Au hackathon du FIFDH, des algorithmes pour faciliter l’aide humanitaire

Le 11 mars dernier, j’ai poussé la porte de l’Espace Pitoëff, à Genève, pour participer à un «Hackathon sur les droits humains» organisé par le Festival du film et forum international sur les droits humains (FIFDH), Le Temps et l’association Open Geneva. Dans la salle, sept équipes de quatre à huit personnes relèvent chacune un défi lancé par des chercheurs et des organisations humanitaires. Avec toujours le même but: utiliser les données et les logiciels libres pour améliorer le partage du savoir, l’inclusion et le respect des libertés individuelles. Evidemment, cela me parle. L’Empowerment Foundation, que je dirige, s’est donné pour mission de militer pour une technologie qui se met au service de l’humanité plutôt que de l’asservir. Nous sommes en plein dedans.

Lire aussi: Trois projets prometteurs pour les droits humains

Dès 13h30, les 42 participants, geeks, graphic designers, étudiants et retraités, et surtout une majorité de membres d’ONG, planchent sur leur sujet. A ma table se trouvent deux employées du Comité international de la Croix-Rouge (CICR), une étudiante en statistique, un expert en innovation de l’Aéroport de Genève et deux chercheurs genevois dont Amudha Ravi Shankar, du Citizen CyberLab. C’est elle qui porte notre défi: «Challenges et opportunités de l’IA et du crowdsourcing à des fins humanitaires». Amudha et Maria animent la conversation. La géolocalisation offre de nouvelles opportunités pour l’aide humanitaire, mais le manque de connexions internet dans certaines zones complique les choses; les appels à l’aide bénéficient des réseaux sociaux, mais ne sont pas tous fiables… Le temps file à une vitesse incroyable. Il nous reste une heure trente avant de présenter à l’assemblée notre projet. Mais quel projet? Il faut être plus concret!

Deux algorithmes qui trouvent et qui trient

Nous nous concentrons sur la coordination d’une réponse efficace en cas de catastrophe naturelle. Amudha nous explique comment, l’année dernière, lors des inondations au Kerala, 300 personnes qui ne se connaissaient pas se sont auto-organisées via Facebook, WhatsApp et Google Sheets pour faire le pont entre les secours et les messages postés sur les réseaux sociaux. «Dix-neuf mille personnes ont ainsi été sauvées», témoigne la chercheuse, selon qui le problème principal demeure la fiabilité des posts.

Une idée émerge alors. Nous pourrions utiliser deux algorithmes de machine learning: l’un pour trouver sur les réseaux sociaux des personnes susceptibles de donner un coup de main, le second pour délivrer une note de fiabilité aux messages et ainsi concentrer les efforts sur les plus crédibles.

Le premier algorithme repose sur la loi de proximité: plus une victime est proche de soi, plus l’on se sent concerné. Pour chaque catastrophe, le robot logiciel pourrait donc parcourir les profils sociaux publics et solliciter tous les expatriés du pays touché. Alors que nous planchons sur le sujet, le Venezuela est plongé dans le noir depuis trois jours. «Si je reçois ce message, c’est sûr que je vais donner de mon temps», nous assure Maria, Vénézuélienne d’origine.

Pour le second algorithme, Amudha nous explique que les messages non fiables leur ont posé tellement de soucis lors de la campagne au Kerala qu’ils les ont tous recensés. Parfait! Avec ces données, nous pouvons entraîner un algorithme pour qu’il puisse estimer la fiabilité des messages reçus lors de catastrophes à venir.

Le pitch est dans quinze minutes, et notre table jonchée de bonbons. Je tente tant bien que mal de résumer tout cela en une slide. Pendant ce temps, l’équipe digresse sur la qualité des services proposés par l’Aéroport de Genève. «Focus, les amis! Qui parle? – Maria et toi.» «Ok. Go!» L’exposé oral a convaincu, et c’est ainsi que nous avons le privilège de le présenter dans les pages du Temps. Prochaine réunion autour du projet en mai.