L'intelligence artificielle est un cinquième plus précise pour prédire si les individus sont susceptibles de devenir des bénéficiaires à long terme d'avantages.

Une nouvelle méthode de prédiction de la dépendance au bien-être, développé par le Dr Dario Sansone de l'Université d'Exeter Business School et le Dr Anna Zhu de l'Université RMIT, pourrait permettre aux gouvernements d'économiser des milliards de dollars en dépenses sociales et de les aider à intervenir plus tôt pour prévenir les désavantages économiques et l'exclusion sociale à long terme.

Leur étude a révélé que les algorithmes d'apprentissage automatique, qui s'améliorent grâce à plusieurs itérations et à l'utilisation du big data, sont 22 % plus précis pour prédire la proportion de temps pendant laquelle les individus bénéficient d'un soutien du revenu que les systèmes d'alerte précoce standard.

Les chercheurs ont pu appliquer les algorithmes prêts à l'emploi à l'ensemble de la population de personnes inscrites au système de sécurité sociale australien entre 2014 et 2018.

Cela comprenait des données démographiques et socio-économiques de toute personne qui a reçu un paiement d'aide sociale du système de sécurité sociale australien Centrelink, que ce soit pour cause de chômage, invalidité, avoir des enfants, ou être aidant, étudiant ou ayant l'âge de la retraite.

L'algorithme a utilisé un échantillon de 1% des quelque cinq millions de personnes enregistrées dans le système âgées de 15 à 66 ans en 2014 et a suivi cet échantillon pendant les trois années suivantes, vérifier si ces personnes recevaient toujours des paiements de soutien du revenu.

Il a ensuite comparé les résultats aux méthodes actuelles de prévision de la dépendance à l'aide sociale sur la base d'indicateurs de profilage tels que le sexe, âge et éducation, antécédents de soutien du revenu, statut migratoire, état civil, et l'état de résidence.

Ils ont découvert que les algorithmes d'apprentissage automatique étaient 22% plus efficaces pour prédire le soutien du revenu futur que les méthodes de référence de profilage les plus performantes.

Selon les calculs des auteurs, les personnes qui étaient censées être des demandeurs d'aide sociale à long terme à l'aide d'algorithmes d'apprentissage automatique ont coûté à l'État australien 1 milliard de dollars australiens supplémentaires en paiements d'aide sociale, l'équivalent d'environ 10 % du montant qu'elle dépense chaque année en allocations de chômage.

Cette plus grande précision est attribuée à la façon dont les algorithmes d'apprentissage automatique peuvent gérer une gamme beaucoup plus large de facteurs prédictifs (environ 1, 800 au total), qui reflète les processus complexes qui sous-tendent la dépendance à l'aide sociale.

Les chercheurs affirment que leur approche vise à compléter les programmes d'intervention précoce existants ciblant l'aide sociale à long terme.

Pour mettre en œuvre ces programmes, les gouvernements doivent savoir quelles personnes sont les plus à risque, un rôle qui, selon les auteurs, peut être rempli avec compétence par les algorithmes d'apprentissage automatique.

Les chercheurs ajoutent que ces prédictions améliorées peuvent réduire les biais conscients et inconscients courants dans la prise de décision humaine.

Et surtout, l'approche serait relativement peu coûteuse à mettre en œuvre car elle utilise des données déjà disponibles pour les travailleurs sociaux.

Dr Dario Sansone, Maître de conférences en économie à l'Université d'Exeter Business School, a déclaré : « Les gouvernements utilisent de plus en plus l'apprentissage automatique pour résoudre les problèmes sociaux et prendre des décisions en matière d'allocation des ressources. Par exemple, il a été utilisé pour aider les juges à améliorer les décisions d'octroi de caution, écoles pour identifier les élèves à risque de décrochage, et les chirurgiens pour dépister les patients pour une chirurgie de remplacement de la hanche.

"Nous avons constaté que la taille et la richesse de l'ensemble de données sur les inscrits à la sécurité sociale le rend idéal pour une application d'apprentissage automatique, permettant aux algorithmes d'atteindre des performances élevées en détectant des motifs subtils dans les données et en identifiant de nouveaux prédicteurs puissants.

"Toutefois, nous ne pensons pas que les algorithmes doivent remplacer l'expertise humaine mais plutôt être son complément. Les assistants sociaux pourraient concentrer leur attention et leur temps à fournir un service personnalisé et à cibler le soutien approprié aux personnes que l'algorithme identifie comme les plus à risque."

"Utiliser l'apprentissage automatique pour créer un système d'alerte précoce pour les bénéficiaires de l'aide sociale, " par le Dr Dario Sansone et le Dr Anna Zhu, est publié en tant que document de travail dans la série de documents de discussion de l'Institut d'économie du travail de l'IZA.