Cartographie de la pauvreté par IA : nouvelles frontières du ciblage de la protection sociale

L'équipe de science des données de D4Act a développé des modèles ML qui prédisent la pauvreté au niveau des ménages avec plus de 80% de précision en utilisant des sources de données librement disponibles - imagerie satellite nocturne, classification diurne de l'utilisation des terres, données d'appels téléphoniques mobiles et caractéristiques géographiques publiques. Ces modèles permettent aux gouvernements de cibler les programmes de protection sociale plus précisément.

Le ciblage de la pauvreté basé sur l'IA réduit les erreurs d'exclusion de 30-40% par rapport aux tests traditionnels, tout en coûtant 90% de moins que le ciblage basé sur des enquêtes ménages complètes.

📄 References: World Bank · UNDP · Stanford Sustainability Lab
← Retour aux analyses