Lancé pendant la pandémie de COVID-19, Novissi, qui signifie «solidarité» en éwé, la langue majoritaire du sud du Togo, a démontré comment le mariage entre données privées et intelligence artificielle peut sauver des vies.
Le système s’est appuyé sur «l’apprentissage automatique appliqué aux données d’appel et des indicateurs de pauvreté issus de données satellitaires». Résultat: des transferts d’argent ciblés vers les plus vulnérables, sans passer par des recensements obsolètes. Une agilité qui contraste avec les modèles traditionnels, où «les résultats sont publiés avec un décalage de 12 à 24 mois».
Selon les experts de la banque Mondiale, le succès de Novissi repose sur trois innovations technologiques interdépendantes. Premièrement, l’interopérabilité radicale, qui a permis de fusionner des sources de données hétérogènes– flux satellitaires offrant des indicateurs géospatiaux de pauvreté, données de téléphonie mobile reflétant les comportements socio-économiques, et des micro-données de recensement existantes. Une hybridation qui dépasse les silos traditionnels pour créer une vision en plusieurs dimensions du territoire.
Deuxièmement, le traitement en temps réel a transformé la logique statique des systèmes statistiques. En migrant de bases cloisonnées vers des plateformes dynamiques et cloud, le traitement des données est passé de cycles de plusieurs mois à une actualisation continue, réduisant les délais d’intervention à quelques jours.
Troisièmement, l’apprentissage machine frugal a résolu le défi des infrastructures limitées grâce à des algorithmes légers optimisés pour les contextes locaux, le système a identifié les bénéficiaires via des proxy robustes (comme la mobilité révélée par les trajets téléphoniques ou la densité d’habitat déduite d’images satellites), évitant ainsi le recours à des enquêtes coûteuses tout en préservant la précision du ciblage. Trois innovations opérationnelles– intégration des données, rapidité d’exécution et optimisation algorithmique– qui ont transformé l’urgence statistique en réponse agile.