La pandémie de coronavirus a touché tout le monde, mais son intensité n’était pas la même partout. Dans certains pays, comme l’Espagne, l’Italie et les États-Unis, l’ampleur de ces systèmes de santé dévastés et des mesures préventives telles que la quarantaine ont conduit les pays à une récession économique.
Cependant, ces territoires disposent encore de mécanismes par lesquels ils peuvent tenter de flotter. D’un autre côté, les pays en développement ne disposent pas toujours aujourd’hui des ressources nécessaires.
Beaucoup d’entre eux ont des populations en situation de pauvreté qui sont devenues encore plus vulnérables en raison des mesures de quarantaine et d’isolement mises en place dans le monde. Des organisations comme le Programme alimentaire mondial des Nations Unies préviennent déjà que la faim dans le monde pourrait doubler à cause du coronavirus.
Ce sera l’une des nombreuses crises que les groupes les plus vulnérables devront surmonter pour tenter de faire face à une pandémie. Les gouvernements de ces nations sont conscients de cette dangereuse possibilité et ont donc décidé de rechercher un soutien technologique pour lutter contre les effets secondaires du COVID-19.
Comment les grands ensembles de données et l’apprentissage automatique peuvent-ils aider?
C’est là qu’apparaissent des concepts comme le Big Data et le Machine Learning. D’une part, la première devient une énorme source d’informations constamment mise à jour qui nous permet de mieux comprendre les conditions des citoyens et leurs besoins immédiats.
L’apprentissage automatique sera l’élément qui aidera à former de grands groupes de données pour obtenir les informations nécessaires à l’action appropriée. Par exemple, au Togo, en Afrique, il est prévu d’utiliser cette technologie pour définir les flambées de pauvreté extrême dans le pays.
À cette fin, ils disposeront d’un mécanisme d’apprentissage automatique qui traite les images satellites de l’ensemble du territoire togolais. De cette façon, vous pouvez créer des cartes détaillées montrant les zones de plus grande pauvreté. Ceux-ci, à leur tour, deviendront les principaux points sur lesquels le gouvernement fournira davantage d’aide pendant la crise.
Autres alternatives
Ce n’est pas le seul moyen d’utiliser l’apprentissage automatique comme outil pour soutenir la cause. En fait, d’autres pays, comme l’Ouganda, l’utilisent, mais traitent les données obtenues par les opérateurs téléphoniques locaux.
Dans certains pays en développement, ces sociétés tierces ont généralement plus d’informations sur l’emplacement et la situation actuels de leurs clients que le gouvernement de leurs citoyens. Par conséquent, l’utilisation de données propriétaires est une méthode qui garantit la plus grande précision possible des informations.
Dans ces cas, l’emplacement, la fréquence des appels, la durée, le nombre de contacts et la fréquence de chargement des données de solde seront utilisés. Par conséquent, l’apprentissage automatique peut faire des estimations très précises de la situation des utilisateurs en ligne. De cette façon, le gouvernement pourra savoir quels citoyens soutenir en premier.
Nous trouvons le Bangladesh avec une idée similaire. Dans ce cas, ils utiliseront l’apprentissage automatique et les informations téléphoniques pour les utilisateurs afin de déterminer les critères d’éligibilité. En résumé, sur la base des informations obtenues à partir des analyses, le pays saura quels citoyens sont éligibles au programme d’aide et qui ne remplit pas les conditions. De toute évidence, ces informations seules ne suffisent pas à exclure complètement un candidat, mais elles peuvent suggérer la nécessité d’études approfondies sur cette personne ou même sur ce domaine.
Avantages de ces nouveaux systèmes.
Le charme de ces nouvelles propositions réside dans leur potentiel. Grâce à eux, le gouvernement pourra enfin obtenir des informations actualisées et véridiques sur sa population.
En conséquence, cela se traduirait par une meilleure gestion des ressources et de meilleures décisions gouvernementales. Pour aggraver les choses, ils auraient également des canaux de contrôle plus fiables et des moyens d’obtenir rapidement de l’aide uniquement pour ceux qui en ont le plus besoin, même s’ils ne sont pas enregistrés dans d’autres bases de données gouvernementales.
Certains inconvénients que vous remarquerez peut-être en cours de route
Cependant, tout dans ces propositions n’est pas bon. En fait, il existe également un risque que les citoyens bénéficient du système d’exploitation qui s’incline en leur faveur.
Par exemple, si l’on sait que les personnes disposant de moins de ressources établissent des connexions plus courtes et que l’algorithme d’apprentissage automatique le détecte, les personnes peuvent intentionnellement réduire le temps de communication pour devenir des candidats qualifiés à l’aide.
De même, ces systèmes ont ignoré la grande possibilité que la population, probablement la plus vulnérable, n’ait même pas de téléphone portable. Par conséquent, son enregistrement dans ces processus d’assistance serait beaucoup plus compliqué.
Enfin, toutes les théories théoriques semblent offrir une opération simple pour une prémisse simple. Cependant, la nécessité d’appliquer la journalisation et la surveillance de cette manière à plus de 160 millions de personnes dans la vie réelle ne semble pas si facile.
D’autant plus que l’expérience de l’utilisation de tels mécanismes dans ces pays est pratiquement nulle. Cela signifierait que la tentative finale deviendrait également la première et serait donc également vulnérable.
Pouvons-nous utiliser cette technologie aujourd’hui?
Les opportunités sont déjà disponibles, mais les connaissances nécessaires n’existent pas. Cependant, il n’est pas toujours possible de prendre les précautions habituelles lors d’une crise. Un événement comme une pandémie ne s’attendra pas à des tests de laboratoire, des tests contrôlés ou une utilisation pratique progressive.
En cas d’urgence, vous devez agir rapidement. Et heureusement, nous avons maintenant la technologie et les ressources pour mettre en œuvre ces initiatives. Les pays du Togo, de l’Ouganda et du Bangladesh ont pris cette situation au sérieux et déploient actuellement des efforts particuliers pour atteindre cet objectif.
Cependant, un progrès aveugle n’est pas non plus une option. Pour un moment comme celui-ci, pressé, il vaut mieux partager des informations et mener des recherches conjointes. Tout comme les informations sur le coronavirus sont partagées avec des pays du monde entier, des informations détaillées sur d’autres initiatives d’apprentissage automatique peuvent également constituer un ensemble d’informations pour les pays qui souhaitent l’appliquer.
De cette façon, l’échec de l’un peut devenir l’apprentissage de l’autre et vice versa. Grâce à cela, des efforts conjoints aboutiront à des résultats meilleurs et plus rapides en moins de temps. De cette façon, ils pourront utiliser au mieux leurs ressources lors de turbulences spéciales et intenses telles que la pandémie.
