Le système IPC, créé en 2004, est un consortium de partenaires qui produit des classifications de la sécurité alimentaire pour guider l'aide humanitaire. Ses analyses couvrent une trentaine de pays et servent à allouer plus de $6 billion d'aide chaque année. Une nouvelle étude publiée dans Nature Food conclut que les évaluations IPC tendent à sous-estimer l'ampleur de la faim.
Sollicitée par l'IPC en 2021, l'équipe dirigée par Hope Michelson et Erin Lentz a réalisé d'abord une vingtaine d'entretiens avec des agences et des utilisateurs, puis analysé près de 10 000 évaluations couvrant 917 million de personnes dans 33 pays entre 2017 et 2023, soit 2,8 billion d'observations-personnes. L'analyse révèle un regroupement clair juste en dessous du seuil de 20 % utilisé pour définir la phase 3 (crise).
L'équipe estime 293,1 million de personnes en phase 3 ou plus, contre 226,9 million selon les évaluations IPC, soit une différence de 66,2 million — environ un sur cinq. Les auteurs expliquent que ce décalage tient en partie à la manière dont les groupes de travail traitent des indicateurs contradictoires : face à des données bruitées, les comités adoptent une position conservatrice, par crainte d'être accusés d'exagération.
- Améliorer la collecte de données
- Renforcer la prise de décision
- Utiliser l'apprentissage automatique pour soutenir la modélisation
Les chercheurs soulignent la valeur du processus IPC mais recommandent de raffiner la mesure et l'allocation des ressources. Ils travaillent aussi à mieux comprendre comment les indicateurs prédisent la malnutrition et comment les évaluations se traduisent en réponses d'aide effectives.
Mots difficiles
- consortium — groupe d'organisations qui travaillent ensemble
- sous-estimer — estimer moins important que la réalité
- ampleur — grandeur ou importance d'un phénomène
- seuil — valeur limite pour une décision ou état
- indicateur — mesure qui montre une situation ou un problèmeindicateurs
- conservateur — qui évite les changements ou les risquesconservatrice
- allocation — répartition de ressources entre besoins ou projets
- apprentissage automatique — technique où des ordinateurs apprennent des modèles
Astuce : survolez, mettez le focus ou touchez les mots en surbrillance dans l’article pour voir des définitions rapides pendant que vous lisez ou écoutez.
Questions de discussion
- Quelles conséquences pourrait avoir la sous-estimation de la faim pour l'allocation de l'aide humanitaire ?
- Parmi les recommandations listées, laquelle vous semble la plus importante à mettre en place en priorité et pourquoi ?
- Quels avantages et quels risques voyez-vous à utiliser l'apprentissage automatique pour améliorer les évaluations IPC ?
Articles liés
Namibie : légumineuses et biofertilisants pour la sécurité alimentaire
Un projet en Namibie forme des agriculteurs à produire des biofertilisants locaux et à cultiver des légumineuses riches en protéines. L’initiative vise à améliorer la fertilité des sols, les revenus locaux et la nutrition des familles.
Les réseaux sociaux comme alerte sur les déplacements de population
Une étude publiée dans EPJ Data Science montre que l’analyse des publications sur les réseaux sociaux peut donner une alerte précoce sur les mouvements de population pendant les crises et aider les agences humanitaires à mieux réagir.
Soudan : un système de santé en crise et le recours à l'IA
Le système de santé du Soudan est très touché après presque deux ans de guerre. Les autorités évoquent des pénuries, des médecins partis ou tués, et un recours à l'intelligence artificielle, tandis que les inondations aggravent la situation.
