Qualité

• Assurance de la qualité
• Contrôle de la qualité
• Gestion de la qualité dans les organismes statistiques

La qualité est un facteur essentiel à tous les niveaux du traitement. La réputation de Statistique Canada à titre de meilleur organisme statistique du monde repose sur la qualité de ses données. Pour assurer la qualité d'un produit ou d'un service lors des activités d'élaboration d'une enquête, nous devons recourir à des méthodes d'assurance de la qualité et de contrôle de la qualité.

Assurance de la qualité

L'assurance de la qualité désigne toutes les activités prévues destinées à inspirer la confiance en laquelle un produit ou un service répondra à l'objectif visé et aux besoins des utilisateurs. Dans le contexte des activités d'enquête, l'assurance de la qualité peut avoir lieu à chacune des principales étapes de l'élaboration d'une enquête : la planification, la conception, la mise en oeuvre, le traitement, l'évaluation et la diffusion.

Voici des exemples d'activités prévues :

• améliorer la base de sondage d'une enquête;
• modifier la conception de l'échantillon;
• modifier le processus de collecte des données;
• améliorer les tâches régulières de suivi;
• modifier les procédures de traitement;
• réviser la conception du questionnaire.

L'assurance de la qualité vise à rehausser la qualité en prévoyant les problèmes avant qu'ils ne surviennent et à assurer la qualité par l'utilisation des techniques de prévention et de contrôle.

Contrôle de la qualité

Le contrôle de la qualité est une procédure réglementaire qui permet :

• la mesure de la qualité;
• la comparaison de la qualité avec des normes établies;
• la réaction aux différences.

Par exemple, notons le contrôle de la qualité des activités de codage, d'interviewing et de saisie des données.

Le contrôle de la qualité a pour but d'atteindre un certain niveau de qualité à un coût minimal. Certaines fonctions d'assurance et de contrôle sont souvent accomplies au sein d'une unité d'enquête, surtout lors du codage des données, de la saisie et de la vérification. Certaines procédures sont automatisées, d'autres sont partiellement automatisées et d'autres encore sont entièrement manuelles.

Le tableau suivant fait état des principales distinctions entre l'assurance et le contrôle de la qualité :

Gestion de la qualité dans les organismes statistiques

La qualité des données doit être établie et assurée dans le contexte de la pertinence. La fonction prévue des données et les caractéristiques fondamentales de la qualité influent sur la pertinence des données et des renseignements statistiques. Nous devons aussi tenir compte du type de données que l'utilisateur juge utile.

Dans les organismes statistiques, il n'existe aucune définition uniforme des statistiques officielles. Il existe bien des facteurs de qualité reconnus, mais évolutifs, sous-jacents au concept de la pertinence. Nous devons tenir compte de ces facteurs de qualité et les équilibrer lors de la conception et de la mise en oeuvre du programme statistique de l'organisme.

Donc, comment pouvons-nous définir la qualité? Voyons la liste des facteurs de qualité énoncée ci-dessous :

• La pertinence de l'information statistique reflète la mesure dans laquelle cette information répond aux besoins réels des clients. C'est en examinant cet élément qu'on détermine si l'information disponible permet de mieux comprendre les enjeux qui sont importants pour les utilisateurs. L'évaluation de la pertinence est subjective et est fonction des différents besoins des utilisateurs. Le défi du Bureau consiste à mettre en balance les besoins conflictuels des utilisateurs actuels et potentiels afin d'élaborer un programme qui répond aux besoins les plus importants dans un contexte de ressources limitées.
• L'exactitude de l'information statistique est la mesure dans laquelle l'information décrit correctement le phénomène qu'elle devrait évaluer. Généralement, elle est caractérisée par l'erreur dans les estimations statistiques et est décomposée en composantes de biais (erreur systématique) et de variance (erreur aléatoire). L'exactitude peut également être décrite en fonction des sources d'erreur majeures qui peuvent mener à l'inexactitude (p. ex., couverture, échantillonnage, non-réponse, réponse).
• L'actualité de l'information statistique renvoie à l'intervalle entre le point de référence (ou la fin de la période de référence) auquel se rapporte l'information et la date à laquelle l'information est diffusée. Habituellement, l'actualité se trouve en relation d'équilibre avec l'exactitude. L'actualité de l'information influera sur sa pertinence.
• L'accessibilité de l'information statistique renvoie à la facilité avec laquelle on peut obtenir l'information auprès du Bureau. Cela comprend la facilité avec laquelle on peut certifier l'existence de l'information, ainsi que l'à-propos de la forme ou du médium par le biais duquel on peut accéder à l'information. En outre, le coût de l'information peut représenter un facteur d'accessibilité pour certains utilisateurs.
• L'intelligibilité de l'information statistique reflète la disponibilité de l'information et des métadonnées supplémentaires nécessaires à l'inteprétation et à l'utilisation appropriées des renseignements. Normalement, cette information comprend les variables, les classifications et les concepts sous-jacents utilisés, la méthode de collecte des données et le traitement, ainsi que les indications ou les mesures de l'exactitude de l'information statistique.
• La cohérence de l'information statistique reflète la mesure dans laquelle on peut réussir à regrouper cette information avec d'autres renseignements statistiques dans un cadre analytique général et au fil du temps. L'utilisation de classifications, des populations cibles et de concepts normalisés favorise la cohérence, tout comme l'utilisation d'une méthode commune d'une enquête à l'autre. La cohérence ne sous-tend pas nécessairement l'uniformisation numérique complète.
  

Ces facteurs de qualité tendent à se chevaucher, souvent de manière confuse. Tout comme il n'existe aucune mesure simple de l'exactitude, il n'existe aucun modèle statistique efficace qui regroupe tous ces facteurs de qualité en un seul indicateur. De même, sauf dans les cas simples et unidimensionnels, il n'existe aucun modèle statistique général qui permet de déterminer si un jeu particulier de facteurs offre une meilleure qualité qu'un autre.

L'atteinte d'un niveau de qualité acceptable résulte de la prise en considération, de la gestion et de l'équilibre au fil du temps des divers facteurs ou éléments qui constitue une meilleur qualité. Il en est ainsi de l'attention portée aux objectifs du programme, aux principales utilisations des données, aux coûts de même qu'aux conditions et aux circonstances qui influent sur la qualité des données et les attentes de l'utilisateur. Étant donné que les facteurs de qualité entretiennent des liens complexes, une mesure prise pour corriger ou modifier un des aspects de la qualité tend à influer sur les autres facteurs. En conséquence, l'équilibre entre ces facteurs peut être rompu de manière imprévisible ou non quantifiable au départ. La décision et les mesures qui visent à atteindre cet équilibre reposent sur la connaissance, l'expérience, les analyses, les commentaires, la consultation et, inévitablement, le jugement.