Au Togo, pendant la crise de 2020, apporter une aide d’urgence supposait de répondre vite à une question difficile : comment repérer les ménages qui en ont le plus besoin lorsque le registre social ne suffit pas ? Attendre la constitution d’un fichier complet aurait aussi retardé le soutien aux personnes touchées. [source]
Le gouvernement disposait notamment d’un fichier électoral avec des informations déclarées sur les professions et les lieux de résidence. Pour l’extension rurale de Novissi, les équipes publiques, des chercheurs et GiveDirectly ont utilisé d’autres données pour mieux cibler les transferts. L’histoire concerne 2020–2021 ; l’étude est publiée en 2022. [source] [source]
Lire la preuve
De la donnée au ciblage : où porte la preuve ?
La comparaison porte sur le choix des destinataires d’une aide d’urgence. La réussite du ciblage et les effets durables des transferts sont deux questions distinctes.
Contexte étudié
Données disponibles
Togo rural, crise de 2020–2021.
Des informations de téléphonie et des données géographiques sont rapprochées pour cibler l’aide dans un contexte où les informations sociales disponibles sont insuffisantes.
Pièce : J-PAL — synthèse du ciblage.
La recherche compare le ciblage aux méthodes disponibles :
Résultat comparatif
Ciblage comparé
Moins d’erreurs d’exclusion.
Selon la synthèse J-PAL, l’approche améliore le ciblage par rapport à certaines méthodes géographiques.
Une méthode traditionnelle aurait toutefois pu faire mieux si un registre social détaillé avait été disponible.
Question distincte, bilan non établi ici
Effets durables
La comparaison de ciblage ne suffit pas à établir l’évolution durable des revenus, de la consommation ou de la pauvreté.
Les personnes sans téléphone, les recours et la protection des données demandent également leur propre examen.
Identifier, puis permettre de recevoir
Les images satellites ont servi à estimer la richesse relative de différentes zones. Une enquête téléphonique et des données d’usage du mobile ont ensuite alimenté un modèle pour estimer la consommation d’abonnés. Ce système ne connaît pas directement le budget de chaque ménage. [source]

L’inscription pouvait se faire sur un téléphone ordinaire et le versement par monnaie mobile. IPA, partenaire de la recherche, précise qu’une personne possédant sa propre carte SIM pouvait l’utiliser dans un téléphone emprunté. Cela réduit une barrière, sans rendre la procédure universellement accessible. [source]
Lire la preuve
Cibler mieux, puis évaluer les effets
Ce que la comparaison étaye
Un ciblage amélioré dans la situation étudiée
Question : à qui attribuer l’aide avec les informations accessibles pendant la crise ?
Constat : moins d’erreurs d’exclusion que certaines méthodes géographiques, selon la synthèse de recherche.
Portée : une amélioration comparée de la sélection des destinataires dans ce contexte.
Ce que cette comparaison ne tranche pas
Le bilan durable des transferts
Question : que deviennent revenus, consommation et pauvreté après l’aide, et qui reste hors du dispositif ?
Constat : ce bilan ne découle pas de la précision du ciblage ; il exige une évaluation propre.
Limite : l’effet non établi dans ce dossier n’est pas un effet réel déclaré nul.
La condition qui change la comparaison : un registre social détaillé disponible aurait pu permettre à une méthode traditionnelle de faire mieux. Le dossier ne suppose pas qu’un tel registre était alors accessible.
Sources : J-PAL — synthèse du ciblage ; GiveDirectly — opérateur du programme.
Être pauvre, être considéré comme admissible et parvenir à s’inscrire sont trois étapes différentes. Une personne peut être exclue à chacune d’elles. Les relais communautaires et l’assistance téléphonique décrits par les partenaires ne mesurent pas, à eux seuls, l’efficacité de tous les recours. [source]
Ce que la comparaison permet de conclure
La synthèse de J-PAL indique que la méthode retenue réduisait certaines exclusions par rapport à des approches géographiques. Elle relève aussi qu’un registre social détaillé aurait permis à une méthode traditionnelle d’obtenir de meilleurs résultats. L’avantage observé tient donc au contexte et aux moyens disponibles pendant la crise, pas à une supériorité générale de l’intelligence artificielle. [source]
Lire la preuve
Les sources de la comparaison
| Constat | Pièce | Portée | Limite |
|---|---|---|---|
| Recherche — synthèse lue Amélioration du ciblage face à certaines méthodes géographiques. | J-PAL — synthèse du ciblage — programme 2020–2021 ; étude publiée en 2022. | Comparaison des erreurs d’exclusion dans le contexte étudié. | Article Nature complet non relu ici ; pas une évaluation de tous les effets durables des transferts. |
| Condition comparative Une méthode traditionnelle aurait pu mieux faire avec un registre social détaillé disponible. | J-PAL — synthèse du ciblage — limite exposée dans la synthèse. | Le résultat dépend aussi des informations effectivement accessibles aux méthodes comparées. | Ne démontre ni une supériorité universelle de l’algorithme, ni l’existence d’un registre détaillé accessible à cette date. |
| Déclaration d’un opérateur Inscriptions et versements décrits par GiveDirectly. | GiveDirectly — opérateur du programme — publication de 2021, mise à jour liée à l’étude de 2022. | Documentation d’une mise en œuvre par un acteur du programme. | Pas une seconde mesure indépendante du ciblage ; les chiffres préliminaires de 2021 ne sont pas mêlés à ceux de l’étude finale. |
| Autre programme, autre date Voix du Togo annoncé en octobre 2026. | Ministère — Voix du Togo — 2 octobre 2026. | Confirme une annonce actuelle et la fonction de Cina Lawson. | Ce programme distinct ne renseigne pas les résultats de Novissi en 2020–2021. |
Cina Lawson est associée à cette action publique, mais sa réalisation a mobilisé administrations, chercheurs, opérateurs et équipes de transfert. Le résultat examiné est celui du ciblage dans l’urgence ; il ne prouve pas que les versements ont durablement sorti les bénéficiaires de la pauvreté. [source]