Des algorithmes pour prévoir nos comportements

Le Secré­tari­at général pour la mod­erni­sa­tion de l’action publique, par l’in­ter­mé­di­aire ses pro­pres data­sci­en­tists, a signé avec l’École une con­ven­tion pour la mod­éli­sa­tion de deux proces­sus ponctuels (amélio­ra­tion du retour à l’emploi et la préven­tion des vols de voiture).

Pour men­er à bien ces mis­sions, les data­sci­en­tists de l’Administrateur général des don­nées coopéreront avec le Cen­tre de math­é­ma­tiques appliquées de l’X dans la mod­éli­sa­tion math­é­ma­tique des proces­sus ponctuels.

L’élaboration d’algorithmes pré­dic­tifs, qui fait inter­venir de nom­breuses tech­niques issues des sta­tis­tiques, a pour but d’associer une prob­a­bil­ité à un événe­ment futur. Le cal­cul de cette prob­a­bil­ité est fondé sur l’observation de toutes les don­nées passées car­ac­térisant le com­porte­ment à prédire.

De nom­breuses poli­tiques publiques pour­ront béné­fici­er des apports des sci­ences de la don­née, afin d’améliorer leur effi­cac­ité, leur déf­i­ni­tion ou encore leur pilotage.

La coopéra­tion avec l’École poly­tech­nique, qui enrichi­ra les travaux menés en pro­pre par l’Administrateur général des don­nées, débutera notam­ment par deux appli­ca­tions con­crètes : l’amélioration du retour à l’emploi et la préven­tion des vols de voiture.

Prédire les parcours de retour à l’emploi

Le par­cours d’un deman­deur d’emploi s’étudie comme un phénomène tem­porel pour lequel on s’intéresse à l’état binaire « cherche un emploi » / « a retrou­vé un emploi » con­nais­sant le par­cours pro­fes­sion­nel antérieur du deman­deur d’emploi ain­si que des infor­ma­tions per­son­nelles (âge, sexe, domi­cile, qual­i­fi­ca­tions, etc.).

La col­lab­o­ra­tion vise à con­cevoir un mod­èle pré­dic­tif du temps de retour à l’emploi, à par­tir de l’analyse anonymisée du par­cours de deux mil­lions de chômeurs sur trois ans. L’objectif pour­suivi est de fournir des indi­ca­tions et des recom­man­da­tions per­son­nal­isées aux deman­deurs d’emploi pour opti­miser leur retour à l’emploi.

Anticiper le vol de voitures

La crim­i­nal­ité se mod­élise comme une somme d’infractions pénales. © SDECORET / FOTOLIA

La crim­i­nal­ité se mod­élise comme une somme d’infractions pénales. Leur inci­dence dépend de fac­teurs géo­graphiques, d’indicateurs soci­aux et du con­texte (date, don­nées météorologiques, etc.) qui entrent dans le cadre de l’étude des proces­sus ponctuels.

La col­lab­o­ra­tion per­me­t­tra de déter­min­er un mod­èle de pré­dic­tion des vols de véhicules dans l’Oise, grâce aux don­nées fournies par le ST(SI)² (Ser­vice des tech­nolo­gies et des sys­tèmes d’information de la sécu­rité intérieure). Ce tra­vail vise à répon­dre à une demande des forces de sécu­rité intérieure d’optimiser leur allo­ca­tion de ressources.

Cette col­lab­o­ra­tion est portée par l’Administrateur général des don­nées pour le SGMAP et par Emmanuel Bacry et Stéphane Gaif­fas, chercheurs au Cen­tre de math­é­ma­tiques appliquées (CMAP – École polytechnique/CNRS).

Emmanuel Bacry est par ailleurs respon­s­able de la con­ven­tion de recherche signée avec la Caisse nationale d’assurance mal­adie des tra­vailleurs salariés en jan­vi­er 2015, visant à favoris­er le développe­ment des tech­nolo­gies du big data appliqué au domaine de la santé.

---

Articles similaires :

De l’École poly­tech­nique à la Tech­nis­che Hochschule Numéro spé­cial de La Jaune et la Rouge, dit “ La Courtine ” Cycle ingénieur Le Cen­tre de recherche, un pili­er de l’École poly­tech­nique et de NewUni L’École poly­tech­nique entre his­toire et modernité L’X sous la Covid-19