La technologie au service du développement

Source details

Article publié dans FINANCES & DÉVELOPPEMENT par DANIEL BJORKEGREN et JOSHUA BLUMENSTOCK, Décembre 2023.
Thèse centrale : l’intelligence artificielle (IA) offre des bienfaits potentiels pour les pays en développement (meilleur ciblage de l’aide et du crédit, accès à un enseignement et à des conseils médicaux sur mesure), mais ces bénéfices exigent une adaptation locale des technologies et des innovations spécifiques au contexte social et institutionnel.

Kenya — usage du téléphone mobile pour le crédit :
- Plus du quart des adultes ont contracté des emprunts en utilisant leur téléphone portable.
- L’apprentissage automatique s’appuie sur l’usage du téléphone pour déterminer l’admissibilité aux microcrédits.
- Risque d’incitations indésirables : si la taille du réseau social (p. ex., nombre d’amis Facebook) augmente la probabilité d’approbation, certains demandeurs pourraient élargir artificiellement leur réseau pour être approuvés.
- Étude avec le Busara Center : les individus apprennent et adaptent leur usage du téléphone aux règles algorithmiques; un ajustement algorithmique anticipant ces réponses améliore les résultats, mais la technologie seule ne suffit pas à résoudre les problèmes de mise en œuvre.

Sierra Leone — agent conversationnel pour enseignants (TheTeacher.AI) :
- Agent conversationnel similaire à ChatGPT, adapté au programme d’enseignement national et utilisable avec une mauvaise connexion Internet.
- Observations de la phase d’essai : de nombreux enseignants n’ont pas su formuler des questions pour obtenir des réponses utiles; toutefois, un petit groupe a utilisé régulièrement le système pour enseigner des concepts, planifier des leçons et élaborer des supports.
- Conclusion : formation et expérimentation sont des prérequis à l’utilisation efficace par les enseignants; la découverte des usages utiles dépend d’une approche par tâtonnements.

Compréhension limitée : compétences en lecture et en calcul plus faibles rendent difficile l’explication d’algorithmes (p. ex., nombres négatifs, fractions) ; l’équipe a dû simplifier la communication.
Opacité vs transparence :
- Certaines applications peuvent être utiles même sans compréhension du fonctionnement (ex. recommandations Netflix) ; en situations d’urgence, un algorithme « boîte noire » peut être privilégié (cas du Togo durant la COVID-19).
- Pour les mesures de protection sociale en situation non urgente, la transparence sur les critères d’admissibilité est essentielle mais difficile à atteindre.
Normes et valeurs différentes : peu d’interlocuteurs ruraux au Togo manifestaient de fortes inquiétudes sur l’accès gouvernemental ou privé aux données, mais s’inquiétaient de la communication de données à leurs voisins.
Vulnérabilités informationnelles : l’IA peut produire des photographies totalement fausses et des appels imitant des voix; la sensibilisation des populations, y compris les plus isolées, est nécessaire pour prévenir la mésinformation.

Les solutions d’IA s’appuient sur l’infrastructure numérique existante : bases de données sur serveurs, câbles de fibre optique, tours cellulaires, téléphones portables.
Malgré les infrastructures de base, certaines applications doivent mieux exploiter les ressources existantes (ex. enseignants sans accès fiable à Internet pouvant préférer valider une réponse d’un chatbot plutôt que de rassembler plusieurs sources en ligne).
Lacunes en matière de données :
- Les pauvres sont souvent sous-représentés dans les données numériques ; modèles d’IA disposent d’informations incomplètes sur besoins, aspirations, état de santé, apparence des personnes et villages, et structure des langues peu usuelles.
- Pour combler ces lacunes, il peut être nécessaire d’intégrer cliniques, écoles et entreprises dans des systèmes d’archivage numériques, d’accorder des incitations à leur utilisation et d’établir la légitimité des droits sur les données collectées.
Adaptation aux ressources locales :
- Les systèmes conçus pour l’Occident peuvent présupposer l’accès à du matériel coûteux (tableaux blancs, diapositives numériques) — inadaptés à des enseignants sans ces ressources.
- Investir dans les capacités et la formation des développeurs et concepteurs locaux permettrait de créer des innovations reflétant les valeurs et priorités locales.

Les technologies existantes doivent être complétées par des innovations et des adaptations locales pour équilibrer risques et possibilités.
Principales priorités identifiées :
- Tester et valider la fiabilité des algorithmes dans des conditions réelles de prise de décision.
- Anticiper et corriger les comportements d’adaptation des utilisateurs qui pourraient compromettre les objectifs (ex. manipulation des signaux de ciblage).
- Assurer formation, expérimentation et support pour les utilisateurs finaux (enseignants, bénéficiaires d’aide, emprunteurs).
- Combler les lacunes en matière de données via des systèmes d’archivage numériques et des incitations à la participation.
- Adapter les systèmes aux valeurs, aux ressources et aux conditions locales, en favorisant la formation de développeurs locaux.
- Sensibiliser les populations aux risques informationnels nouveaux liés à l’IA (deepfakes, appels vocaux frauduleux).

L’IA offre de nombreuses applications utiles pour les populations pauvres dans les pays en développement, mais la difficulté principale est d’assurer que ces systèmes soient adaptés aux besoins locaux, fiables en conditions réelles et conçus pour minimiser les préjudices potentiels.

Source: La technologie au service du développement, FINANCES & DÉVELOPPEMENT, DANIEL BJORKEGREN et JOSHUA BLUMENSTOCK, Décembre 2023.

La technologie au service du développement
- La technologie au service du développement (Markdown version)
- La technologie au service du développement (PDF)