Ressources numériques en sciences humaines et sociales OpenEdition Nos plateformes OpenEdition Books OpenEdition Journals Hypothèses Calenda Bibliothèques OpenEdition Freemium Suivez-nous

Apports et défis des micro-enquêtes longitudinales pour l’étude des inégalités en Inde rurale

Suganya enquêtant un ménage dans le cadre de l’enquête NEEMSIS-2. Source : Malarvizhi (janvier 2021), Kovalapuram, Tamil Nadu, Inde.

  • Isabelle Guérin, Institut de Recherche pour le Développement, CESSMA (IRD, INALCO et Université de Paris), Institut Français de Pondichéry, Inde
  • Arnaud Natal, BSE (Université de Bordeaux, CNRS et INRAE), Institut Français de Pondichéry, Inde
  • Christophe Jalil Nordman, Institut de Recherche pour le Développement, LEDa-DIAL (IRD, CNRS et Université PSL), Institut Français de Pondichéry, Inde
  • G. Venkatasubramanian, Institut Français de Pondichéry, Inde

Article publié dans le cadre du projet Inégalités et mobilités en Inde rurale : tendances récentes et défis méthodologiques – IMIR2024 (AAP MSHBx 2024).


Sommaire


Introduction

La société indienne connaît des changements importants depuis les années 1990, à la suite d’une série de réformes progressives en faveur d’une économie de marché et de l’intégration du pays dans l’économie mondiale. Toutefois, malgré une croissance économique exceptionnelle au cours des dernières décennies, l’Inde reste en proie à de fortes inégalités et au poids des institutions sociales (caste, famille, sexe). En ce qui concerne le rythme de ces changements, les études longitudinales se révèlent particulièrement utiles et révélatrices pour analyser l’ampleur des dynamiques socio-économiques. Cet article a pour objectif de mettre en lumière les apports des micro-enquêtes longitudinales pour l’étude des inégalités en Inde rurale.

Un contexte propice à l’étude des inégalités

Avec une population de plus de 1,2 milliard d’habitants, l’Inde est la deuxième économie à la croissance la plus rapide et la plus grande démocratie du monde (Drèze et Sen, 2013). Entre les années 1990 et 2010, cette république fédérale a affiché un taux de croissance annuel compris entre 6 et 9 %. Cependant, cette performance économique soutenue est contrebalancée par des indicateurs sociaux moroses. La croissance économique a amélioré le niveau de vie d’une minorité de citoyens indiens et a laissé de côté d’autres groupes défavorisés qui ont vu leurs conditions de vie s’améliorer à un rythme tristement lent. Cette croissance a été atteinte en parallèle avec une augmentation significative des inégalités (Chancel et Piketty, 2019), une corruption généralisée (Harriss-White et Michelutti, 2019) et un manque de services sociaux essentiels. L’Inde a grimpé l’échelle du revenu par habitant tout en dégringolant sur celle des indicateurs sociaux (Drèze et Sen, 2013).

Les zones rurales représentent encore plus de 60 % de la population indienne, mais elles connaissent des transformations majeures et rapides, telles que l’extension de la périurbanisation et des migrations internes, l’explosion de la spéculation foncière, des marchés financiers et de consommation, la reconfiguration des schémas de parenté et de socialisation, ainsi que la dégradation continue des ressources naturelles. Ces tendances ne sont pas confinées à des échelles locales ou régionales, mais sont façonnées par et contribuent à des macro-tendances nationales et globales. De plus, elles ne fonctionnent pas en vase clos, et c’est précisément cette imbrication qui contribue activement à reconfigurer les dynamiques sous-tendant les inégalités (économiques, sociales, environnementales et spatiales) et la mobilité (de revenus, sociale et professionnelle).

Observer l’inobservable dans le temps

Au cours des dernières décennies, la standardisation des méthodes d’enquête, la prééminence accordée aux bases de données internationales et la faiblesse de nombreux instituts statistiques nationaux (par manque de ressources ou en raison de régimes autoritaires) ont appauvri les capacités de mesure et d’analyse des inégalités. Dans le même temps, la transformation rapide des sociétés, y compris rurales (urbanisation, financiarisation, reconfigurations sociales, dégradation de l’environnement, etc.) nécessite une adaptation permanente et contextualisée des outils de mesure. Les enquêtes locales ou régionales, menées dans la durée auprès des mêmes populations, jouent un rôle central pour aider à mesurer et à analyser de manière adéquate les inégalités et leur évolution. L’objectif n’est pas de remplacer les enquêtes statistiques nationales, mais de révéler ce qui leur échappe en explorant les processus socio-économiques, tels que la transformation de l’agriculture, le fonctionnement des marchés du travail et les trajectoires de mobilité sociale (Himanshu, Jha et Rodgers, 2016). En effet, la plupart des sources de données secondaires à grande échelle, telles que les enquêtes socio-économiques du National Sample Survey Office (NSSO) et du National Family Health Survey, sont des enquêtes transversales répétées plutôt que des enquêtes longitudinales. L’Indian Human Development Survey est une exception, puisqu’elle recueille des données de panel sur un échantillon de quelque 4 000 ménages. Cependant, il est crucial de reconnaître que les enquêtes nationales restent indispensables pour comprendre le développement économique global du pays (Himanshu et Stern, 2016), même si elles font parfois l’objet de critiques pour leur qualité (Kumar et Sharma, 2024).

Les avantages scientifiques des données quantitatives longitudinales sont nombreux. Les données de panel permettent d’observer les dynamiques et les changements dans le temps, tant pour les individus et les ménages que pour les groupes sociaux. Ainsi, en plus de capturer l’hétérogénéité interindividuelle (au sens statistique du terme), les données de panel permettent aux chercheurs d’appréhender l’hétérogénéité intra-individuelle au fil du temps. La combinaison des différences inter et intra-individuelles permet de mieux comprendre la complexité du comportement humain (Hsiao, 2014). Couplées à des enquêtes qualitatives (ethnographie, observation participante, entretiens semi-structurés), les données quantitatives de panel permettent de saisir les dynamiques institutionnelles et structurelles et la manière dont les individus y naviguent. Les données qualitatives sont cruciales pour recueillir des informations fiables, poser des hypothèses novatrices, saisir des réalités qui échappent aux enquêtes par questionnaire et interpréter ou illustrer les résultats quantitatifs.

En plus de permettre l’étude des changements structurels en Inde sur un temps long et de contribuer à des réflexions théoriques sur certaines questions clés, la collecte de données longitudinales à petite échelle, avec un mode de collecte dit « artisanal », offre plusieurs avantages. Ces avantages incluent un contrôle total sur la qualité des informations recueillies[1], une formation attentive et presque personnalisée des enquêteurs et enquêtrices, la combinaison de méthodologies complémentaires et l’intégration d’approches déductives et inductives (Rao, 2023).

L’étude de cas la plus célèbre de collecte de données à long terme est celle du village de Palanpur dans l’Uttar Pradesh (Himanshu, Lanjouw, et Stern, 2018). L’ensemble de la population de Palanpur a fait l’objet de sept enquêtes entre 1958 et 2015. Initialement destinée à étudier les réformes agraires post-indépendance puis la révolution verte (1960-70), l’objectif de l’étude Palanpur s’est élargi au fil du temps, incluant par exemple l’analyse de la mobilité sociale des individus et des groupes sociaux (Bolazzi, 2020). La particularité de l’étude Palanpur est la longévité et l’exhaustivité de l’échantillon, qui couvre l’ensemble de la population du village et permet ainsi une analyse extrêmement détaillée des dynamiques intra-villageoises et des trajectoires individuelles dans leur contexte institutionnel sur une longue période (Himanshu, Lanjouw, et Stern, 2018). Depuis l’enquête de référence réalisée en 2010 dans dix villages du Tamil Nadu, en Inde du Sud, NEEMSIS (Network, Employment, dEbt, Mobility, and Skills in South India Survey, voir https://neemsis.hypotheses.org/) a également collecté sur plusieurs points dans le temps (2016-17 et 2020-21 pour le moment) un large éventail d’informations allant des épisodes de travail, aux pratiques financières, en passant par les réseaux interpersonnels, les compétences cognitives, la migration ou encore l’agriculture. Cette micro-enquête longitudinales menée auprès de plus de 500 ménages et 3 000 individus a pour objectif de saisir la diversité des liens entre la ville et la campagne et leurs interactions avec le travail, l’endettement, les compétences, les réseaux sociaux et la mobilité sociale et spatiale des ménages et des individus (Di Santolo et al., 2024).

Des projets au service des populations locales

À la manière des anthropologues, les petites équipes de recherche engagées dans des projets de collecte de données longitudinales nouent également des relations réciproques avec les populations locales (Guérin, Kumar et Venkatasubramanian, 2023). Cette approche comporte deux aspects essentiels. D’une part, les équipes peuvent jouer le rôle de confidents et de médiateurs au sein des communautés locales, facilitant leur accès au monde au-delà des frontières du village en partageant des informations sur les programmes d’aide sociale, les possibilités d’emploi ou en aidant à remplir les formalités administratives. D’autre part, les équipes peuvent collecter des fonds pour faire face aux urgences individuelles ou aux difficultés collectives, comme le soutien à la distribution de nourriture pendant la pandémie de COVID-19 réalisé par l’équipe de NEEMSIS[2], par exemple.

Les micro-enquêtes « artisanales » permettent également de fournir une expertise aux décideurs politiques, grâce à leur capacité à documenter des crises en temps quasi réel (voir par exemple Guérin, Lanos, Michiels, Nordman et Venkatasubramanian, 2017, pour les effets de la démonétisation[3] de novembre 2016, et Guérin, Michiels, Natal, Nordman et Venkatasubramanian, 2022, pour les effets de la pandémie[4] de COVID-19 en 2020).

Des défis à relever

Si les études à petite échelle et les études longitudinales sont particulièrement adaptées à la compréhension des processus sous-jacents aux inégalités et aux mobilités, elles posent également un certain nombre de défis.

Premièrement, l’inconvénient majeur de se concentrer sur une petite zone géographique est qu’il n’est pas possible de généraliser les résultats. Malgré la connaissance approfondie et la robustesse des données collectées, il est impossible de savoir si ce que l’on observe vaut pour d’autres communautés. Les comparaisons avec d’autres études de cas tirées de la littérature sont utiles mais limitées, précisément en raison des particularités de chacune d’elles. Dans un pays comme l’Inde, les énormes variations régionales en termes de normes sociales, de développement économique et d’institutions locales ne permettent pas une comparaison directe des structures sociales et des systèmes de relations sociales (Bolazzi, 2020).

Le second défi auquel font face les micro-enquêtes longitudinales est la difficulté de comparer des variables codifiées. En effet, les classifications originales imposent des comparaisons limitées par les paramètres choisis pour ces classifications au moment de l’enquête. Ces paramètres ont tendance à être reproduits dans les enquêtes ultérieures et à être considérés comme la meilleure façon de codifier la réalité, mais le raisonnement sous-jacent peut se perdre d’une enquête à l’autre (Bolazzi, 2020). Autrement dit, comment comparer les données sur le long terme alors que les catégories utilisées ne sont pas immuables dans la réalité, mais strictement ancrées dans un contexte temporel et culturel spécifique ? Comme le soulignent Harriss, Jeyaranjan et Nagaraj (2012) dans leurs considérations méthodologiques sur les études des « Slater villages »[5], la façon dont les personnes interrogées répondent aux questions sur leur emploi et la manière dont les questions sont formulées tendent à dissimuler la complexité par le biais de catégories générales. Les auteurs insistent sur la nécessité de mener des études beaucoup plus détaillées sur les modèles d’emploi afin de pouvoir les comparer avec des ensembles de données construites de manière comparable à partir d’enquêtes antérieures.

Troisièmement, les enquêtes répétées dans le temps auprès des mêmes populations soulèvent toute une série de questions éthiques auxquelles les différentes équipes doivent tenter d’apporter des réponses : que penser de la lassitude de la population ? Quels bénéfices directs les enquêtes peuvent-elles apporter ? Comment partager les produits de la recherche (outils de collecte, base de données, rapports) avec la communauté scientifique et la société civile ?[6]

Conclusion

L’Inde rurale représente encore plus de 60 % de la population indienne, mais elle est en pleine mutation, caractérisée par l’essor de la périurbanisation, les migrations internes croissantes, la hausse de la spéculation foncière, des marchés financiers et de la consommation, ainsi que par la réorganisation des schémas de parenté et de socialisation et la dégradation continue des ressources naturelles. Ces tendances contribuent activement à remodeler les dynamiques sous-jacentes aux inégalités économiques, sociales, environnementales et spatiales, ainsi qu’aux mobilités de revenus, sociales et professionnelles. Toutefois, elles sont insuffisamment prises en compte par les politiques sociales et de développement, tant au niveau national qu’international, principalement parce qu’elles sont mal appréhendées par les données nationales ou internationales. Les enquêtes locales ou régionales, menées sur le long terme auprès des mêmes populations, sont bien plus aptes à comprendre, contextualiser et expliquer les phénomènes et les processus que les enquêtes standardisées nationales et internationales ne parviennent pas à saisir correctement.

Afin que ces dispositifs de micro-enquêtes longitudinales soient les plus efficients, il devient crucial que les équipes de recherche mobilisées sur ce type de collecte de données en Inde rurale développent des collaborations. Cela permettrait de partager les méthodes de travail pour renforcer les capacités de chaque équipe, d’apporter des réponses concrètes aux enjeux éthiques et de fournir des éclairages précieux aux décideurs politiques.

Dans cette optique, l’Institut de Recherche pour le Développement, l’Institut Français de Pondichéry, le Centre de Sciences Humaines de Delhi et le Madras Institute of Development Studies co-organisent un workshop en novembre 2024, intitulé « Inégalités et mobilités en Inde rurale : Tendances récentes et défis méthodologiques », qui se déroulera à l’Université Jawaharlal-Nehru de Delhi. L’objectif est de rassembler des travaux récents de chercheurs utilisant des dispositifs de micro-enquêtes longitudinales afin de comprendre les dynamiques sous-jacentes aux inégalités et aux mobilités contemporaines en Inde rurale, d’examiner les implications pour les politiques publiques et de débattre des questions méthodologiques. Le workshop se concentrera sur des thèmes encore peu étudiés ou nécessitant une attention constante : diversification de la main-d’œuvre, migrations, transformation de la parenté et des modèles de socialisation, réseaux sociaux, identités sociales, éducation, changements des modes de consommation, endettement des ménages, changements dans la propriété et l’utilisation des terres, liens entre les zones rurales et urbaines, écosystèmes locaux et exposition au changement climatique.

Références bibliographiques

Bolazzi, F. (2020). Caste, Class and Social Mobility: A Longitudinal Study in a North Indian Village 1958-2015 (PhD thesis, Université Paris Cité; Università degli studi di Milano).

Chancel, L., & Piketty, T. (2019). Indian Income Inequality, 1922-2015: From British Raj to Billionnaire Raj? Review of Income and Wealth, 65(S1), S33–S62. https://doi.org/10.1111/roiw.12439

Di Santolo, M., Guérin, I., Michiels, S., Mouchel, C., Natal, A., Nordman, C. J., & Venkatasubramanian, G. (2024). Ten Years in Tamil Nadu: Exploring Labour, Migration and Debt from Longitudinal Household Surveys in South India (Working Paper No. DT/2024-02). Paris: DIAL.

Drèze, J., & Sen, A. (2013). An Uncertain Glory: India and its Contradictions. Princeton, NJ: Princeton University Press.

Guérin, I., Kumar, S., & Venkatasubramanian, G. (2023). The Indebted Woman: Kinship, Sexuality, and Capitalism. Stanford, CA: Stanford University Press.

Guérin, I., Lanos, Y., Michiels, S., Nordman, C. J., & Venkatasubramanian, G. (2017). Insights on Demonetisation from Rural Tamil Nadu: understanding social networks and social protection. Economic & Political Weekly, 52(52), 44–53.

Guérin, I., Michiels, S., Natal, A., Nordman, C. J., & Venkatasubramanian, G. (2022). Surviving Debt and Survival Debt in Times of Lockdown. Economic & Political Weekly, 57(1), 41–49.

Harriss, J., Jeyaranjan, J., & Nagaraj, K. (2012). Rural Urbanism in Tamil Nadu. Notes on a “Slater Village”: Gangaikondan, 1916-2012. Review of Agrarian Studies, 2(2), 29–59.

Harriss-White, B., & Michelutti, L. (Eds.). (2019). The Wild East: Criminal Political Economics in South Asia. London: UCL Press.

Himanshu, Jha, P., & Rodgers, G. (Eds.). (2016). The Changing Village in India: Insights from Longitudinal Research. Delhi: Oxford University Press. https://doi.org/10.1093/acprof:oso/9780199461868.001.0001

Himanshu, Lanjouw, P., & Stern, N. (2018). How Lives Change: Palanpur, India, and Development Economics. Oxford: Oxford University Press. https://doi.org/10.1093/oso/9780198806509.001.0001

Himanshu, & Stern, N. (2016). How Lives Change: Six Decades in a North Indian Village. In Himanshu, P. Jha, & G. Rodgers (Eds.), The Changing Village in India: Insights from Longitudinal Research (pp. 87–118). Delhi: Oxford University Press.

Hsiao, C. (2014). Analysis of Panel Data (3rd ed.). Cambridge: Cambridge University Press. https://doi.org/10.1017/CBO9781139839327

Kumar, S., & Sharma, N. K. (2024). Reliability of Our Statistical System. Economic & Political Weekly, 59(1), 41–49.

NSSO. (2019). All India Debt et Investment Survey (NSS Report No. 588(77/18.2)). Delhi: Government of India et Ministry of Statistics; Programme Implementation et National Sample Survey Office (NSSO).

Rao, V. (2023). Can Economics Become More Reflexive? Exploring the Potential of Mixed Methods. In A. Deshpande (Ed.), Handbook on economics of discrimination and affirmative action. Singapore: Springer. https://doi.org/10.1007/978-981-33-4016-9_19-1


[1] Par exemple, l’enquête nationale All-India Debt and Investment Surveys indique que 36,9 % des ménages du Tamil Nadu rural étaient endettés en 2019 (NSSO, 2019). Toutefois, ce chiffre sous-estime probablement l’ampleur réelle de l’endettement en raison de la faible couverture de la finance informelle par cette enquête. Les micro-enquêtes menées à Palanpur ainsi que dans les dix villages de l’enquête NEEMSIS suggèrent qu’en réalité, plus de 90 % des ménages sont endettés (Di Santolo et al., 2024 ; Himanshu, Lanjouw et Stern, 2018).

[2] Voir le projet COVINDIA : https://odriis.hypotheses.org/projects/action/covindia

[3] En novembre 2016, Narendra Modi, le Premier ministre indien, a annoncé l’interdiction des billets de 500 roupies et de 1 000 roupies, les deux billets de banque de plus grande valeur en circulation. Même si l’Inde avait déjà connu deux démonétisations, en 1946 et en 1978, l’expérience indienne de 2016 était sans équivalent par son ampleur, sa portée et sa soudaineté.

[4] Dans la soirée du 24 mars 2020, le gouvernement indien a ordonné un confinement national pendant 21 jours, à compter du 25 mars 2020, limitant strictement les déplacements de l’ensemble de la population indienne à titre de mesure préventive contre la pandémie de COVID-19 en Inde.

[5] Gilbert Slater, économiste britannique et chef du département de sciences économiques de l’Université de Madras entre 1915 et 1921, et ses étudiants ont mené entre 1916 et 1980 une série d’études dans cinq villages du Tamil Nadu en se focalisant sur les changements opérant dans le monde rural tamoul. Deux nouvelles vagues ont été conduites au début des années 2000. L’étendue temporelle sur laquelle reposent ces études leur confère un pouvoir analytique des changements sociaux qui ont eu lieu sur la période.

[6] Les données collectées par l’équipe NEEMSIS sont, par exemple, en libre accès sur le Dataverse de l’Observatoire des Dynamiques Rurales et des Inégalités en Inde du Sud (ODRIIS, voir https://odriis.hypotheses.org/) qui supervise la collecte de données. Voir : https://dataverse.harvard.edu/dataverse/odriis


Télécharger la version pdf de l’article


OpenEdition vous propose de citer ce billet de la manière suivante :
mshbordeaux (10 juin 2024). Apports et défis des micro-enquêtes longitudinales pour l’étude des inégalités en Inde rurale. Maison des Sciences Humaines Bordeaux. Consulté le 9 février 2026 à l’adresse https://doi.org/10.58079/11sj7


Vous aimerez aussi...

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

This site uses Akismet to reduce spam. Learn how your comment data is processed.