Foresight, le machine learning pour prédire les déplacements des réfugiés

Le modèle prédictif Foresight permet d’alimenter les exercices de planification stratégique et d’élaboration de scénarios. Il prédit avec précision le nombre total de déplacements forcés de populations d’un pays donné sur une période d’un an à trois ans. 

Foresight a été mis au point par le Conseil danois pour les réfugiés et l’entreprise IBM. Il améliore considérablement les capacités d’analyses prédictives dans le secteur humanitaire. L’objectif est d’améliorer la précision des scénarios et l’analyse prospective afin d’assurer une meilleure planification stratégique dans le secteur humanitaire, donc de meilleurs résultats en matière de protection des populations vulnérables. 

 

Le modèle est basé sur un cadre théorique prenant en compte les causes principales ou les facteurs macroéconomiques du déplacement. Les différentes dimensions et leurs indicateurs ont été répertoriés en 5 catégories :

1. Économie (ex. : chômage, PIB, pauvreté) ;
2. Violence (ex. : morts de civils, nombre de conflits, etc.) ;
3. Gouvernance (ex. : corruption, accès aux services publics, démocratie, etc.) ;
4. Environnement (ex. : sécurité alimentaire, catastrophes naturelles, etc.) ;
5. Société/population (ex. : présence de groupes vulnérables, urbanisation, démographie).

Les données sont issues de sources disponibles, dont les principales sont les indicateurs de développement de la Banque mondiale, ACLED (base de données sur les évènements de violence politique et les conflits dans le monde), UCDP (base de données sur les conflits), EMDAT (base de données sur les catastrophes naturelles), les agences des Nations unies (UNHCR, PAM, FAO), l’Observatoire des déplacements internes, etc. Au total, le système collecte des données de 18 sources différentes et a élaboré 148 indicateurs. Grâce aux techniques d’apprentissage automatique (machine learning), plusieurs algorithmes permettent d’obtenir de meilleures prédictions (apprentissage ensembliste).

Cette approche fonctionne en s’appuyant sur plusieurs modèles qui sont ensuite agrégés pour créer des prévisions indépendantes. Nous utilisons deux arbres de décision à gradient afin de prédire des points. Les hyperparamètres ont été déterminés à travers un formulaire de recherche. Chaque prédiction de l’année à venir est associée à un modèle distinct. En d’autres termes, nous avons des modèles d’ensemble pour y(t + h) = f(x(t)), où h = 0, 1, 2, 3. 

Les intervalles de confiance associées ont été générées par la méthode bootstrap empirique, où les distributions des erreurs à la source ont été générées sur une analyse rétrospective. Les données d’entraînement du modèle ont été limitées aux données depuis 1995.

Le modèle couvre à présent 24 pays où existent des déplacements de populations. Le modèle peut prédire les déplacements futurs avec une marge d’erreur en moyenne inférieure à 6%. Le modèle est généralement plus précis que les estimations des plans de réponse humanitaire. 

Jusqu’à présent, ce modèle a été utilisé pour le cycle de planification stratégique du Conseil danois pour les réfugiés. Il fournit aux bureaux nationaux des prédictions de déplacements de populations pour alimenter l’analyse contextuelle et des scénarios possibles du déroulement des déplacements. Le Conseil danois pour les réfugiés peut ainsi mieux préparer les plans d’intervention et les efforts d’atténuation. Le Conseil réfléchit à la possibilité de lier Foresight à un mécanisme financier d’anticipation. 

L’outil a été utilisé également par des partenaires extérieurs pour élaborer des planifications stratégiques, comme par exemple pour déterminer les besoins humanitaires en Amérique du Sud ou pour décider la répartition des financements par le Fonds central d’intervention d’urgence. 

Le modèle est disponible sur une plateforme en ligne où il est possible d’accéder aux données de base, de voir les prédictions pour différents pays et de prédire les déplacements de populations selon les différents scénarios.