par 
D’un meilleur accès aux soins de santé à une meilleure sécurité alimentaire, l’apprentissage automatique pourrait relever un large éventail de défis dans les pays en développement.
En 2020, une étude publiée dans Nature a montré que le programme d’intelligence artificielle d’apprentissage automatique de Google, DeepMind AI, surpassait les radiologues dans la détection du cancer du sein. Après avoir été entraîné sur des milliers de mammographies, le système a pu identifier avec précision 89 % des cas de cancer du sein, contre 74 % pour les radiologues. Imaginez quelle différence le déploiement d’un tel système pourrait faire en Afrique subsaharienne, où il y a 0,2 médecin pour 1000 habitants, selon la Banque mondiale.
Et ce n’est que le début. Marilyn Moodley, responsable nationale pour l’Afrique du Sud et la WECA (Afrique de l’Ouest, de l’Est et du Centre) chez SoftwareONE, affirme que l’apprentissage automatique peut aider à résoudre certains des problèmes les plus répandus de la région, de la réduction de la pauvreté et de l’amélioration de l’éducation à la prestation de soins de santé et à la résolution des problèmes de durabilité tels que demande alimentaire. « L’apprentissage automatique démocratise l’accès à des technologies innovantes et stimulant la productivité pour alimenter la croissance dont le continent a besoin. Cela remodèle fondamentalement la façon dont le travail est effectué, permettant une allocation plus efficace des ressources menant à une productivité accrue et, dans le cas du gouvernement, améliorant la prestation de services aux citoyens.
Améliorations agricoles
Le secteur agricole emploie plus de 65% de la main-d’œuvre africaine et représente 32% du produit intérieur brut (PIB), déclare Moodley. « La Banque mondiale estime que les marchés alimentaires africains atteindront 1 000 milliards de dollars américains d’ici 2030, contre 300 milliards de dollars actuellement. La demande alimentaire devrait au moins doubler d’ici 2050, mais le secteur est accablé par des limitations. Les terres se dégradent, les sols deviennent moins fertiles, les nappes phréatiques baissent, les ravageurs deviennent plus résistants et le climat est plus vulnérable et imprévisible. Tout cela pourrait avoir des effets désastreux sur la disponibilité alimentaire à l’avenir.
L’apprentissage automatique a le potentiel d’améliorer la productivité et l’efficacité à toutes les étapes de la chaîne de valeur agricole, dit-elle. « Ces technologies peuvent donner aux petits exploitants agricoles les moyens d’augmenter leurs revenus grâce à un meilleur rendement des cultures et à un meilleur contrôle des prix. Par exemple, l’analyse des données sur les cultures peut aider à identifier les maladies, permettre la surveillance de la santé des sols sans avoir besoin d’une infrastructure de test en laboratoire et faciliter la création de coopératives virtuelles pour agréger les rendements des cultures et négocier de meilleurs prix avec les fournisseurs.
Développements de la santé
L’apprentissage automatique peut non seulement analyser des tests et des images pour suggérer des diagnostics, mais aussi agréger des données et mettre à jour les dossiers des patients. Il se développe également rapidement dans d’autres domaines de la santé, y compris la détection précoce des maladies, le traitement et la recherche, explique Moodley. « Cela libérerait la charge de travail des médecins, leur permettant de passer plus de temps avec les patients et sur les soins réels aux patients. Le Japon envisage déjà d’augmenter ses médecins avec l’intelligence artificielle pour lutter contre la pénurie de médecins. »
En Afrique, l’apprentissage automatique pourrait combler le même fossé, mais aussi relever d’autres défis, dit-elle. « Les systèmes de santé en Afrique sont confrontés à plusieurs défis structurels tels que la pénurie de professionnels qualifiés ou de fournitures, entraînant des résultats divergents pour les patients. Même lorsque les installations et le personnel sont disponibles, l’abordabilité et les disparités entre les zones rurales et urbaines peuvent mettre les services nécessaires hors de portée des patients. »
L’apprentissage automatique peut améliorer ces résultats
• Améliorer la prestation des soins de santé : l’analyse avancée des données peut aider les praticiens à identifier rapidement les problèmes potentiels et à mieux adapter les soins préventifs. Les interventions précoces rendent les soins de santé plus abordables et plus faciles pour le patient, avec de meilleurs résultats.
• Amélioration des diagnostics et de la détection : l’analyse de modèles dans les données, telle que l’analyse par vision artificielle des rayons X, peut rendre les diagnostics plus rapides et plus précis.
• Accès amélioré : des outils tels que les agents de conversation en ligne peuvent étendre l’accès à des millions de personnes et diagnostiquer à distance divers problèmes de santé à l’aide d’images provenant des caméras des smartphones de tous les jours.
Moodley conclut par «L’apprentissage automatique est un outil puissant qui peut profiter à plusieurs secteurs, dont le marketing ; Services financiers; Transport et Fabrication. Les cas d’utilisation possibles sont illimités et démontrent clairement l’importance d’une technologie innovante pour garantir des processus commerciaux efficaces. » g
