Annonce BOAMP
Marché de service pour la collecte de données d'une étude longitudinale
Université de Reims Champagne Ardenne · Marne (51)
J-1329 octobre 2026
- Référence de l’annonce
- 26-100905
- Publication
- 16 octobre 2026
MarchéScope reprend les données des sources identifiées ci-dessus. En cas de divergence, l’avis officiel fait foi.
Objet détaillé
Lot 1 : Plateforme de panel pour recrutement de participants canadiens : L’objectif est de suivre les 882 participants canadiens ayant pris part au Temps 0 (juillet-août 2026) de l’étude longitudinale du projet SUBSTANCES, puis ayant été suivis au Temps 1 (septembre 2026) de l’étude. La poursuite du protocole longitudinal nécessite donc de pouvoir suivre ces mêmes participants pour le Temps 2 (décembre 2026), le Temps 3 (mars 2027) et enfin le Temps 4 (juin 2027). La plateforme doit permettre de préserver la continuité de l’échantillon entre les différentes vagues de cette étude longitudinale d’un an et, ainsi, de re-solliciter précisément les mêmes participants que ceux sollicités aux précédents temps de mesure.
Lot 2 : Plateforme de collecte et de gestion de données d’enquêtes longitudinales : Pour permettre le déploiement du projet SUBSTANCES, il est nécessaire d’acquérir une licence logicielle permettant la création, diffusion, collecte, traitement et analyse de données d’enquête, pour assurer la poursuite d’une étude longitudinale comportant cinq temps de mesure, dont les trois premiers auront déjà été déployés. Les Temps 0, 1 et 2 ont déjà été conçus paramétrés et administrés au moyen d’une plateforme SaaS existante. La poursuite de l’étude aux Temps 3 et 4 nécessite de préserver la continuité opérationnelle et méthodologique de l’environnement utilisé pour les vagues précédentes. La licence doit donc rendre possible l’exploitation des questionnaires, blocs, variables, logiques de branchement, modalités de diffusion, droits d’accès et paramètres de collecte déjà configurés pour les premiers temps de mesure. Les seules possibilités d’export d’un questionnaire ou de données ne suffisent pas à démontrer la capacité à reproduire l’environnement opérationnel complet de l’étude.