements nationaux et locaux sont en conflit, mais a été particulièrement évidente dans les pays fédéralisés, en particulier lorsque les gouvernements central et des États sont issus de partis politiques concurrents, comme au Brésil, aux États-Unis et en Malaisie.

Le juste équilibre entre la politique et l'expertise a également fait systématiquement défaut. De nombreux gouvernements n'ont pas réussi à s'appuyer efficacement sur l'autorité des experts, préférant l'opportunisme politique aux décisions difficiles, tandis que d'autres ont externalisé autant que possible la prise de décision aux experts, dans le but de se soustraire à la responsabilité de l'impact des interventions politiques.

Une voie à suivre : Adopter un état d'esprit d'apprentissage actif

Une réponse à la crise qui fonctionne doit être non seulement claire et décisive, mais aussi flexible et modulaire pour intégrer un apprentissage rapide. Dans un monde incertain, les réponses politiques doivent être fondées sur des données et des preuves et elles doivent être réactives aux données. Pour cela, nous devons reconnaître que nous sommes dans un environnement d'apprentissage marqué par l'expérimentation. Les gouvernements et les décideurs politiques doivent non seulement agir sur la base des connaissances existantes, mais également prendre des mesures pour mieux comprendre les coûts et les avantages de chaque politique et affiner les actions en fonction des nouvelles connaissances.

Dans les situations où les informations préalables sont limitées, nous devons reconnaître qu'il existe un mécanisme bien développé et bien testé pour savoir comment prendre des décisions dans un contexte d'incertitude. En d'autres termes, apprenez en agissant et agissez pour apprendre.

Certaines décisions resteront essentiellement les mêmes , quelles que soient les informations disponibles. Par exemple, il est peu probable que les informations modifient le besoin de tests et d'EPI, une vaccination plus rapide pour les agents de santé ou une communication prudente concernant Covid-19. Dans ces cas, il est inutile d'attendre que l'information soit disponible. Les gouvernements doivent agir immédiatement et communiquer sans équivoque.

Il est préférable de prendre d'autres décisions après la collecte de certaines informations, en particulier si ces informations sont relativement peu coûteuses à collecter. Ces décisions sont celles où plus d'informations peuvent changer la décision. Supposons que vous conduisez une voiture et que vous ne pouvez pas voir au-delà d'un point. On vous a dit qu'au-delà de ce point, soit il y a une falaise et vous mourrez si vous la franchissez, soit il y a une belle prairie où vous pouvez vous arrêter et pique-niquer. La décision évidente est d'arrêter la voiture avant ce point et de vérifier avant de continuer. Pour les pays qui ont imposé des fermetures soudaines comme l'Inde, même une enquête rapide en temps réel aurait pu aider le gouvernement à se rendre compte que les migrants quitteraient rapidement les zones urbaines si une fermeture soudaine était imposée, et cela aurait permis la mise en place de plusieurs mesures d'atténuation. . Les pays peuvent réagir rapidement mais sans se précipiter aveuglément dans les décisions.

"Apprenez en agissant, et agissez pour apprendre."

Lors de la prise de décisions, toutes les informations préalables doivent être utilisées. Les cartes qui nous permettent de mieux comprendre la vulnérabilité sous-jacente des populations afin que les gouvernements puissent entreprendre une stratégie spatialement ciblée en sont un exemple. Comprendre la densité de population dans les zones à l'aide des données de recensement, ainsi que les schémas de mobilité basés sur les données des téléphones portables, pourrait aider à identifier les zones plus sensibles à la propagation des infections et donc susceptibles d'être candidates à des politiques de surveillance et de confinement plus importantes.

Par exemple, les données existantes auraient pu être utilisées pour une meilleure stratification et un meilleur ciblage des réponses. Considérez que les gouvernements décident entre un confinement général et un confinement « gradué », dans lequel certains groupes ont une plus grande liberté de mouvement pour maintenir nos moteurs économiques en marche et offrir ainsi un certain degré de durabilité économique, en particulier pour les pauvres.

Une façon d'y parvenir aurait été de stratifier les risques : les risques d'hospitalisation pour COVID augmentent avec l'âge et les maladies chroniques préexistantes. Par conséquent, permettre une mobilité potentiellement plus importante parmi les jeunes et les personnes en bonne santé tout en protégeant nos aînés aurait pu permettre la reprise de l'activité économique et renforcer progressivement l'immunité de nos populations ; même si les jeunes resteront plus susceptibles d'être infectés.

Une telle stratification des risques pourrait également être ciblée spatialement en maintenant des restrictions plus strictes dans les endroits avec une plus grande agglomération de personnes âgées et/ou de personnes présentant des comorbidités supplémentaires. Par exemple, l'Italie a introduit des mesures de confinement spatialement ciblées basées sur la stratification des risques. Il a mis en place un système à quatre niveaux, les zones présentant des niveaux d'infection plus élevés étant confrontées à des restrictions plus strictes. Le gouvernement aurait pu affiner encore plus finement la stratification en tenant compte des profils de morbidité. Nous ne volons pas complètement aveugles ici. Il existe d'énormes informations préalables qui peuvent être utilisées sur cette question. Cela devrait.

Les gouvernements doivent reconnaître que chaque décision aura un impact sur les résultats d'intérêt et fourniront également des informations supplémentaires. Ce nouvel apprentissage peut éclairer de manière critique le processus décisionnel de demain. Par exemple, considérons une politique de verrouillage d'une partie d'une ville. Bien que l'objectif immédiat de le faire puisse être d'empêcher la propagation de la maladie, comprendre comment les gens réagissent à ces politiques - non seulement en termes de conformité, mais aussi si cela affecte les modèles de mobilité dans d'autres parties de la ville - peut nous aider à comprendre comment de tels verrouillages partiels affecterait la propagation à plus long terme de la maladie. De même, les actions qui génèrent des informations critiques, même si elles conduisent à des avantages immédiats limités, deviennent prioritaires dans une telle perspective. Par exemple, les tests basés sur les eaux usées pour la prévalence de la maladie, bien que moins utiles pour cibler la réponse au traitement, pourraient aider à identifier les zones où la maladie peut se propager. Cela nous éloigne de l'apprentissage passif vers l'apprentissage actif et doit être un élément clé des stratégies dans les pays à revenu élevé et à faible revenu.

En adoptant de telles approches, il est essentiel que les gouvernements utilisent une approche de « grande tente » comprenant des économistes, des scientifiques des données, des spécialistes des maladies infectieuses et de la santé publique, des leaders du secteur technologique, ainsi que des partenaires de test et des ministères - et que les gouvernements adaptent ce groupe à la crise spécifique rencontrée. Les efforts pour rassembler de larges coalitions et des expertises diverses doivent être systématiquement faits, car les disciplines ne se coordonnent souvent pas naturellement les unes avec les autres.

Améliorer la coordination et renforcer la capacité de l'État à répondre aux crises

Bien que la performance soit corrélée à la capacité existante de l'État, l'hétérogénéité des réponses politiques à la COVID démontre que les gouvernements dotés d'une capacité étatique élevée peuvent être insuffisants, tandis que les gouvernements ayant une capacité plus limitée peuvent formuler des réponses politiques rapides et efficaces à la pandémie. Le test clé d'une réponse dynamiquement efficace consiste à savoir si les gouvernements peuvent tirer parti de l'expérience actuelle pour renforcer la capacité de l'État à répondre aux crises à l'avenir. Cela dépend dans une large mesure des politiciens qui tirent parti de l'expérience du sacrifice partagé dans un sens d'objectif commun qui justifie et sous-tend un changement dans les politiques futures.

"La numérisation des données de recensement est essentielle et peut apporter d'énormes avantages."

Pour créer un état d'apprentissage capable de se coordonner entre les acteurs concernés, il est d'abord important de préparer des plans et des modèles et d'introduire des structures organisationnelles basées sur les connaissances actuelles pour gérer les crises potentielles. Ces plans doivent être flexibles et pouvoir être révisés et affinés en fonction des nouvelles connaissances. Les gouvernements doivent créer de nouvelles structures face aux crises. Ces structures ne doivent pas nécessairement exister à l'avance mais peuvent être introduites à mi-parcours, créées sur la base de nouvelles connaissances, et elles ne sont pas non plus l'apanage des seuls pays riches et dotés de ressources importantes. Par exemple, le Libéria et la Sierra Leone ont pu créer des structures rapides, plates et flexibles pour faire face avec succès à l'épidémie d'Ebola.

Deuxièmement, il est essentiel de créer des structures centrales capables de se coordonner entre les agences, de responsabiliser le leadership distribué et les acteurs décentralisés, de permettre l'innovation locale et de diffuser l'apprentissage actif par l'expérimentation. L'entité centrale peut également assurer une concentration suffisante sur la réponse d'urgence à court terme à la crise ainsi que sur le travail analytique à moyen et long terme pour augmenter la préparation en construisant des structures plus robustes, capables et autocorrectrices.

Troisièmement, pour créer une culture d'apprentissage et de coopération, les gouvernements doivent trouver des moyens d'échapper aux guerres de territoire organisationnelles et aux jeux de blâme. Pour ce faire, il est préférable de créer des normes et des procédures de partage du crédit pour les innovations et les succès politiques, et des processus similaires pour atténuer le blâme en cas d'échec.

Quatrièmement, il est essentiel de renforcer les capacités d'utilisation et d'analyse des données dans les organismes publics concernés par les crises. Étant donné que les formations généralisées sont rarement efficaces, cette capacité doit être liée à l'apport de réponses concrètes et à l'appui à des décisions et actions spécifiques.

Préparer l'infrastructure de données pour la réponse à la crise

Les crises nécessitent une action immédiate et les retards peuvent être très coûteux. Dans le contexte du COVID et d'autres pandémies de santé, la paralysie des politiques pourrait entraîner une propagation non atténuée de la maladie. Il est essentiel de créer des systèmes d'information/de données pour soutenir une prise de décision efficace et rapide. Mais plutôt que de construire des systèmes à partir de zéro au milieu d'une crise, ou d'agir aveuglément en l'absence de tels systèmes, les gouvernements doivent planifier des stratégies et construire une infrastructure de données avant qu'une crise ne frappe.

La numérisation des données de recensement est essentielle et peut apporter d'énormes avantages pour la prestation de services. Les gouvernements devraient investir maintenant dans la mise en place de systèmes préexistants d'infrastructure de données numérisées et géocodées superposées à des données utiles (données démographiques, du secteur public et nouvelles sources de données numériques), ainsi qu'à des protocoles pour les activer, y accéder et s'appuyer sur ceux-ci dans en temps réel pour soutenir la coordination en cas d'urgence par les acteurs publics, privés et à but non lucratif. Deuxièmement, les gouvernements peuvent prendre un certain nombre de mesures pour construire une infrastructure de données qui exploite les sources de données existantes, en particulier les données administratives, et qui normalise et relie différents ensembles de données. Ce faisant, il est important de travailler avec le secteur privé pour exploiter en toute sécurité les « mégadonnées » par le biais des enregistrements mobiles, de la consommation d'électricité et d'autres sources, et pour concevoir des mécanismes volontaires permettant aux citoyens de partager les données pertinentes, tout en veillant à ce qu'elles soient effectuées en ligne avec des protocoles de partage de données et d'anonymat.

Enfin, bien qu'il soit important de faire preuve de créativité dans notre façon de penser les données, les besoins en matière de données et de technologies doivent être directement liés aux besoins politiques. Les enquêtes existantes à grande échelle auprès des ménages peuvent être remplacées ou complétées par de nouvelles sources de données basées sur la technologie, telles que les enregistrements détaillés des appels (CDR), les données satellitaires et la consommation d'électricité. Cependant, avant de le faire, il faut définir clairement quels types de données sont utiles aux chercheurs et aux décideurs, établir comment ces données peuvent contribuer aux programmes de développement et aux efforts humanitaires, et construire des cadres solides autour de la confidentialité et de la sécurité des données.

Jishnu Das est professeur à la McCourt School of Public Policy et à la Walsh School of Foreign Service de l'Université de Georgetown. Adnan Q. Khan est directeur académique et professeur en pratique à la School of Public Policy, LSE. Asim Ijaz Khwaja est directeur du Center for International Development et de la Sumitomo-Foundation for Advanced Studies on International Development Professeur de finance internationale et de développement à la Harvard Kennedy School, et co-fondateur du Center for Economic Research in Pakistan (CERP) . Anum Malkani est directeur - Policy Advisory au Centre de recherche économique au Pakistan.

👋 Vous pouvez créer une publication comme celle-ci ! Partagez vos réflexions avec une communauté de fonctionnaires. Apprendre encore plus

(Crédit image : Unsplash)