Identifier les foyers sensibles avant qu’ils ne souffrent d’insécurité alimentaire est le meilleur moyen d’empêcher des crises d’éclater. Un recueil d’information plus efficace et rapide permet l’acheminement à temps des aides humanitaires. C’est pourquoi l’association américaine pour l’avancement de la science a utilisé l’intelligence artificielle pour détecter les indicateurs de détresse alimentaire.
Comment ont-ils procédé ?
Les chercheurs de l’AAAS ont utilisé des algorithmes de deep learning pour extraire d’articles des indicateurs de souffrance alimentaire. Pour cela, ils ont rassemblé les 11 millions d’articles axés sur les pays souffrant d’insécurité alimentaire entre 1980 et 2020. L’intelligence artificielle a alors analysé la façon dont les journalistes expliquaient cette insécurité ainsi que ces causes.
Entre 2009 et 2020, de nouveaux indicateurs ont pu améliorer les prévisions de crises alimentaires et ceux dans 21 pays. Ces prévisions peuvent aller de quelques mois à l’avance à plus d’un an d’anticipation.
LANCEZ VOTRE CARRIÈRE :
DEVENEZ DATA SCIENTIST !
Une reconversion dans le big data vous intéresse, mais vous ne savez pas par où commencer ? Découvrez notre formation de Data Scientist.
LANCEZ VOTRE CARRIÈRE :
DEVENEZ DATA SCIENTIST !
Une reconversion dans le big data vous intéresse, mais vous ne savez pas par où commencer ?
Quel est le résultat de cette étude ?
Grâce à cette expérimentation, les data scientist du centre de recherche ont pu mettre au point un nouveau système d’alerte. Se basant sur l’actualité médiatique, il peut prévenir les crises avec plus de précision que les modèles actuellement utilisés.
Aujourd’hui, 37 pays sont touchés par l’insécurité alimentaire en Afrique, en Asie et en Amérique latine. Avec les modèles existant, les prévisions de ces crises furent incomplètes ou souvent retardées, s’appuyant sur des données incomplètes.
Mais via ce nouveau système, les cataclysmes alimentaires pourraient être endigués. Un exemple concret montre qu’en 2016, les médias parlaient d’une infestation de parasites 5 mois avant que les modèles d’insécurité alimentaire ne classifient cet incident comme problématique.
D’après le Bureau de la coordination des affaires humanitaires des Nations unies, la rapidité est au cœur de l’efficacité du financement humanitaire, de la préservation des vies et des moyens de subsistance, ainsi que de l’optimisation de l’impact. C’est précisément dans cet objectif que ce système d’analyse de données a été créé. C’est pourquoi, si cet article vous a plu, et si vous envisagez une carrière dans la Data Science, n’hésitez pas à découvrir nos articles ou nos offres de formations sur DataScientest.
Source : axios.com
