IV Niveaux 1 et 2 du Modèle Générique du Processus ... - unece

Groupes de travail communs UNECE / Eurostat /OCDE sur les métadonnées
statistiques (METIS) Modèle générique du processus de production statistique
Version 4.0 - Avril 2009 Secretariat de l'UNECE [1]
I. Contexte 1. Les groupes de travail communs UNECE / Eurostat /OCDE sur les
métadonnées statistiques ont préparé, au cours de ces dernières années, un
cadre commun des métadonnées (CMF)[2]. La partie C de ce cadre s'intitule
« Métadonnées et cycle statistique ». Cette partie fait référence aux
phases du processus de production statistique (aussi appelé chaîne de
valeur ajoutée statistique ou cycle statistique) et fournit des termes
génériques pour les décrire.
2. Au cours d'un atelier d'avancement de la partie C du CMF, tenu à
Vienne en juillet 2007[3], les participants ont convenu que le modèle
actuellement utilisé par Statistics New Zealand, augmenté des phases
« Archivage » et « Evaluation » pourrait fournir une base adéquate pour le
développement d'un modèle générique du processus de production statistique
(GSBPM). Une première version du GSBPM a été présenté par le secrétariat de
l'UNECE à la réunion de travail METIS à Luxembourg en avril 2008[4]. Après
deux tours de commentaires, un autre atelier s'est tenu à Lisbonne en mars
2009[5] pour finaliser le modèle. La version actuelle du modèle (version
4.0) a été approuvée par le comité directeur de METIS pour une diffusion
publique en avril 2009. Cette version, considérée comme définitive au
moment de sa parution, devra probablement être mise à jour dans les années
à venir, soit pour prendre en compte des expériences d'application pratique
du modèle, soit pour refléter l'évolution de la nature même de la
production statistique. Le lecteur est donc invité à visiter le site
www.unece.org/stats/gsbpm pour s'assurer d'avoir la dernière version. II. Le modèle Objectif 3. La première intention était de fournir aux instituts de statistique
la base d'un accord sur une terminologie commune et de les aider dans leurs
discussions sur le développement de processus et de systèmes de métadonnées
statistiques. Le GSBPM doit donc être vu comme un outil flexible pour
décrire et définir l'ensemble des processus opérationnels nécessaires pour
produire les statistiques officielles.
L'utilisation du modèle peut aussi s'envisager dans des contextes
distincts, mais souvent connexes, comme l'harmonisation des infrastructures
de calcul statistique, l'aide au partage des composants logiciels,
l'explicitation, dans un guide utilisateur, de l'utilisation de SDMX
(système d'échange de données et métadonnées statistiques) au sein d'un
institut statistique, ou enfin, pour fournir un cadre à la certification et
l'amélioration de la qualité des processus.
Ces autres aspects, pour lesquels le GSBPM peut être utilisé, sont
développés dans la section VI. Champ d'application 4. Le GSBPM vise à s'appliquer à toutes les opérations mises en ?uvre
par les producteurs de statistiques officielles, que ce soit au niveau
national ou international, aboutissant à la diffusion de données. Il est
conçu de manière à être indépendant de la source de données, et il peut
donc être utilisé pour la description et la certification des processus
basés sur des enquêtes, des recensements, des données administratives,
ainsi que pour d'autres sources non-statistiques ou mixtes. 5. Alors que le processus statistique standard inclut généralement la
collecte et la compilation de données brutes pour produire des produits
statistiques, le GSBPM s'applique aussi aux cas où des données existantes
sont révisées ou lorsque des séries temporelles sont ré-estimées, soit du
fait de données plus nombreuses ou de meilleure qualité, soit du fait d'un
changement de méthodologie. Dans ces cas, les données en entrée de
processus proviennent de la statistique précédemment publiée, et sont alors
utilisées et analysées pour produire des données révisées. Dans de tels
cas, il est vraisemblable que plusieurs sous-processus voire certaines
phases (notamment les premières) ne seront pas effectuées. 6. De la même façon qu'il s'applique à tous les processus aboutissant à
des statistiques, le GSBPM peut aussi s'appliquer au développement et à la
maintenance des répertoires statistiques, où les entrants sont similaires à
ceux de la production statistique (avec un accent particulier sur les
données administratives), et les produits sont typiquement des tableaux ou
des extractions de données, qui sont alors utilisés comme entrants dans les
autres processus. 7. Certains éléments du GSBPM peuvent s'avérer plus pertinents sur
certains types de processus que d'autres, du fait du type de données en
entrée ou des produits à élaborer. D'autres éléments peuvent se recouvrir
les uns les autres, parfois de façon itérative. Dans ce cas, le GSBPM doit
être appliqué et interprété de façon flexible. Il ne s'agit pas d'un cadre
rigide dont toutes les étapes doivent être suivies strictement mais plutôt
d'un modèle qui identifie les étapes du processus de production statistique
et les interdépendances entre elles. Bien que la présentation suive la
séquence logique des étapes de la plupart des processus, les éléments du
modèle peuvent apparaître selon des ordres différents en fonction des
circonstances. Dans cette perspective, le GSBPM vise à être suffisamment
générique pour être largement applicable, et pour encourager une vision
commune des processus statistiques, sans devenir ni trop restrictif, ni
trop abstrait et théorique. 8. Dans quelques cas, il peut être approprié de grouper des éléments du
modèle. Par exemple, les phases 1 à 3 peuvent être considérées comme une
unique phase dans la planification. Dans d'autres cas, il peut être
nécessaire d'ajouter un autre niveau d'analyse, plus détaillé, à la
structure présentée plus bas pour identifier séparément différents
composants des sous-processus. Il peut aussi être nécessaire de faire un
découpage formel entre phases, pour signifier qu'un produit d'une phase est
certifié comme entrant de la suivante. Cette possibilité de validation
formelle est implicite dans le modèle mais peut être implémentée de
différentes manières en fonction des besoins organisationnels. Le GSBPM
doit être vu comme suffisamment flexible pour s'appliquer à tous les
scénarios ci-dessus. Structure 9. Le GSBPM comprend quatre niveaux : . Niveau 0, le processus statistique ;
. Niveau 1, les neuf phases du processus ;
. Niveau 2, les sous-processus à l'intérieur de chaque phase ;
. Niveau 3, la composition de chacun des sous-processus. 10. Des niveaux de détail plus fins peuvent être nécessaires pour décrire
certains processus ou certaines organisations mais il est fort peu probable
qu'ils soient suffisamment génériques pour être inclus dans ce modèle. Un
diagramme montrant les phases (niveau 1) et les sous-processus (niveau 2)
est inclus dans la section IV. Les sous-processus sont décrits en détail
dans la section V. 11. Selon la théorie de la modélisation des processus, chaque sous-
processus a un certain nombre d'attributs clairement identifiés, dont : . les intrants ;
. les sorties (livrables) ;
. l'objectif (la valeur ajoutée) ;
. le propriétaire ;
. les guides (par exemple, manuels et documentation) ;
. les acteurs (personnes et systèmes) ;
. les boucles ou mécanismes de rétroaction. Cependant, ces attributs peuvent varier, au moins dans une certaine mesure,
selon les processus et les instituts. Pour cette raison, les attributs sont
rarement mentionnés spécifiquement dans ce modèle générique. Il est
néanmoins fortement recommandé de les identifier lorsque l'on applique le
modèle à un processus statistique spécifique. 12. Le GSBPM identifie également quelques processus transverses qui
s'appliquent à l'ensemble des neuf phases et à l'ensemble des processus
statistiques. Ils peuvent être regroupés en deux catégories, ceux qui ont
une composante statistique et ceux plus généraux qui peuvent s'appliquer
dans tout institut. Le premier groupe est considéré comme plus important
dans le contexte de ce modèle, mais le second groupe apparaît comme ayant
des impacts (souvent indirects) sur plusieurs parties du modèle. 13. Les processus statistiques transverses comprennent les items indiqués
ci-dessous. Les deux premiers sont très adhérents au modèle et sont donc
inclus dans les diagrammes du modèle et décrits plus loin dans la section
VI. . Gestion de la qualité - ce processus inclut la certification de la
qualité et les mécanismes de contrôle. Il reconnaît l'importance de
l'évaluation et des remontées d'information concernant les processus.
. Gestion des métadonnées - les métadonnées sont générées et traitées au
sein de chaque phase, un système de gestion des métadonnées est
fortement requis pour s'assurer que les métadonnées appropriées
conservent leur lien avec les données tout au long du GSBPM.
. Gestion d'un cadre statistique - ceci inclut les standards de
développement, par exemple les méthodologies, les concepts et les
nomenclatures qui sont à l'?uvre dans de multiples processus.
. Administration du programme statistique - ceci inclut le suivi
systématique et le recensement des besoins d'informations nouvelles
ainsi que l'évolution des sources de données pour chaque domaine
statistique. Cela peut conduire à la définition de nouveaux processus
ou à la révision de processus existants.
. Gestion de la connaissance - ceci assure que les processus soient
rejouables, principalement par entretien de leur documentation.
. Gestion des données - ceci inclut des considérations indépendantes des
processus comme la sécurité générale des données, leur surveillance et
leur propriété.
. Gestion des données de processus - ceci inclut la gestion des d