Au Kenya, chaque jour, des centaines d'enfants souffrent de malnutrition aiguë. C'est une tragédie silencieuse. qui touche 350.000 XNUMX enfants de moins de cinq ans, Des familles entières se transforment en spectateurs impuissants d'une tragédie qui semble inévitable. Mais que se passerait-il si nous pouvions savoir précisément où et quand la malnutrition frappera avant même qu'elle ne survienne ?
Un groupe de chercheurs de USC, Microsoft, Amref Health Africa e Ministère kenyan de la Santé a développé une intelligence artificielle qui fait exactement cela : prédit les crises nutritionnelles six mois à l’avance avec une précision de 89 %.
Un algorithme qui lit l'avenir de la malnutrition
Le système, décrit dans l’étude publiée dans PLoS ONE Le 14 mai 2025 représente un changement de paradigme dans l’approche de la malnutrition infantile. Girmaw Abebe Tadesse, scientifique principal au Microsoft AI for Good Lab à Nairobi, explique l'importance de ce projet :
« La malnutrition représente un défi majeur pour les enfants en Afrique, un continent confronté à une grave insécurité alimentaire exacerbée par le changement climatique. »
Le modèle combine les données cliniques de plus de 17.000 XNUMX établissements de santé kenyans avec des informations satellitaires sur la santé des cultures et la productivité agricole. Cette fusion d'informations lui permet d'identifier les zones à risque émergentes avec une précision bien supérieure aux méthodes traditionnelles.
Lorsque les chercheurs testent les prévisions sur un mois, la précision s'élève à 89 %Six mois plus tard, Il conserve toujours une précision impressionnante de 86 %. À titre de comparaison, les méthodes basées uniquement sur les tendances historiques en matière de malnutrition atteindre seulement 73 % de précision.
Comment fonctionne la prédiction de la malnutrition infantile
La clé du succès réside dans l'intégration de différentes sources de données. Le système s'appuie sur le Système d'information sanitaire de district 2 (DHIS2), une plateforme qui collecte les données de santé des cliniques du Kenya. Parallèlement, il analyse les images satellite du MODIS de la NASA pour mesurer la productivité primaire brute (PPB), un indicateur de la croissance des cultures.
Laura Fergusson, directeur de recherche à l'Institut de l'USC sur les inégalités en santé mondiale, note que « la malnutrition est une urgence de santé publique au Kenya. Des enfants tombent malades inutilement. Des enfants meurent inutilement. » Les méthodes de prévision actuelles s'appuient principalement sur le jugement d'experts et les connaissances historiques, des approches qui peinent à anticiper de nouvelles épidémies ou des changements rapides.
Le modèle d'IA, quant à lui, peut repérer des tendances cachées dans les données, identifiant des corrélations entre l'état des cultures et les taux de malnutrition qui, autrement, échapperaient à l'analyse humaine. Les régions où la santé des cultures est mauvaise affichent souvent des taux de malnutrition plus élevés au cours des mois suivants.
Des satellites qui « voient » la faim avant qu'elle n'arrive
L'aspect le plus innovant concerne l'utilisation des données satellitaires. Les images de Spectroradiomètre imageur à résolution moyenne La NASA (dites-le : « Mais à quoi sert la recherche spatiale ? » ! Dites-le maintenant) fournit des mesures précises de la productivité des cultures en temps réel. Lorsque la productivité globale des cultures (GPP) diminue dans une région, l’algorithme peut prédire une augmentation de la malnutrition infantile dans les mois suivants.
Comment nous avons souligné dans des analyses précédentesL’intelligence artificielle transforme radicalement le secteur de la santé, et cette application en est un parfait exemple.
Bistra Dilkina, codirecteur du Centre d'intelligence artificielle dans la société de l'USC, qualifie le modèle de « changeur de jeu ». Le système s'avère particulièrement efficace pour prédire la malnutrition dans les régions où la prévalence fluctue et les pics sont difficiles à anticiper.
De la recherche à la réalité du terrain
Des chercheurs ont développé un prototype de tableau de bord qui visualise le risque régional de malnutrition, permettant des réponses plus rapides et plus ciblées. Samuel Murage, du ministère kenyan de la Santé, explique que
« La meilleure façon de prédire l’avenir est de le créer en utilisant les données disponibles pour une meilleure planification et un meilleur prépositionnement dans les pays en développement. »
Ferguson et Dilkina, comme mentionné, travaillent désormais avec le ministère kenyan de la Santé et Amref Santé Afrique d’intégrer le modèle et le tableau de bord dans les systèmes gouvernementaux et les processus décisionnels.
L'objectif est de créer une ressource publique durable et régulièrement mise à jour. Comme le souligne Ferguson, « la plupart des problèmes de santé mondiale ne peuvent être résolus par la seule santé, et celui-ci en fait partie. »
Zéro malnutrition : un objectif réalisable
Le Kenya partage le même système d'information sanitaire avec plus de 125 pays, ce qui signifie que des outils d'IA similaires pourraient être déployés dans de nombreux pays à revenu faible ou intermédiaire. « Si nous avons réussi à le faire pour le Kenya, nous pouvons le faire pour d'autres pays », déclare Dilkina. « Avec un véritable engagement en faveur du partenariat, les possibilités sont infinies. »
Dans un monde où Chaque minute, 35 enfants destinés à souffrir de la faim naissentCette technologie offre enfin un véritable espoir. Il ne s'agit plus de réagir aux urgences, mais de les prévenir. Et lorsqu'il s'agit de sauver des vies, un préavis de six mois peut faire la différence entre la vie et la mort.
