Comment pouvons-nous sauver plus de vies lors d’une crise de réfugiés ? Voyez-le venir avant qu’il n’arrive.

Le défenseur des réfugiés, Rana Novack, utilise l’IA pour prédire les nouvelles vagues de migration – afin que le monde puisse aider avant que la catastrophe ne se produise.

Les migrations massives font partie de notre réalité moderne : Le nombre de personnes déplacées de force, par la guerre ou la persécution, est passé à 68,5 millions de personnes en 2017, selon l’ONU. Beaucoup de ces personnes restent quelque part dans leur pays d’origine, mais un groupe important – quelque 25,4 millions de personnes d’ici 2017 – a été contraint de quitter leur pays, devenant officiellement des réfugiés. Et ” une réponse réactionnaire n’est tout simplement pas la meilleure façon d’y faire face “, déclare Rana Novack, défenseur des réfugiés ([email protected] Talk : How we’ll predict the next refugee crisis). C’est pourquoi elle aide à développer un modèle informatique afin de prédire les migrations entre les pays au cours d’une année donnée. S’il fonctionne, le logiciel pourrait procurer un avantage qui pourrait sauver des vies aux décideurs politiques, aux groupes humanitaires et aux gouvernements nationaux : la capacité de planifier à l’avance en prévision d’une crise de réfugiés – avant qu’elle ne se produise.

En septembre 2015, Alan Kurdi, un garçon syrien de trois ans, est devenu le symbole de la crise des réfugiés après qu’une photo de son petit corps, mort sur une plage turque, a été publiée dans le monde entier. Pour Novack, l’image tragique incarne l’échec de la réponse internationale aux réfugiés. La famille Kurdi avait fui la Syrie déchirée par la guerre pour la Turquie. Les réfugiés ne pouvaient pas légalement y travailler, et bien que la famille espérait immigrer au Canada, des lois strictes rendaient peu probable qu’ils obtiendraient l’asile dans ce pays. Mais sans un moyen sûr ou légal de se déplacer quelque part où ils pourraient travailler, ils ont mis leur vie entre les mains de trafiquants d’êtres humains et ont essayé d’atteindre la Grèce à bord d’un bateau gonflable. Il a chaviré et Alan et son frère de cinq ans se sont noyés, rejoignant ainsi les quelque 3 600 autres réfugiés qui sont morts alors qu’ils tentaient de traverser la Méditerranée orientale en 2015. Le monde était choqué, mais Novack ne l’était pas. “Comment cela peut-il être une surprise ?” se souvient-elle en pensant. “Nous ne leur avons pas laissé d’autre choix.”

Novack connaissait bien ce genre de désespoir. Fille d’immigrants syriens née aux États-Unis, elle se démenait à l’époque pour aider sa famille élargie en Syrie à se réinstaller dans un endroit sûr. Mais lorsqu’elle a appelé les organisations humanitaires pour obtenir des conseils, on lui a dit sans détour : les membres de sa famille, comme plus de quatre millions d’autres Syriens en 2015, devraient traverser la frontière par leurs propres moyens avant de pouvoir obtenir une aide d’urgence dans un camp de réfugiés. En d’autres termes, alors que les agences savaient qu’une crise massive se déroulait en Syrie, elles n’avaient aucun plan ; les individus et les familles devaient faire un passage frontalier potentiellement illégal, coûteux et mettant leur vie en danger avant de pouvoir obtenir de l’aide. Cela n’avait aucun sens pour Novack. Travaillant dans le développement des affaires chez IBM, elle connaissait la capacité de l’informatique moderne à prédire les scénarios futurs, même les plus complexes. “L’idée d’être capable de prévoir une crise, de réagir de façon proactive – ce n’est pas de la science-fusée “, dit-elle. “Pensez à un ouragan ou à une inondation. Nous pouvons faire ces choses pour les catastrophes naturelles, alors pourquoi ne pouvons-nous pas faire ces choses pour les catastrophes causées par l’homme ?”

Les entreprises utilisent déjà des modèles sophistiqués pour prédire le comportement humain. “S’ils peuvent me dire quel type de chemise je veux acheter, il doit y avoir un moyen de prédire la crise des réfugiés “, se souvient-elle. Elle a commencé à parler aux ingénieurs qui l’entouraient. Une équipe s’est réunie, dont le chercheur d’IBM, Rahul Nair, qui étudiait comment les gens se déplacent dans les villes afin de concevoir des réseaux d’autobus plus intelligents. Comme Novack l’a dit : “Il y a un ensemble mesurable de circonstances. Nous pouvons les étudier et les analyser. Et nous pouvons mieux soutenir ces gens.”

De nombreux facteurs influent sur la décision d’un individu de fuir son pays et sur l’endroit où il ira s’il le fait. Les géographes les appellent des ” facteurs push-pull “. Les facteurs de pression, tels que le chômage, les conflits et la violence, sont ceux qui poussent les gens à quitter leur pays d’origine. Les facteurs d’attraction, qui comprennent les possibilités économiques perçues ou une communauté d’immigrants existante, peuvent attirer des migrants dans un pays donné. Pour saisir ces facteurs, l’équipe a compilé et analysé les nouvelles internationales sur la migration remontant à 2010, ainsi que des données sur le développement et l’économie provenant de sources comme la Banque mondiale remontant aux années 1960. Autre facteur : la distance entre les pays, qui est une quantité qui va au-delà du simple kilométrage. Comme le souligne Nair, alors que les migrants tentent souvent de rester plus près au début – un grand nombre de réfugiés syriens sont allés au Liban, par exemple – les migrants d’Afrique francophone sont attirés en France, tandis que les Antillais sont susceptibles d’aller en Grande-Bretagne, où des communautés fortes existent en raison de la colonisation passée. Pour chaque paire de pays liés, l’équipe a également fourni des données représentant la distance physique, la langue et les liens coloniaux.

Les modèles informatiques tirent des leçons des données passées pour créer une relation mathématique complexe entre les causes et les effets. Ce processus est connu sous le nom d’apprentissage machine supervisé. L’équipe a donné à son modèle les intrants – les données historiques sur ces facteurs de poussée, d’attraction et de distance pour 189 pays – et les extrants – les 15 dernières années de chiffres de migration provenant du HCR. En analysant ces intrants et extrants, le modèle a établi une relation mathématique entre eux de sorte que, compte tenu des facteurs de poussée, de traction et de distance, il a pu calculer les chiffres de migration pour l’année à venir. Tout comme un algorithme d’affaires peut produire une prévision des ventes à long terme, leur modèle stratégique prédit le nombre moyen de migrants entre deux des 189 pays du monde au cours d’une année à venir. Étant donné que de nombreuses autres forces peuvent avoir un impact majeur sur la migration – comme lorsque la Hongrie a fermé sa frontière avec la Croatie en octobre 2015 – l’équipe a inclus la possibilité d’ajouter des scénarios comme un changement de politique ou la fermeture de la frontière pour voir comment les chiffres de la migration sont affectés.

Une fois que l’équipe a élaboré son modèle à partir de données historiques, elle l’a mis à l’essai : Aurait-il pu prédire la crise des réfugiés en Europe en 2015 ? Lorsqu’ils entrent les facteurs de poussée, de traction et de distance qui étaient connus à l’époque, le modèle a ensuite calculé les flux de réfugiés en 2015. Lorsque l’équipe a comparé ces chiffres avec les données réelles pour 2015, le taux d’erreur moyen était d’environ 1 000 personnes par an et par pays. Cela signifie que le modèle ne fonctionne pas pour les petites migrations, dit Nair – par exemple, le nombre d’Irlandais qui vont en Australie. Mais dans les migrations de masse, comme les 5,6 millions de personnes qui ont quitté la Syrie depuis 2011, le modèle pourrait être suffisamment précis pour aider à prendre des décisions.

L’équipe a également créé une version de son modèle qui produit des prévisions à court terme, de sorte que les ONG peuvent planifier les mouvements de réfugiés dans un avenir très proche. Comme une prévision météorologique à court terme, ce ” modèle opérationnel ” prend les données récentes sur l’arrivée des réfugiés, les nouvelles et les conditions météorologiques actuelles pour une région donnée, puis projette les arrivées dans les camps de réfugiés sur une base journalière, jusqu’à trois semaines à l’avance. Un “modèle de flux” prédit le nombre de personnes dans un camp de réfugiés donné qui sont censées déménager dans un autre camp – dans le même pays ou dans un autre – au cours de cette période. Ce genre de modèles pourrait aider les organisations à prendre de meilleures décisions concernant le déplacement des ressources et du personnel entre les camps de réfugiés qu’elles desservent.

Cette approche de la migration fondée sur les données a donné de nouvelles perspectives qui n’étaient pas saisies sur le terrain. En règle générale, les ONG ne peuvent enregistrer que le nombre de personnes arrivant dans un camp un jour donné. En examinant la situation dans son ensemble, l’équipe d’IBM a déterminé la vitesse à laquelle les gens se déplacent d’un camp à l’autre et le temps qu’il leur a fallu pour se rendre, par exemple, d’un camp de réfugiés en Grèce à un camp en Autriche. Ils ont aussi vu de nouvelles tendances : par exemple, des vitesses de vent élevées sur la Méditerranée sont fortement corrélées avec moins d’arrivées en Grèce. C’est logique, dit Nair : “Les contrebandiers et les facilitateurs le long de la route ne mettraient pas leurs bateaux à l’eau par temps venteux”.

L’équipe d’IBM collabore maintenant avec des organisations humanitaires en Europe pour peaufiner leur logiciel. Ils ont lancé un projet avec le Conseil danois pour les réfugiés (DRC), qui interroge les réfugiés éthiopiens sur les raisons de leur départ du pays. Ces données pourraient aider à améliorer la capacité du modèle IBM à prédire le mouvement des réfugiés, car les tendances migratoires vont parfois à l’encontre de ce à quoi on peut s’attendre, selon Nair. Par exemple, deux pays pourraient avoir le même PIB, mais beaucoup plus de gens pourraient fuir un pays que l’autre. “Il n’y a pas de formule simple pour expliquer pourquoi les gens partent “, dit-il, et les données de l’enquête éthiopienne permettront à l’équipe de commencer à démêler cette complexité. Bien qu’il soit encore trop tôt pour rendre compte des résultats, l’équipe a commencé à passer au peigne fin les données de l’enquête de la RDC dans le but d’établir une correspondance entre les motivations personnelles et les données existantes sur les facteurs économiques et les facteurs liés aux conflits. Cela pourrait les aider à comprendre quelles pressions sont plus importantes que d’autres et comment exactement ces forces plus importantes interagissent pour faire partir une personne. Une image plus détaillée de la dynamique complexe de la migration devrait aboutir à un modèle plus vrai à la vie et à une capacité plus précise de prédire quand et comment les mouvements de masse peuvent se produire plutôt que d’être pris par surprise par un flot de personnes. A l’avenir, Nair rêve également d’apporter d’autres sources de données, comme la localisation de leur téléphone portable. “Les migrants sont particulièrement sensibles au fait d’avoir des téléphones ; ils les font payer pour les voyages parce qu’ils savent que cela leur donne au moins un contact “, dit-il. Les téléphones, comme tous les appareils mobiles, partagent constamment leurs emplacements avec les tours de téléphonie cellulaire à proximité, ce qui, à son tour, pourrait fournir des informations plus précises sur les flux de réfugiés. Mais bien sûr, dit M. Nair, l’équipe devra trouver un moyen de le faire tout en respectant les lois sur la protection de la vie privée.

L’objectif est de prédire la prochaine crise des réfugiés avant qu’elle ne se produise. Comme les prévisions stratégiques de l’équipe prévoient les mouvements de réfugiés au cours de l’année à venir (la plus lointaine qu’ils peuvent actuellement prévoir avec précision), il est techniquement possible de mettre en place des moyens sûrs pour que les gens quittent leur pays avant qu’ils ne soient suffisamment désespérés pour se tourner vers les passeurs et les trafiquants d’êtres humains, comme l’a fait la famille d’Alan Kurdi. “Je pense aux gens qui mettent leurs enfants dans un radeau, et toutes les histoires que j’ai lues sur des gens qui meurent à l’arrière d’un camion… c’est parce qu’ils comptaient sur un trafiquant d’êtres humains pour les transporter d’un point A à un point B “, dit Novack. “Si nous connaissions les voies que les gens empruntaient à l’avance, nous pourrions renforcer ces voies et sauver des vies. Elle rêve que les décideurs politiques prennent des décisions proactives et positives au sujet des réfugiés au niveau national. Par exemple, deux mois après la mort de Kurdi en septembre 2015, le Canada a révisé sa politique d’immigration pour accueillir 10 000 réfugiés syriens d’ici la fin de l’année ; depuis, il en a accueilli des dizaines de milliers d’autres. Mais Novack dit : “Pourquoi attendons-nous des années dans une crise alors que des milliers de personnes se sont noyées, que des centaines de milliers de personnes sont tuées, que des millions sont déplacées et que nous parlons d’ouvrir nos portes ?

Une autre bonne question : Comment les entreprises de technologie peuvent-elles créer plus de technologie comme celle-ci, de la technologie pour le plus grand bien, et non seulement pour le profit ? L’équipe de Novack fait partie de la branche philanthropique d’IBM, mais la plupart des organisations humanitaires n’ont pas les moyens de développer des logiciels sophistiqués comme celui-ci. Comme le dit Novack, ” il y a un déficit d’innovation dans le secteur humanitaire “. Elle demande aux entreprises de technologie d’utiliser leur expertise pour aider. Tout simplement, comme elle le dit dans son discours, ” nous devons nous assurer que les gens qui veulent faire ce qu’il faut ont les outils et l’information dont ils ont besoin pour réussir “.

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *