Cartographie numérique: Calculer l'indice de richesse relative à une échelle infra-nationale pour les pays pauvres ou intermédiaires

Source : Guanghua Chi, Han Fang, Sourav Chatterjee, Joshua E. Blumenstock (2022). Microestimates of wealth for all low- and middle-income countries, PNAS.

De nombreuses décisions politiques cruciales, depuis les investissements stratégiques jusqu’à la distribution de l'aide humanitaire, reposent sur des données concernant la répartition géographique de la richesse et de la pauvreté. Pourtant, beaucoup de cartes de la pauvreté sont obsolètes ou n’existent qu’à des niveaux de granularité très grossiers. Les chercheurs ont développé ici des micro-estimations de la richesse et de la pauvreté relatives pour 135 pays à revenu faible et intermédiaire à une résolution de 2,4 km. Les estimations sont construites en appliquant des algorithmes d'apprentissage automatique à des données vastes et hétérogènes provenant de satellites, de réseaux de téléphonie mobile et de cartes topographiques, ainsi qu'à des données de connexion Facebook qui ont été agrégées et anonymisées. Les estimations ont été formées et calibrées à partir de données d'enquête effectuées auprès des ménages dans 56 pays, confrontées ensuite à quatre sources indépendantes de données d'enquête auprès des ménages de 18 pays. Ces estimations ont été mises gratuitement à la disposition du public dans l’espoir qu’elles permettent une réponse politique ciblée à la pandémie de Covid-19. Elles fournissent également une base pour mieux comprendre les causes et les conséquences du développement économique et favoriser l'élaboration de politiques responsables en matière de développement durable.

Micro-estimations de la richesse pour 135 pays à revenu faible ou intermédiaire (source : Chi et al., 2022).

Le laboratoire d'intelligence artificielle de Stanford a été pionnier dans la façon de mesurer l'activité économique à l'aide d'images satellites diurnes (voir cet article). Celle-ci s’appuie sur des méthodes antérieures d’utilisation des images satellites nocturnes pour évaluer la croissance économique. Cette méthode a eu une influence majeure sur la manière de calculer l’indice de richesse relative de Facebook (Meta). L'utilisation d'images satellites diurnes dans les études économiques en est pourtant encore à ses balbutiements.

Concernant le RWI, il s'agit d'un indice relatif pour chaque pays au moment de l'enquête (2021). Il présente une valeur moyenne de 0 et un écart type de 1. Les scores ne peuvent être comparés ni entre pays ni dans le temps. Les erreurs sont plus importantes dans les régions éloignées des zones d'enquête. La précision du modèle est plus élevée lorsque les données sont agrégées au niveau du gouvernement local.

Une étude réalisée en 2023 a porté sur le RWI de l'Indonésie. Il a été constaté que l'utilisation du RWI permettait d'identifier 14 % des populations les plus pauvres. Les résultats sont restés cependant mitigés. Le taux d'erreur était élevé : 50,65 %. C'est-à-dire que la moitié des régions les plus pauvres d'Indonésie ont été mal identifiées. Et chose surprenante, certaines régions qualifiées de plus pauvres du point de vue du RWI correspondaient en fait aux plus riches.

Ce que l'on peut retenir de l'indice de richesse relative (RWI) de Meta, c'est qu'il s'agit d'une nouvelle façon d’estimer la richesse au niveau des ménages. Mais la méthode présente encore des limites. Le message clé lorsque l'on recherche des informations granulaires sur la richesse et le PIB, c'est que rien n'est parfait : il importe de connaître les limites de chaque jeu de données.

Les données concernant l'Indice de richesse relative (RWI) sont disponibles en téléchargement sur le site Humanitarian Data Exchange, qui utilise ces données à des fins humanitaires.

Facebook (Meta) a consacré tout un dossier à cet indice ainsi qu'à d'autres algoritmes d'IA sur le site DataforGood. A la suite de la crise de Covid-19, Meta a produit des données granulaires sur l'estimation de l'activité des entreprises, sur la connectivité sociale, sur les différents types de mobilités. Toutes ces données mises à jour mensuellement à l'échelle mondiale sont disponibles en téléchargement sur le site Humanitarian Data Exchange. A travers la mise à disposition de gros jeux de données en open data, les GAFAM se donnent l'image d'entreprises au service de l'humanitaire.