Les mathématiciens ont utilisé l'apprentissage automatique pour développer un nouveau modèle de mesure de la pauvreté dans différents pays qui rejette les vieilles notions d'un « seuil de pauvreté » fixe.

L'étude menée par des universitaires de l'Université d'Aston, publié dans la revue Communication Nature , suggère que la pensée dominante autour de la pauvreté est dépassée parce qu'elle met trop l'accent sur les notions subjectives des besoins de base et ne parvient pas à saisir toute la complexité de la façon dont les gens utilisent leurs revenus.

Ils disent que leur nouveau modèle, qui utilise des algorithmes informatiques pour synthétiser de grandes quantités de dépenses et de données économiques, pourrait aider les décideurs du monde entier à prédire les futurs niveaux de pauvreté et à planifier des interventions pour atténuer le problème.

"Personne n'a jamais utilisé l'apprentissage automatique pour décoder la pauvreté multidimensionnelle auparavant, ", a déclaré le chercheur principal, le Dr Amit Chattopadhyay, du Collège d'ingénierie et de sciences physiques de l'Université Aston. "Cela change complètement la façon dont les gens devraient considérer la pauvreté."

Les mesures établies de la pauvreté tentent d'identifier un seuil monétaire en dessous duquel une personne ou un ménage est défini comme « pauvre ». Ces définitions remontent aux méthodes développées au 19e et au début du 20e siècle par des réformateurs tels qu'Ernst Engel et Seebohm Rowntree.

Actuellement, la Banque mondiale fixe le seuil international de la pauvreté à 1,90 USD par jour, avec environ 10 % de la population mondiale – environ 700 millions de personnes – vivant avec moins que cela. Ceci est basé sur une évaluation subjective des revenus nécessaires pour couvrir les besoins de base dans les pays les plus pauvres, corrigé de la parité de pouvoir d'achat (PPA).

Dans la nouvelle étude, les chercheurs ont analysé 30 ans de données en provenance d'Inde, divisant les dépenses en trois grandes catégories d'«aliments de base» tels que les céréales, « autres aliments », y compris la viande et les « non alimentaires » couvrant d'autres dépenses telles que les frais de logement et de transport. Le modèle peut être appliqué à n'importe quel pays.

En reconnaissant l'interaction « push-and-pull » entre les trois catégories (plus de dépenses dans un domaine signifie généralement une réduction des dépenses dans un autre), cela permet une mesure de la pauvreté plus holistique qui peut s'adapter aux circonstances de chaque pays. Les chercheurs ont combiné des ensembles de données sur les revenus, les marchés des actifs et des produits de base de la Banque mondiale et d'autres sources pour produire un modèle mathématique capable non seulement de prédire avec précision les niveaux de pauvreté passés en Inde et aux États-Unis, mais aussi de prédire les niveaux futurs sur la base de certaines hypothèses économiques.

En tenant compte de l'élasticité de l'offre et de la demande sur le marché, le modèle révise le nombre de personnes traditionnellement considérées comme « pauvres » en une « classe moyenne » plus pratique. Il peut être mis à l'échelle pour refléter les conditions dans les sous-régions d'un pays, ou même réduit à une seule ville ou un seul quartier en fonction des données disponibles.

« La réflexion actuelle sur la pauvreté est hautement subjective, parce que « pauvreté » aura des significations différentes selon les pays et les régions, " a ajouté le Dr Chattopadhyay. " Avec ce modèle, nous avons enfin un indice de pauvreté multidimensionnel qui reflète l'expérience du monde réel des personnes où qu'elles vivent et largement indépendante de la classe sociale à laquelle elles sont censées appartenir.

" Surtout, c'est un modèle qui prend en compte les circonstances économiques dans lesquelles se trouvent les gens et les facteurs qui peuvent faire la plus grande différence pour leur bien-être matériel. En tant que tel, cela peut être un outil important pour les gouvernements et les décideurs du monde entier pour identifier la pauvreté et mettre en place des interventions qui s'y attaquent vraiment. »