HungerMap LIVE – Une intelligence artificielle au service de la sécurité alimentaire dans le monde

Par IRA MONGNESSEA ELIEZER

L’information a toujours été cruciale dans le domaine de l’humanitaire. Avant de se lancer dans des opérations humanitaires les ONG réalisent de plus en plus d’analyses statistiques qui leur permettent de connaître les besoins importants des populations auxquelles elles veulent apporter leurs aides. De nouveaux enjeux à l’image des conflits armés et des épidémies poussent les organisations à améliorer leurs outils d’acquisitions d’informations. C’est ainsi que dans le cadre de sa campagne visant à éliminer la faim d’ici 2030 le programme alimentaire mondiale a lancé HungerMap LIVE.  Cette carte interactive a été construite par l’unité de surveillance de la faim du PAM (Programme Alimentaire Mondiale). L’objectif de cette carte est de comprendre et d’étudier l’évolution de la faim dans le monde. Ainsi, la carte ne se contente pas d’une analyse à l’échelle des pays mais s’étend aux régions de ceux-ci. HungerMap LIVE couvre 94 pays parmi lesquels on a les pays où le PAM est présent, ainsi que la plupart des pays à revenu inférieur et intermédiaire inférieur selon la classification de la banque mondiale.

La première information à notifier est la prévalence de la consommation alimentaire insuffisante des pays. Cette information est mise en avant à travers une palette de couleur qui part du vert au rouge ; Le vert désignant une prévalence très faible et le rouge une prévalence très élevé. Ainsi, plus on tend vers le vert moins la zone est concernée par une insécurité alimentaire. A l’inverse plus on tend vers le rouge, le pays ou la région est soumise à une insécurité alimentaire très élevée. Dans le même temps, la luminosité d’une région ou d’un pays indique à quel point la zone est peuplée. Toujours sur l’interface générale de l’outil nous avons deux informations très utiles à savoir le nombre total de personnes ayant une consommation alimentaire insuffisante à l’échelle mondiale et le nombre de pays avec des niveaux de faim très élevés. A ce titre, nous avions à la date du 20 Janvier 2022, 0.83 Milliards de personnes ayant une consommation alimentaire insuffisante et 15 pays avec des niveaux de faim très élevés.

Figure 1 : Tableau de bord hungerMap LIVE du Libéria

Afin d’avoir une meilleure précision, il est possible de choisir un pays dans le menu déroulant « Naviguer » ou de cliquer sur un pays de notre choix. Ce qui nous offre des informations encore plus précises sur non seulement la situation alimentaire du pays mais aussi d’autres indicateurs socio-démographiques (Figure 1). Les indicateurs autour de la sécurité alimentaire regroupent la population de la région et le nombre de personnes ayant une consommation alimentaire insuffisante. Cela nous permet de comprendre la part des personnes en insécurité alimentaire parmi la population. Ensuite, nous avons des informations sur la malnutrition des enfants dans le pays sélectionné. Depuis la crise du covid-19, les données épidémiologiques des pays ont été ajoutés à l’outil afin de faire un lien entre la crise sanitaire actuelle et les indicateurs de sécurité alimentaire. L’outil propose de visualiser d’autres informations ayant des liens plus ou moins directs aux enjeux de la sécurité alimentaire à savoir la végétation, les conflits, les précipitations etc… (Figure 2). Il est possible d’avoir accès à un rapport complet sur la situation des entités sous un format pdf.

Figure 2 : carte de la végétation des pays enquêtés

Comment l’outil est-il construit?

HungerMap LIVE exploite la puissance de l’intelligence artificielle et de l’analyse prédictive pour suivre et prévoir la sécurité alimentaire en temps quasi réel. Les données utilisées dans cette technologie sont hétérogènes et issues de plusieurs bases de données (Tableau 1).

ThèmesSource
ConflitsProjet de données sur la localisation et les événements des conflits armés (ACLED) – acleddata.com
AléasPacific Disaster Center (PDC) – Service de cartographie des dangers actifs
PopulationBanque mondiale
Malnutrition aiguë & ChroniqueEstimations conjointes de la malnutrition – UNICEF, OMS, Banque mondiale
Dépendance vis-à-vis des importationsCalcul du PAM basé sur les données de l’USDA
Balance commercialeTrading economics
Inflation alimentaireTrading economics
InflationTrading economics
VégétationPlateformes MODIS Terra et Aqua. USGS/Earth Resources Observation and Science (EROS).
Tableau 1 : Source de données mobilisées dans HungerMap LIVE.

Pour cette raison, un entrepôt a été créé en dehors de cet outil et c’est l’entrepôt de données en réalité qui sert de base de données pour l’outil. Les informations sur la surveillance de la sécurité alimentaire sont disponibles par un suivi continu via des entretiens téléphoniques assistés par ordinateur (ITAO). La technologie ITAO (Interview assistée par ordinateur) est une technologie bien adaptée à des systèmes de surveillance qui permet de faire des enquêtes très rapide avec plusieurs autres avantages. Le premier avantage de cette technologie réside dans la possibilité de faire des enquêtes rapides à l’échelle du monde entier ; même dans des zones difficiles d’accès. L’ITAO permet l’entrée directe des données au format électronique, ce qui réduit le temps de traitement et les coûts. Elle donne ainsi un accès rapide aux données. Les méthodes de codage peuvent être programmées. Diverses méthodes de codage sont disponibles, allant d’une simple liste de choix (affichée à l’écran) à des outils de codage plus sophistiqués, qui guident la sélection du code approprié selon des règles préétablies et qui nécessitent tout au plus l’entrée de quelques lettres. Cette méthode réduit les coûts liés au codage par le bureau, tout en contribuant à accroître la qualité des données. Les enquêtes sont donc traitées par des moteurs statistiques automatisées de manière quotidienne. C’est cette rapidité de traitement qui permet d’assurer quotidiennement l’accès aux données de sécurité alimentaire dans plusieurs pays. Le questionnaire comprend des questions sur la démographie des ménages, la consommation alimentaire des ménages, les stratégies d’adaptation utilisées (basées sur l’alimentation et les moyens de subsistance), l’accès à la nourriture, au marché et aux services de santé, et d’autres questions liées aux moyens de subsistance spécifiques au pays. De plus, à la fin de l’enquête, les répondants ont la possibilité de partager des informations supplémentaires sur la situation alimentaire dans leurs communautés.

Les pays dans lesquelles les données sont affichées en temps réels sont : Afghanistan, Angola, Bénin, Burkina Faso, Cameroun, République centrafricaine, Tchad, Colombie, Congo, République démocratique du Congo, El Salvador, Éthiopie, Guatemala, Guinée, Haïti , Honduras, Irak, Côte d’Ivoire, Kenya, Madagascar, Malawi, Mali, Mauritanie, Mozambique, Nicaragua, Niger, Nigeria, Sierra Leone, Somalie, République arabe syrienne, République-Unie de Tanzanie, Yémen, Zambie et Zimbabwe (à partir de janvier avril 2021). Pour les zones où les données disponibles sont limitées, HungerMap LIVE utilise des algorithmes d’analyses prédictives. En l’occurrence l’algorithme utilisé est XGBoost. Le modèle produit des estimations actuelles de la prévalence des personnes avec une consommation alimentaire faible ou limitée et un indice de stratégie d’adaptation réduit pour les zones où aucune donnée sur la sécurité alimentaire n’est disponible. Il s’agit d’un modèle de prévision immédiate. 

 Ce qui m’a le plus intéressé dans cette carte est la méthode de collecte de données à savoir les enquêtes téléphoniques assistées par ordinateur et les modèles prédictifs. Ces technologies sont de plus en plus utilisées dans plusieurs secteurs d’activité. A titre d’exemple, depuis plusieurs années le système de surveillance en santé publique du gouvernement canadien se base sur des enquêtes effectuées par l’ITAO. Ces systèmes d’interviews sont en train d’être généralisés dans plusieurs secteurs comme la sécurité, l’agriculture, la communication et plusieurs autres.

En réalité, cette méthode de collecte de données devra être très vite appréhendée par les géomaticiens afin de les standardiser car il y a de sérieuses questions méthodologiques dans ces enquêtes qui peuvent poser problèmes. Premièrement, l’autodéclaration qui peut être un biais dans l’analyse automatique des réponses. Les enquêtés peuvent mal apprécier leur situation alimentaire ou ils peuvent surestimer leurs besoins alimentaires. En effet, tout le système dépend de l’honnêteté et de la bonne fois des enquêtés surtout que l’enquêteur est à distance. Une autre limite est liée à la durée d’attention et de concentration des enquêtés. Surtout qu’il est de plus en plus constaté que les personnes sont excédées par les enquêtes de marché (télémarketing). Il serait opportun que des associations de normalisation se penchent sur cette problématique afin d’améliorer la qualité de ces données.

Modérateurs : Lucie Veille et Jean Villard

Bibliographie

Karsenti, Thierry, Simon Parent, Marjorie Cuerrier, Faustin Kagorora, et Nicolas Kerbrat. « Développement d’une cartographie dynamique de l’intelligence artificielle (IA) en éducation ». Formation et profession 28, no 2 (2020): 124. https://doi.org/10.18162/fp.2020.a207.

Klaus, von Grebmer, Bernstein Jill, de Waal Alex, Prasai Nilam, Yin Sandra, et Yohannes Yisehac. 2015 Indice de la faim dans le monde: Conflict armés et le défi de la faim. Intl Food Policy Res Inst, 2015.

ONU Info. « Le PAM publie une carte interactive de la faim dans le monde », 28 janvier 2020. https://news.un.org/fr/story/2020/01/1060652.

Mazières, Antoine. « CARTOGRAPHIE DE L’APPRENTISSAGE ARTIFICIEL ET DE SES ALGORITHMES ». Université Paris 7 Diderot, École Doctorale Frontières du Vivant, 2016. https://www.bestcours.com/documents/0743-cartographie-de-lapprentissage-artificiel-et-de-ses-algorithmes.pdf.

Nooten, Carrie. « Le PAM dévoile une nouvelle carte interactive de la faim dans le monde ». Maga. RFI, 30 janvier 2020. https://www.rfi.fr/fr/g%C3%A9n%C3%A9ral/20200130-pam-carte-faim-monde-interactive.

Pumain, Denise. « Cartographie et intelligence artificielle », 15 novembre 2005. https://journals.openedition.org/cybergeo/591.

Votre commentaire

Entrez vos coordonnées ci-dessous ou cliquez sur une icône pour vous connecter:

Logo WordPress.com

Vous commentez à l’aide de votre compte WordPress.com. Déconnexion /  Changer )

Image Twitter

Vous commentez à l’aide de votre compte Twitter. Déconnexion /  Changer )

Photo Facebook

Vous commentez à l’aide de votre compte Facebook. Déconnexion /  Changer )

Connexion à %s

Un site WordPress.com.

Retour en haut ↑

%d blogueurs aiment cette page :