Santé · Culture des données

Données de santé : des chiffres aux décisions

Dr Eric Arnaud Makita Makita · Gabon Data Dialogues · 30 octobre 2026 · 4 min de lecture
Couverture : Données de santé — des chiffres aux décisions

Un chiffre de santé ne parle jamais seul : il a une source, une définition, une couverture — et des absents. Gabon Data Dialogues publie huit planches pédagogiques pour apprendre à lire ces chiffres avant de les partager, et à s'en servir pour décider.

Cinq repères structurent le parcours : la source (un chiffre doit avoir une identité : qui le produit, que compte-t-on, sur quelle période, qui est concerné) ; la couverture (zéro cas déclaré n'est pas zéro donnée — un rapport non reçu ou un territoire non couvert n'est pas une absence de maladie) ; la qualité (complétude, délais, cohérence, doublons : quatre contrôles qui changent la lecture des chiffres) ; la décision (repérer, comprendre, agir, vérifier : une donnée utile éclaire une action) ; et l'évaluation (un outil utilisé n'est pas forcément un outil utile — mesurer les résultats, pas seulement l'activité).

La dernière planche résume l'ensemble en une checklist de cinq questions à poser à tout projet avant d'y ajouter de l'intelligence artificielle : une question sans réponse indique un point à travailler.

Une précision de méthode : ces planches sont une synthèse pédagogique de principes généraux, établie à partir des guides méthodologiques de l'OMS — pas une étude originale. Les situations illustrées sont explicatives, non des résultats d'étude.

Les huit planches

Lire les planches en ligne (8 planches)
Planche 1 — Couverture : Données de santé, des chiffres aux décisions. Peut-on leur faire confiance ? Qui manque dans les données ? À quoi servent-elles ? Cinq repères pour mieux comprendre et mieux agir Planche 2 — Un chiffre doit avoir une identité : avant de le partager, savoir ce qu'il mesure — source, définition, période, méthode, périmètre, version. Cas suspects, cas confirmés et infections estimées ne sont pas la même chose Planche 3 — Zéro cas n'est pas aucune donnée : trois situations à ne pas confondre — zéro cas déclaré, rapport non reçu, territoire non couvert. Même zéro cas déclaré ne garantit pas zéro infection Planche 4 — Vérifier avant d'interpréter : quatre contrôles qui changent la lecture des chiffres — complétude, délais, cohérence, doublons. Plus de cas déclarés ? Vérifier aussi si la remontée des données s'est améliorée Planche 5 — Une donnée utile éclaire une décision, exemple fictif de rapports en retard : repérer, comprendre, agir, vérifier. Pour chaque indicateur : qui agit, quand, et comment vérifie-t-on le résultat ? Planche 6 — Un outil utilisé est-il un outil utile ? Mesurer les résultats, pas seulement l'activité : ce qu'on fait (connexions, rapports, formations) et ce que cela change (moins d'erreurs, moins de retards, meilleure prise en charge). Une amélioration ne prouve pas, à elle seule, que l'outil en est la cause Planche 7 — Avant d'ajouter de l'IA : cinq questions à poser à son projet — la source, la couverture, la qualité, la décision, l'évaluation. Une question sans réponse indique un point à travailler ; une checklist de réflexion, pas une note de performance Planche 8 — Pour aller plus loin : des repères méthodologiques, pas une étude originale. OMS, Data quality assurance, Module 1 (2023) ; OMS, Monitoring and evaluating digital health interventions (2016). Comprendre les données, connaître leurs limites, mieux décider
Sources : OMS, Data quality assurance — Module 1: Framework and metrics (2023) ; OMS, Monitoring and evaluating digital health interventions (2016). Synthèse pédagogique de principes généraux ; les situations illustrées sont explicatives, pas des résultats d'étude. Mise en récit et illustrations : Gabon Data Dialogues.