Comment évaluer la valeur ajoutée de LEADER ?

L'objectif principal de ce Good Practice Workshop était de réfléchir et d'apprendre des expériences et des pratiques de chacun relatives à l'évaluation de la valeur ajoutée de LEADER aux niveaux national et européen. L'événement était lié au groupe thématique de travail (GTT) sur l'évaluation de la valeur ajoutée de LEADER qui a fourni une aide méthodologique aux États membres de l'UE pour l'évaluation et la démonstration de la valeur ajoutée de LEADER.

Les messages clés issus du rapport de ce workshop sont les suivants : pour évaluer la valeur ajoutée de LEADER, la première étape consiste à comprendre les concepts sous-jacents de capital social, de gouvernance et d'amélioration des résultats, ainsi qu'à construire un modèle logique pour décrire les liens entre les activités LEADER et la réalisation des éléments de la valeur ajoutée. Le rôle joué par les sept principes de la méthode LEADER ainsi que par les activités d'animation et de soutien devrait être pris en compte lors de la construction de ces liens.

La deuxième étape consisterait à identifier les facteurs de réussite qui contribuent à la valeur ajoutée et à élaborer des mesures (indicateurs) pour mesurer le succès de LEADER, compte tenu du caractère non tangible de bon nombre des éléments composant cette valeur ajoutée. Des indicateurs ou indices composites (par exemple l'indice de diversité des réseaux) peuvent être une option pour résumer et simplifier la complexité de la logique d'intervention de LEADER.

La troisième étape du choix des méthodes de collecte et d'analyse des données et des informations pour évaluer la valeur ajoutée de LEADER consisterait à envisager des enquêtes pour compléter les données objectives, ainsi que des méthodes permettant de saisir les aspects de LEADER liés au networking ou au partenariat (par exemple, l'analyse des réseaux sociaux).

Enfin, étant donné que la charge de la collecte des données incombe principalement aux Groupes d'Action Locale (GAL), il est important de tenir compte de la simplicité, de l'objectivité et de la continuité dans la sélection des données.