Des chercheurs créent des modèles de ML pour prévoir les pénuries alimentaires

Une équipe internationale de chercheurs a construit un ensemble de modèles d’apprentissage automatique qui, selon eux, peuvent aider à prévoir les pénuries alimentaires mondiales dans un avenir proche, aidant les gouvernements et les agences internationales à comprendre où ils peuvent le mieux aider.

Des scientifiques du Programme alimentaire mondial, du département de mathématiques de l’Université de Londres et du département de science des réseaux et des données de l’Université d’Europe centrale, ont utilisé un “ensemble de données mondial unique” pour créer des modèles d’apprentissage automatique pouvant expliquer jusqu’à 81 % de la variation de l’insuffisance alimentaire. consommation.

L’étude affirme que les modèles d’apprentissage automatique s’appuient sur des sources de données indirectes dans des domaines tels que les prix des denrées alimentaires, les indicateurs macroéconomiques (y compris le PIB), la météo, les conflits, la prévalence de la sous-alimentation, la densité de population et les tendances antérieures de l’insécurité alimentaire. L’objectif est de créer des prévisions à court terme, ou “nowcasts”.

“Nous montrons que les modèles proposés peuvent maintenant projeter la situation de la sécurité alimentaire en temps quasi réel et proposer une méthode pour identifier les variables à l’origine des changements observés dans les tendances prévues – ce qui est essentiel pour rendre les prévisions utiles aux décideurs”, la recherche article publié dans Nature Food cette semaine a déclaré.

Les sorties des modèles ML ont été utilisées pour créer une carte du monde comprenant des prévisions d’insécurité alimentaire à court terme appelée HungerMap.

En 2019, le nombre de personnes sous-alimentées était estimé à 650 millions, dont 135 millions dans 55 pays et territoires signalés comme étant en « insécurité alimentaire » aiguë. L’insécurité alimentaire est définie comme le manque d’accès constant à suffisamment de nourriture pour mener une vie active et saine. Suite à la pandémie mondiale de COVID-19, ces chiffres ont grimpé en flèche. Au moins 280 millions de personnes seraient en situation d’insécurité alimentaire aiguë en 2020, soit plus du double du nombre de l’année précédente.

Les gouvernements et les organisations internationales telles que le Programme alimentaire mondial (PAM), l’Organisation des Nations Unies pour l’alimentation et l’agriculture (FAO) et la Banque mondiale mesurent la sécurité alimentaire au moyen d’enquêtes en face à face ou d’enquêtes à distance par téléphone portable. Mais ceux-ci peuvent être coûteux, tandis que la précision peut être un problème. “L’insécurité alimentaire est un phénomène plus dynamique et instable que la pauvreté, avec une composante saisonnière liée aux calendriers de production agricole et sujette à des changements rapides lorsque des chocs externes surviennent, nécessitant donc des évaluations plus fréquentes et plus rapides”, indique le document.

“Cela ouvre la porte à une prévision immédiate de la sécurité alimentaire en temps quasi réel à l’échelle mondiale, permettant aux décideurs de prendre des décisions plus opportunes et éclairées sur les politiques et les programmes orientés vers la lutte contre la faim”, ont déclaré les auteurs.

Les chercheurs ont également utilisé des données secondaires pour prédire l’insécurité alimentaire à plus long terme. La production agricole, les modèles statistiques de cultures et la modélisation climatique ont été utilisés pour faire des projections jusqu’en 2030 sur les changements de la production agricole. Pendant ce temps, des données de téléphonie mobile anonymisées et agrégées ont été utilisées au Sénégal pour examiner le mouvement plus large des personnes au fil des saisons, et ont été combinées avec des calendriers agricoles et des enregistrements de précipitations pour caractériser la sécurité alimentaire.

La présente étude n’a pas utilisé les données des téléphones portables, car elles sont généralement obtenues par l’intermédiaire d’opérateurs nationaux de téléphonie mobile. “Par conséquent, ce n’est pas un type de données qui est facilement évolutif, et c’est pourquoi ce n’était pas une source de données appropriée pour notre approche globale”, a déclaré l’auteur principal Elisa Omodei, professeur adjoint à l’Université d’Europe centrale. Le registre.

Les auteurs suggèrent que lorsque leurs modèles prédisent une augmentation de la prévalence des personnes en situation d’insécurité alimentaire, le Programme alimentaire mondial déclencherait des évaluations rapides par le biais d’enquêtes en face à face ou à distance et mobiliserait des analystes dans le pays pour mieux comprendre la situation.

“Le développement de ces modèles est motivé par un besoin spécifique du PAM pour combler une lacune qui existe actuellement en raison des ressources limitées et de l’inaccessibilité, c’est-à-dire fournir des informations régulières pour les endroits moins accessibles, où les évaluations de la sécurité alimentaire ne sont effectuées qu’une seule fois ou deux fois par an, mais qui nécessitent néanmoins un flux constant d’informations pour éclairer les opérations humanitaires », indique le journal. ®