Une analyse satellitaire basée sur l'IA révèle le paysage économique inédit des pays sous-développés

Les Nations Unies rapportent que plus de 700 millions de personnes vivent dans une pauvreté extrême et gagnent moins de deux dollars par jour. Toutefois, une évaluation précise de la pauvreté reste un défi mondial. Par exemple, 53 pays n’ont pas mené d’enquêtes agricoles au cours des 15 dernières années et 17 pays n’ont pas publié de recensement de la population. Pour combler ce manque de données, de nouvelles technologies sont explorées pour estimer la pauvreté en utilisant des sources alternatives telles que des vues de rues, des photos aériennes et des images satellite.

Un nouvel article intitulé « Une approche collaborative homme-machine mesure le développement économique à l'aide de l'imagerie satellite » publié dans Communications naturelles démontre comment l’intelligence artificielle (IA) peut aider à analyser les conditions économiques à partir d’images satellite diurnes. Cette nouvelle technologie peut même s’appliquer aux pays les moins développés, comme la Corée du Nord, qui ne disposent pas de données statistiques fiables pour une formation typique en apprentissage automatique.

Les chercheurs ont utilisé des images satellite Sentinel-2 de l’Agence spatiale européenne (ESA) qui sont accessibles au public. Ils ont divisé ces images en petites grilles de six kilomètres carrés. À ce niveau de zoom, les informations visuelles telles que les bâtiments, les routes et la verdure peuvent être utilisées pour quantifier les indicateurs économiques.

En conséquence, l’équipe a obtenu la toute première carte économique détaillée de régions comme la Corée du Nord. Le même algorithme a été appliqué à d’autres pays sous-développés d’Asie : Corée du Nord, Népal, Laos, Myanmar, Bangladesh et Cambodge (voir Image 1).

La caractéristique clé de leur modèle de recherche est « l’approche collaborative homme-machine », qui permet aux chercheurs de combiner la contribution humaine avec les prédictions de l’IA pour les domaines où les données sont rares. Dans cette recherche, 10 experts humains ont comparé des images satellite et ont jugé les conditions économiques de la région, l'IA apprenant de ces données humaines et attribuant des scores économiques à chaque image. Les résultats ont montré que l’approche collaborative Homme-IA surpassait les algorithmes d’apprentissage automatique.

La recherche a été dirigée par une équipe interdisciplinaire d'informaticiens, d'économistes et d'un géographe de KAIST & IBS (Donghyun Ahn, Meeyoung Cha, Jihee Kim), de l'Université Sogang (Hyunjoo Yang), de HKUST (Sangyoon Park) et de NUS (Jeasurk Yang). ).

L'équipe de recherche a constaté que les scores montraient une forte corrélation avec les mesures socio-économiques traditionnelles telles que la densité de population, l'emploi et le nombre d'entreprises. Cela démontre la large applicabilité et l’évolutivité de l’approche, en particulier dans les pays où les données sont rares. De plus, la force du modèle réside dans sa capacité à détecter les changements annuels des conditions économiques à un niveau géospatial plus détaillé sans utiliser de données d'enquête (voir Image 2).

Ce modèle serait particulièrement utile pour suivre rapidement les progrès des objectifs de développement durable tels que la réduction de la pauvreté et la promotion d’une croissance plus équitable et durable à l’échelle internationale. Le modèle peut également être adapté pour mesurer divers indicateurs sociaux et environnementaux. Par exemple, il peut être formé pour identifier les régions très vulnérables au changement climatique et aux catastrophes afin de fournir des conseils en temps opportun sur les efforts de secours en cas de catastrophe.

À titre d’exemple, les chercheurs ont étudié l’évolution de la Corée du Nord avant et après les sanctions des Nations Unies contre ce pays. En appliquant le modèle aux images satellite de la Corée du Nord en 2016 et en 2019, les chercheurs ont découvert trois tendances clés dans le développement économique du pays entre 2016 et 2019.

Premièrement, la croissance économique en Corée du Nord s’est concentrée davantage à Pyongyang et dans les grandes villes, exacerbant ainsi la fracture entre zones urbaines et zones rurales. Deuxièmement, l'imagerie satellite a révélé des changements importants dans les zones désignées pour le tourisme et le développement économique, tels que la construction de nouveaux bâtiments et d'autres modifications significatives. Troisièmement, les zones traditionnelles de développement industriel et des exportations ont connu des changements relativement mineurs.

Meeyoung Cha, un scientifique des données de l'équipe, a expliqué : « Il s'agit d'un effort interdisciplinaire important pour relever des défis mondiaux comme la pauvreté. Nous prévoyons d'appliquer notre algorithme d'IA à d'autres problèmes internationaux, tels que la surveillance des émissions de carbone, la détection des dommages causés par les catastrophes et l'impact des catastrophes. du changement climatique. »

Un économiste de l'équipe de recherche, Jihee Kim, a déclaré que cette approche permettrait d'examiner en détail les conditions économiques dans les pays en développement à faible coût, réduisant ainsi les disparités de données entre les pays développés et les pays en développement. Elle a en outre souligné que cela est essentiel car de nombreuses politiques publiques nécessitent des mesures économiques pour atteindre leurs objectifs, qu'il s'agisse de croissance, d'égalité ou de durabilité.

L'équipe de recherche a rendu le code source accessible au public via GitHub et prévoit de continuer à améliorer la technologie, en l'appliquant à de nouvelles images satellite mises à jour chaque année.