Les satellites nous font parvenir des images de tous les coins de la planète. Reste à interpréter la moisson d’informations qu’elles nous livrent.
Une équipe de chercheurs américains de l’université Stanford, en Californie, ont eu l’idée de recourir au « machine learning » (apprentissage automatique), une forme d’intelligence artificielle, pour exploiter ces images de manière à savoir où les besoins des populations sont les plus pressants.
Car pour lutter contre la pauvreté, il faut d’abord savoir où elle sévit. Or les gouvernements et les organisations caritatives peuvent manquer d’informations précises et fiables sur la localisation des populations démunies et leurs besoins.
Les chercheurs de Stanford ont élaboré un algorithme qui permet à un ordinateur non seulement de créer une carte du monde à partir du repérage de signes de pauvreté, mais aussi de la mettre automatiquement à jour, explique Marshall Burke, professeur adjoint dans le département des sciences de la Terre de l’université. Les résultats de leurs travaux, qui ont duré deux ans, ont été publiés dans la revue Science*.
« L’ordinateur apprend à trouver un tas de choses pour lesquelles il existe à notre avis une corrélation avec la pauvreté, par exemple le réseau routier, les zones urbaines, les terres agricoles et les cours d’eau », poursuit-il.
D’où l’idée des chercheurs : faire créer par l’ordinateur une carte mondiale de la pauvreté qui serait disponible en ligne gratuitement.
« Nous espérons que nos données seront utiles aux gouvernements à travers le monde (…) pour les aider à mieux cibler leurs programmes », déclare Marshall Burke.
L’enjeu est de taille : éradiquer l’extrême pauvreté, définie comme étant la situation des personnes ayant moins de 1,25 dollar par jour pour vivre, à l’horizon 2030 est le premier objectif du programme de développement durable adopté l’année dernière par les membres de l’ONU.
De nos jours, les chercheurs se tournent de plus en plus vers les satellites pour résoudre toutes sortes de problèmes, qu’il s’agisse de repérer les bateaux se livrant à la pêche illicite ou de prédire les catastrophes naturelles, par exemple.
Adaptation d’un article publié initialement sur le site de la Voix de l’Amérique*.
*en anglais
