Les prévisions par IA de HungerMap Live aident à orienter la réponse alimentaire d'urgence en Somalie
Somalie
La plateforme HungerMap Live du PAM, assistée par IA et développée avec Google.org, couvre plus de 50 pays et a …
Sénégal · Podor · Voir le profil de Sénégal
Top 65% 53/100 · Demandez à Evidence Copilot à propos de cette pratique
Le ministère de la Santé du Sénégal a testé la plateforme 3S — chatbot Taggàt, alerte Jottali, tableau de bord Gëstu — dans trois districts, avec 330 alertes de maladies zoonotiques en 2025 et un délai de détection réduit de 4,6 à 2,8 jours, selon une étude par des pairs.
Le Sénégal fait face à des flambées récurrentes de maladies zoonotiques, comme la fièvre de la vallée du Rift, qui se propagent souvent silencieusement entre animaux, humains et environnement avant que les systèmes de surveillance officiels ne les détectent, retardant la riposte.
La Division de surveillance et de riposte vaccinale du ministère de la Santé et de l'Action sociale, en collaboration avec le réseau de recherche AI4PEP sous la direction du Dr Boly Diop et du Pr Sylvain Landry B. Faye, a construit la plateforme Une Seule Santé Surveillance-Santé-Sénégal (3S). Elle comprend trois modules liés : Taggàt, un chatbot d'IA aidant les membres de la communauté à identifier de possibles symptômes zoonotiques ; Jottali, un système d'alerte communautaire ; et Gëstu, un tableau de bord de suivi interactif pour les autorités sanitaires. Elle a été testée dans les districts sanitaires de Podor (Saint-Louis, à la frontière mauritanienne), Kédougou (région minière frontalière) et Pikine (zone urbaine de Dakar).
Une évaluation évaluée par des pairs, publiée dans Frontiers in Tropical Diseases (2026) et portant sur la période pilote d'avril à octobre 2025, a recensé 330 alertes émises, dont 144 (43,6 %) validées ; les alertes humaines validées représentaient environ 75 % du total, le reste étant des signaux animaux, végétaux et environnementaux. Le signalement numérique a réduit le délai moyen de détection de 39 %, passant de 4,6 jours avec la surveillance conventionnelle à 2,8 jours, et a parfois signalé des signaux jusqu'à dix jours avant la confirmation officielle.
La même évaluation a signalé de réelles limites opérationnelles : un délai moyen de validation des alertes de 34,1 heures et des délais d'investigation en zone rurale de 48 à plus de 72 heures, la confirmation en laboratoire prenant encore quatre à cinq jours — ce qui montre que la couche d'IA accélère la détection, mais que la chaîne de réponse qui l'entoure reste un goulot d'étranglement.
Les détails de mise en œuvre (coût, calendrier, personnel, conditions de réussite) ne sont pas encore disponibles pour cette pratique.
Vous portez cette pratique ? Revendiquez-la — les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.
D'où proviennent les informations de cette pratique, et quand.
Somalie
La plateforme HungerMap Live du PAM, assistée par IA et développée avec Google.org, couvre plus de 50 pays et a …
Suisse
La SPSP intègre l’analyse génomique par IA pour détecter les variants pathogènes en Suisse. Mandatée par l’OFSP depuis 2021, elle …
Sierra Leone
Statistics Sierra Leone et le partenariat GRID3 utilisent la détection d'empreintes de bâtiments par apprentissage automatique sur des images satellite …
Soudan
HungerMap LIVE, du PAM, utilise des modeles d'apprentissage automatique pour estimer l'insecurite alimentaire la ou les enquetes de terrain sont …
Ouvrir le copilote complet Fondé sur des pratiques citées — vérifiez toujours les sources.