Des chercheurs américains en sciences sociales et informatique de l'Université Stanford ont élaboré un algorithme d'apprentissage profond qui permet de cartographier et prédire la pauvreté à partir d'images satellites. Une technique pratique, originale, et surtout économique. Au lieu d'effectuer des enquêtes de terrain, il suffit d'exploiter les images prises par les différents satellites et qui montrent clairement les zones enclavées dans les quatre coins du monde. "Nous avons un nombre limité d'enquêtes dans des villages dispersés sur le continent africain", explique Marshall Burke, économiste à l'Université de Stanford à Palo Alto, en Californie. Les satellites prennent quotidiennement des millions de clichés des zones éclairées, habitées, déforestées ou cultivées, des réseaux routiers et autres infrastructures. "Il y a tellement d'images, une grande partie du problème est de trouver comment extraire des informations utiles à partir de ces données non structurées", souligne Neal Jean, du laboratoire développement durable et intelligence artificielle de l'université de Stanford. Les chercheurs ont développé ainsi, un algorithme de deep learning (apprentissage profond) qui permet de repérer les signes de pauvreté notamment l'état des routes etc. Un outil très puissant, qui leur a permis de trier des millions d'images et identifier avec précision la situation économique de cinq pays africains : le Nigeria, la Tanzanie, l'Ouganda, le Malawi et le Rwanda. « Aujourd'hui, il est possible de cartographier la vie avec moins de deux dollars par jour » affirme les chercheurs. Effectivement, ils n'ont exploité que les données accessibles au public notamment les photos satellites de jour du moteur de recherche Google, les images satellitaires de nuit de la NOAA (National Oceanic and Atmospheric Administration) et les enquêtes de la Banque mondiale.
