Article Français

Les données de la sécurité routière et leur production : un impératif stratégique pour le Système Sûr

Les accidents de la route constituent l'un des défis de santé publique les plus préoccupants du XXIe siècle, causant près de 1,19 million de décès annuels et des dizaines de millions de blessés à l'échelle mondiale. Face à cette réalité, le cadre du Système Sûr (Safe System) s'impose comme la philosophie directrice des politiques modernes de sécurité routière. Or, l'efficacité de ce système repose sur une condition sine qua non : la disponibilité de données fiables, exhaustives et exploitables. Le présent article analyse la nature des données requises, les processus de leur production, les défis liés à leur qualité et leur gouvernance, ainsi que les impératifs stratégiques qui en découlent pour les décideurs. Il conclut que sans investissement délibéré dans une infrastructure de données robuste, les ambitions du Système Sûr resteront lettre morte.

Partager
Chaque année, les routes du monde engloutissent plus de 1,19 million de vies humaines et infligent entre 20 et 50 millions de blessures graves, selon les estimations de l’Organisation Mondiale de la Santé (OMS, 2023). Au-delà du drame humain, le coût économique de l’insécurité routière représente entre 1 % et 3 % du produit intérieur brut des nations, alourdissant les systèmes de santé, réduisant la productivité et freinant le développement. Ces chiffres, pourtant alarmants, sous-estiment la réalité dans de nombreux pays à revenu faible ou intermédiaire où les capacités de déclaration restent insuffisantes.

Face à cette hécatombe silencieuse, la communauté internationale s’est dotée d’ambitions affirmées : le Plan mondial pour la Décennie d’action pour la sécurité routière 2021–2030 vise à réduire d’au moins 50 % les décès et blessures graves d’ici 2030. Pour y parvenir, l’approche systémique dite du Système Sûr (Safe System) constitue aujourd’hui le paradigme de référence adopté par l’OMS, la Banque mondiale, l’Organisation de Coopération et de Développement Economiques (OCDE) et un nombre croissant de gouvernements nationaux.

Le Système Sûr repose sur un principe fondateur : les êtres humains commettent des erreurs et sont physiquement vulnérables ; le système de transport doit être conçu pour absorber ces erreurs sans qu’elles entraînent la mort ou des blessures graves. Ses quatre piliers — routes et abords pardonnants, vitesse sûre, véhicules sûrs et usagers sûrs — constituent un cadre holistique et intégré. Mais ce système ne peut fonctionner sans une infrastructure informationnelle solide. Les données sont le carburant du Système Sûr : elles permettent de diagnostiquer la réalité, de cibler les interventions, d’évaluer les politiques et de rendre compte aux citoyens et aux partenaires.

C’est précisément l’objet de cet article : démontrer que la production de données de qualité en matière de sécurité routière n’est pas un exercice technique secondaire, mais bien un impératif stratégique au cœur de la gouvernance des transports et de la santé publique. Après une revue du cadre conceptuel du Système Sûr et du rôle central des données, cet article analyse les typologies de données requises, les processus et acteurs de leur production, les défis de qualité et de gouvernance, avant de formuler des recommandations stratégiques à l’intention des décideurs.

 

Le Système Sûr : cadre conceptuel et place des données

Genèse et fondements du Système Sûr

La philosophie du Système Sûr a émergé en Suède et aux Pays-Bas dans les années 1990 sous le nom de Vision Zéro et Durably Safe (Duurzaam Veilig). Elle s’appuie sur le constat empirique que viser la « perfection comportementale » des usagers — c’est-à-dire l’absence d’erreurs — est une utopie. La stratégie consiste à modifier le système lui-même pour que les inévitables erreurs humaines n’aient pas de conséquences fatales ou traumatisantes graves.

Cette approche repose sur cinq principes directeurs : (1) les décès et blessures graves sur la route sont évitables et inacceptables ; (2) les humains font des erreurs ; (3) les humains sont physiquement vulnérables ; (4) la responsabilité de la sécurité est partagée entre les concepteurs du système et les usagers ; (5) toutes les parties du système doivent être renforcées pour que, si l’une échoue, les autres protègent.

Les quatre piliers opérationnels — routes et abords sûrs, vitesse sûre, véhicules sûrs, usagers sûrs — sont complétés par un cinquième élément transversal : la gestion post-accident et les soins d’urgence. C’est dans ce cadre global que les données jouent un rôle irremplaçable.

Pourquoi les données sont-elles la colonne vertébrale du Système Sûr ?

Sans données, le Système Sûr n’est qu’un cadre conceptuel dépourvu d’assise empirique. Les données remplissent au moins cinq fonctions essentielles dans ce système :

  • Diagnostic et cartographie du risque : identifier les zones noires, les comportements à risque et les populations les plus vulnérables (piétons, motocyclistes, enfants, personnes âgées).
  • Définition des priorités d’investissement : allouer les ressources publiques aux interventions à plus fort impact en fonction des données d’accidentalité et d’exposition.
  • Évaluation d’impact : mesurer l’efficacité des politiques, des aménagements et des campagnes, et ajuster les stratégies en conséquence.
  • Redevabilité et transparence : rendre compte aux citoyens, aux parlements et aux partenaires internationaux des progrès accomplis vers les objectifs fixés.
  • Apprentissage et innovation : alimenter la recherche scientifique, nourrir les modèles prédictifs et identifier les meilleures pratiques transférables.

Principe fondateur

« Ce qui ne se mesure pas, ne se gère pas. » Dans le domaine de la sécurité routière, l’absence de données fiables équivaut à conduire les yeux bandés. Les décideurs naviguent dans l’incertitude, les ressources sont gaspillées, et les progrès restent impossibles à démontrer ni à orienter.

 

Typologies des données de sécurité routière

Les données d’accidentalité

Au cœur du dispositif, les données d’accidentalité documentent les événements — accidents, blessures et décès — qui constituent la manifestation la plus directe de l’insécurité routière. Elles comprennent les registres nationaux d’accidents alimentés par les forces de l’ordre (procès-verbaux d’accidents), les données hospitalières et de mortalité issues des ministères de la Santé, les bases de données médico-légales et de médecine légale, ainsi que les registres spécialisés.

Ces données présentent un défi majeur : la sous-déclaration, particulièrement marquée pour les blessés graves. Des études de record linkage (couplage de fichiers) entre données policières et hospitalières révèlent régulièrement que le nombre réel de blessés graves dépasse de deux à cinq fois les chiffres officiels. En Afrique subsaharienne, la sous-déclaration des décès pourrait atteindre 50 %, voire davantage dans certaines zones rurales.

Les données d’exposition au risque

Les données d’accidentalité seules ne permettent pas d’apprécier correctement le niveau de risque. Pour calculer un taux d’accidents significatif, il est indispensable de disposer de données d’exposition mesurant le volume de trafic ou de déplacements. Ces données comprennent le Trafic Moyen Journalier (TMJ) par tronçon et catégorie de voie, les véhicules-kilomètres parcourus (veh-km) désagrégés par mode de transport, les enquêtes ménages-déplacements, et de plus en plus les données de mobilité issues des smartphones, des Global Positioning Système (GPS) embarqués et des capteurs de comptage automatique.

Les données de comportement

Les comportements dangereux — excès de vitesse, conduite sous influence de l’alcool ou de stupéfiants, non-port de la ceinture de sécurité ou du casque, usage du téléphone en conduisant — sont des facteurs contributifs majeurs dans plus de 90 % des accidents graves. Leur mesure systématique est indispensable pour concevoir des politiques de prévention ciblées. Ces données proviennent des radars fixes et mobiles, des contrôles routiers (alcootests, éthylotests), des enquêtes comportementales standardisées et des dispositifs de suivi télématique.

Les données d’infrastructure et de réseau

La qualification du réseau routier en termes de sécurité constitue une composante essentielle du diagnostic. Le programme iRAP (International Road Assessment Programme) fournit une méthodologie standardisée pour noter et cartographier le niveau de sécurité de chaque tronçon. Ces données incluent les résultats des audits de sécurité routière, les inventaires du patrimoine routier (signalisation, éclairage, glissières), les données d’entretien et les indices de condition des chaussées.

Les données de véhicules

La flotte de véhicules en circulation constitue un facteur de risque majeur, notamment dans les pays où l’âge moyen du parc est élevé et où les standards de sécurité passive sont insuffisants. Les données pertinentes comprennent la composition et l’âge du parc automobile, les résultats des contrôles techniques, les rappels de sécurité, et de plus en plus les données télématiques issues des véhicules connectés.

Les Indicateurs de Performance de Sécurité (IPS)

Les indicateurs de performance de sécurité (IPS ou SPI – Safety Performance Indicators) constituent une catégorie particulière de données agrégées permettant de mesurer et comparer les niveaux de sécurité dans le temps et entre pays. Le tableau suivant présente les principaux IPS recommandés par l’OMS, l’OCDE/IRTAD et l’initiative CARE de l’Union européenne :

Indicateur Pilier du Système Sûr Source principale
Taux de mortalité / 100 000 hab. Résultat global Ministère de la Santé
Taux de mortalité / million veh-km Résultat / Exposition Police + Trafic
% conducteurs respectant la limitation Vitesse sûre Radars / Enquêtes
% port de la ceinture de sécurité Usagers sûrs Enquêtes comportementales
% conducteurs avec alcoolémie > 0,5 g/l Usagers sûrs Contrôles routiers
% routes classées 3+ étoiles iRAP Routes sûres Audits iRAP
% véhicules neufs 5 étoiles NCAP Véhicules sûrs Constructeurs / Homologation
Délai moyen de prise en charge trauma Soins post-accident Système de santé

La production des données : acteurs, processus et défis

La chaîne de production de données

La production de données de sécurité routière est un processus complexe et multisectoriel qui implique de nombreux acteurs aux cultures institutionnelles différentes. Nous pouvons schématiser cette chaîne en cinq étapes successives : collecte, saisie et enregistrement, validation et contrôle qualité, traitement et analyse, et enfin diffusion et exploitation.

La collecte intervient sur le terrain : un agent de police rédige un constat d’accident, un médecin urgentiste codifie un traumatisme selon la classification ICD-10, un radar enregistre une infraction, un auditeur évalue un tronçon routier. Chacun de ces actes de collecte est un maillon de la chaîne informationnelle. La qualité du résultat final dépend très largement de la rigueur de ces actes initiaux et de la formation des agents qui les réalisent.

La saisie et l’enregistrement consistent à transcrire ces données dans des systèmes d’information structurés. Dans de nombreux pays, cette étape est encore partiellement ou totalement manuelle, source d’erreurs de transcription et de délais importants. La numérisation progressive de ces processus — via des applications mobiles de constatation, des interfaces web sécurisées, des systèmes de gestion d’accidents (SGA) — constitue un levier de modernisation prioritaire.

Acteurs primaires de collecte

  • Forces de l’ordre (Police, Gendarmerie)
  • Services d’urgences médicales
  • Hôpitaux et centres de traumatologie
  • Instituts de médecine légale
  • Services de gestion du réseau routier
  • Opérateurs de contrôle technique

Acteurs de traitement et diffusion

  • Observatoires nationaux de sécurité routière
  • Instituts nationaux de statistique
  • Ministères des Transports et de la Santé
  • Agences de sécurité routière
  • Universités et centres de recherche
  • Organisations internationales (OMS, OCDE, ONU)

Les défis structurels de la production de données

La sous-déclaration : un biais systémique

Le problème de la sous-déclaration des accidents et surtout des blessés graves est universellement documenté. En Europe, la comparaison des fichiers policiers avec les registres hospitaliers révèle que le ratio de correction pour les blessés graves peut atteindre 1,5 à 3. Dans les pays à revenu faible, cette sous-déclaration est encore plus marquée, rendant les comparaisons internationales particulièrement délicates. Plusieurs facteurs expliquent ce phénomène : le non-appel aux forces de l’ordre pour les accidents légers ou entre tiers connus, la crainte des conséquences administratives ou pénales, la faiblesse des capacités de déploiement des services de secours en zone rurale, et l’absence de définitions harmonisées.

Les silos institutionnels

La sécurité routière est par nature un sujet interministériel. Les données pertinentes se trouvent dispersées entre le ministère de l’Intérieur ou de la sécurité (accidents déclarés à la police), le ministère de la Santé (hospitalisations, décès), le ministère des Transports (trafic, infrastructure), le ministère de la Justice (condamnations) et parfois le secteur des assurances (sinistres). L’absence de mécanismes de coordination et d’interopérabilité entre ces systèmes constitue un obstacle majeur à la production d’une vision globale et cohérente. Le record linkage — couplage des fichiers de différentes sources sur la base d’identifiants communs — reste encore l’exception plutôt que la règle dans la majorité des pays.

L’hétérogénéité des définitions

Pour permettre des comparaisons valides dans le temps et entre pays, il est indispensable d’utiliser des définitions strictement identiques. Or, la définition d’un « blessé grave » ou d’un « accident corporel » varie encore significativement d’un pays à l’autre. L’adoption progressive de la définition MAIS (Maximum Abbreviated Injury Scale ≥ 3) comme standard international pour les blessés graves est une avancée majeure, mais sa mise en œuvre reste partielle, notamment dans les pays disposant de ressources limitées.

Les délais et la fraîcheur des données

L’utilité opérationnelle des données dépend étroitement de leur actualité. Des données d’accidents disponibles avec 18 mois ou 2 ans de délai ne permettent pas une gestion réactive des risques. La mise en place de tableaux de bord quasi-temps-réel, alimentés par des flux de données automatisés et dématérialisés, constitue un objectif à moyen terme que plusieurs pays ont déjà atteint (Pays-Bas, Australie, Suède).

Qualité des données : un cadre d’exigences

Les dimensions de la qualité

La notion de qualité des données est multidimensionnelle. Dans le contexte de la sécurité routière, six dimensions sont particulièrement critiques. L’exactitude désigne la conformité des données à la réalité qu’elles sont censées représenter. La complétude mesure l’exhaustivité de la couverture des événements (zéro omission). L’actualité ou timeliness évalue la disponibilité des données en temps utile pour la prise de décision. La cohérence garantit que les mêmes définitions et méthodes sont appliquées de manière uniforme. L’accessibilité porte sur la facilité d’accès aux données pour les utilisateurs autorisés. Enfin, la granularité concerne le niveau de désagrégation disponible (par zone géographique, type de route, mode de transport, tranche d’âge).

Standards internationaux de référence

Plusieurs organisations internationales ont développé des référentiels de qualité et de reporting pour les données de sécurité routière. L’IRTAD (International Traffic Safety Data and Analysis Group) de l’OCDE publie annuellement une base de données comparative pour plus de 40 pays membres et associés, avec des exigences de qualité strictes. L’OMS produit tous les cinq ans un Rapport mondial sur la prévention des traumatismes dus aux accidents de la circulation. Au niveau européen, la base CARE agrège les données nationales harmonisées des États membres de l’Union Européenne sur la base de définitions communes.

Ces référentiels constituent des leviers puissants pour encourager l’amélioration des systèmes nationaux de données, notamment via la comparaison internationale et l’émulation entre pays. Toutefois, ils supposent que les pays disposent d’une capacité nationale minimale de production, ce qui est loin d’être acquis dans une large partie du monde.

Gouvernance des données : architectures et modèles

Vers un observatoire national intégré

La gouvernance des données de sécurité routière nécessite une architecture institutionnelle claire qui définit les responsabilités de chaque acteur dans la chaîne de production, de traitement et de diffusion. L’observatoire national de sécurité routière représente le modèle institutionnel le plus abouti. Doté d’un mandat légal explicite, d’une gouvernance multi-acteurs et de ressources humaines qualifiées, il assure la centralisation, la consolidation, l’analyse et la publication des données nationales.

Des exemples inspirants existent à travers le monde : l’ONISR en France, le SWOV aux Pays-Bas, le VTI en Suède, le BITRE en Australie, ou encore l’INRIX aux États-Unis et ONASER au Tchad. Ces structures partagent plusieurs caractéristiques communes : indépendance scientifique, financement pérenne, accès privilégié aux données des différents ministères et capacité d’analyse comparative internationale.

L’architecture des systèmes d’information

Au plan technique, une architecture de données moderne pour la sécurité routière s’organise généralement en plusieurs couches. La couche de collecte agrège les données brutes de multiples sources (forces de l’ordre, hôpitaux, gestionnaires de routes, capteurs). La couche opérationnelle assure la saisie, le stockage et la gestion quotidienne des bases de données. La couche analytique permet le traitement statistique, la cartographie et la modélisation. La couche stratégique, enfin, produit les tableaux de bord, les rapports et les visualisations destinés aux décideurs. L’interopérabilité entre ces couches et entre les systèmes des différents acteurs constitue un enjeu technique et organisationnel majeur. Le développement d’Application Programming Interfaces (API) standardisées, de schémas de données partagés et d’identifiants communs (numéros de route, codes géographiques normalisés) facilite le couplage des fichiers et l’agrégation des informations.

Open Data et partage des données

La politique d’ouverture des données publiques (Open Data) représente un levier puissant pour démultiplier l’utilisation et la valeur des données de sécurité routière. En rendant accessibles au grand public, aux chercheurs, aux Organisations Non Gouvernementales (ONG) et aux médias des données anonymisées sur les accidents et les comportements, les gouvernements favorisent l’émergence d’analyses indépendantes, d’applications citoyennes et d’un écosystème d’innovation autour de la sécurité routière. Cependant, l’ouverture des données doit s’accompagner de garanties robustes en matière de protection de la vie privée et d’anonymisation. Les données de localisation précise des accidents et les informations sur les victimes sont particulièrement sensibles et nécessitent des traitements d’anonymisation rigoureux avant toute publication.

Technologies émergentes et données de demain

L’intelligence artificielle au service de l’analyse prédictive

L’intelligence artificielle (IA) et l’apprentissage automatique (machine learning) ouvrent des perspectives inédites pour l’exploitation des données de sécurité routière. Les algorithmes de deep learning peuvent analyser des millions d’heures de vidéos de circulation pour détecter automatiquement des comportements dangereux, identifier des configurations routières accidentogènes ou prédire avec plusieurs semaines d’avance les zones à risque accru. La cartographie prédictive des accidents — combinant données historiques, conditions météorologiques, volumes de trafic et caractéristiques d’infrastructure — permet une allocation proactive des ressources de prévention et de contrôle.

La révolution des données connectées

Les véhicules connectés (V2V et V2X – Vehicle-to-Vehicle et Vehicle-to-Infrastructure-) génèrent en temps réel des flux de données d’une granularité et d’une précision sans précédent. Vitesse instantanée, accélérations, freinages d’urgence, détections de danger, trajectoires — ces données constituent une mine d’informations pour comprendre les mécanismes fins des accidents et des quasi-accidents (near misses). À mesure que la flotte de véhicules connectés s’accroît, ces données pourraient révolutionner la capacité des observatoires nationaux à diagnostiquer les risques en quasi-temps réel.

Big Data, smartphones et mobilité

Les applications de navigation (Waze, Google Maps, Here) et les données de téléphonie mobile fournissent des informations massives sur les déplacements, les comportements de conduite (accélérations, détections de freinages brusques) et les congestions. Plusieurs pays ont déjà intégré ces données privées dans leurs systèmes d’information routière, via des partenariats public-privé encadrés par des accords de confidentialité et de traitement des données personnelles. Ces approches soulèvent néanmoins d’importantes questions éthiques sur la surveillance, le consentement et la protection des données individuelles qu’il convient d’encadrer précisément.

Recommandations stratégiques

Sur la base de l’analyse développée dans les sections précédentes, cet article formule six recommandations stratégiques à l’intention des décideurs nationaux et des partenaires du développement.

Recommandation 1 — Institutionnaliser la production de données

Créer ou renforcer un observatoire national de sécurité routière doté d’un mandat légal explicite, d’un financement pluriannuel sécurisé, d’une gouvernance multi-acteurs et de ressources humaines qualifiées. Cet observatoire doit disposer d’un accès institutionnalisé aux données des ministères de l’Intérieur, de la Santé et des Transports.

Recommandation 2 — Harmoniser les définitions et les méthodes

Adopter sans délai les définitions internationales de l’OMS et les standards CARE/IRTAD pour la définition des accidents corporels, des blessés graves (MAIS 3+) et des indicateurs de comportement. Former les agents de collecte terrain à l’application rigoureuse de ces définitions.

Recommandation 3 — Investir dans les systèmes d’information

Moderniser les bases de données police/santé/transport, créer des interfaces d’interopérabilité standardisées (APIs, schémas de données partagés) et migrer progressivement vers des architectures cloud permettant la centralisation et la mise à jour en quasi-temps-réel.

Recommandation 4 — Former et accompagner les acteurs de terrain

Mettre en place des programmes de formation continue pour les agents de police, les urgentistes et les agents des services de transport sur les protocoles de collecte standardisée. Intégrer ces formations dans les cursus initiaux des filières professionnelles concernées.

Recommandation 5 — Ouvrir les données et soutenir la recherche

Adopter une politique d’Open Data ambitieuse incluant la publication annuelle de données anonymisées d’accidents, d’indicateurs de performance et de résultats d’évaluation des politiques. Financer des programmes de recherche indépendants utilisant ces données pour alimenter la base de preuves des politiques de sécurité routière.

Recommandation 6 — Évaluer, auditer et améliorer en continu

Instaurer des audits annuels de qualité des données, systématiser le record linkage entre les fichiers policiers et hospitaliers, et participer activement aux réseaux internationaux de benchmarking (IRTAD, CARE, etc.) pour bénéficier du retour d’expérience des pays les plus avancés.

Conclusion

Cet article a cherché à démontrer que la production de données de qualité en matière de sécurité routière n’est pas un enjeu technique accessoire, mais bien un impératif stratégique de premier plan. Sans données fiables et exhaustives, le Système Sûr reste un idéal sans prise sur la réalité : les décideurs ne peuvent ni diagnostiquer précisément les problèmes, ni cibler efficacement les interventions, ni évaluer objectivement les politiques mises en œuvre.

La révolution des données — big data, connectivité, intelligence artificielle — ouvre des perspectives sans précédent pour enrichir et démultiplier la valeur des informations disponibles. Mais ces opportunités technologiques ne pourront être pleinement saisies que si les fondamentaux institutionnels sont en place : mandat légal clair, financement pérenne, compétences humaines, coordination intersectorielle et culture de la qualité des données.

L’article est lié Principalement à l’Objectif de Développement Durable (ODD 3) : « Bonne santé et bien-être », plus précisément la Cible 3.6 : « D’ici à 2020, réduire de moitié à l’échelle mondiale le nombre de décès et de blessures dus à des accidents de la route. ». Il est egalement lié à l’ODD 11 « Villes et communautés durables » ; la Cible 11.2 : « D’ici à 2030, assurer l’accès de tous à des systèmes de transport sûrs, accessibles et viables. ».

« Chaque vie sauvée commence par une donnée collectée. ».

Références

  • Organisation mondiale de la Santé (OMS). (2023). Global Status Report on Road Safety. Genève : OMS.
  • Organisation de Coopération et de Développement Économiques / IRTAD. (2024). Road Safety Annual Report. Paris : OCDE Éditions.
  • Commission européenne. (2024). CARE – Community Road Accident Database. Brussels : European Commission, DG MOVE.
  • International Road Assessment Programme (iRAP). (2023). Star Rating for Roads: Methodology and Standards. Londres : iRAP.
  • Nations Unies. (2021). Global Plan for the Decade of Action for Road Safety 2021–2030. New York : Nations Unies.
  • Elvik, R., Høye, A., Vaa, T., & Sørensen, M. (2009). The Handbook of Road Safety Measures (2e éd.). Bingley : Emerald Group Publishing.
  • CEREMA. (2022). Analyse de la sous-déclaration des blessés graves par couplage BAAC-PMSI. Rapport technique. Bron : CEREMA.
  • Wegman, F., & Aarts, L. (Éds.). (2006). Advancing Sustainable Safety: National Road Safety Outlook for 2005–2020. Leidschendam : SWOV.
  • Banque mondiale. (2020). Road Safety Data Systems: A Toolkit for Decision-Makers. Washington D.C. : The World Bank.

Réagir à cette publication (React to this publication)

Cette analyse vous inspire ? Partagez votre avis, posez une question ou laissez un retour : la rédaction de L'Afrique des Idées vous lit.This analysis inspires you? Share your opinion, ask a question or leave feedback — the L'Afrique des Idées team reads you.
Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec * (Your email will not be published. Required fields are marked with *)

Pays concernés : Tchad
Citer cet article
« Les données de la sécurité routière et leur production : un impératif stratégique pour le Système Sûr », <a href="https://lafriquedesidees.org/communaute/adrien-ndjetitem/">Adrien Ndjetitem</a>, L'Afrique des Idées, 20 novembre 2026. https://lafriquedesidees.org/publications/les-donnees-de-la-securite-routiere-et-leur-production-un-imperatif-strategique-pour-le-systeme-sur/