evidoria

← Retour à la liste

Bonne pratique Importée

L'algorithme de jumelage par IA de Saitama réduit l'attribution des places en crèche de plusieurs jours à quelques secondes

Japon · Saitama · Voir le profil de Japon

Preuves: Descriptif / auto-déclaré Top 82% 33/100 · Demandez à Evidence Copilot à propos de cette pratique

La ville de Saitama a adopté un algorithme de jumelage fondé sur la théorie des jeux, conçu avec Fujitsu et l'université de Kyushu, pour attribuer 7 959 enfants à 311 places en crèche — un travail qui prenait auparavant plusieurs jours au personnel, désormais calculé en quelques secondes tout en respectant huit règles de préférence entre fratries.

7959 children
Enfants appariés (2019 admissions cycle)
311 facilities
Établissements de crèche impliqués (2019 admissions cycle)
8 rules
Règles de préférence relatives à la fratrie respectées
500 person-hours to ~5 minutes
Temps gagné signalé dans l'arrondissement de Minato (per admissions cycle)
30+ municipalities
Municipalités testant des systèmes similaires (FY2018)
L'algorithme de jumelage par IA de Saitama réduit l'attribution des places en crèche de plusieurs jours à quelques secondes

Détails

Maturité
En expansion
Promoteur
Saitama City Government, with Fujitsu Laboratories and Kyushu University's Institute of Mathematics for Industry
Période
2017 (technology developed); 2019 admissions cycle onward (production use); adopted subsequently by Minato Ward, Tokyo, and other municipalities
Mots-clés
childcare enrolment administration, combinatorial optimisation and matching algorithms, municipal government services

Contexte

Faire correspondre chaque année des milliers d'enfants à des places de crèche agréées, tout en respectant les préférences classées des familles, les scores de priorité et des règles complexes concernant la fratrie (comme l'obligation pour les frères et sœurs de fréquenter le même établissement ou de commencer à la même date), nécessitait auparavant plusieurs jours de travail manuel pour le personnel de la ville de Saitama à chaque cycle d'admission.

Objectifs

En 2017, les laboratoires Fujitsu et l'Institut de mathématiques pour l'industrie de l'Université de Kyushu ont développé un algorithme d'appariement fondé sur la théorie des jeux — de la même famille que les mécanismes d'acceptation différée utilisés pour l'affectation des internes en médecine aux États-Unis — afin d'automatiser le processus, et la ville de Saitama a annoncé son adoption pour le cycle d'admission 2019.

Activités

Lors de sa première exécution en production, le système a apparié 7 959 enfants à 311 établissements de crèche dans toute la ville, en respectant huit règles de préférence relatives à la fratrie.

Résultats

L'évaluation du fournisseur lui-même, sur des données historiques anonymisées, a effectué le calcul en quelques secondes seulement, réduisant d'environ une semaine le délai nécessaire pour notifier les résultats aux parents. D'autres municipalités ont suivi : l'arrondissement de Minato, à Tokyo, a par la suite indiqué avoir réduit 500 heures-personnes de travail manuel d'appariement à environ cinq minutes de calcul, et le ministère japonais des Affaires intérieures et des Communications a recensé plus de 30 municipalités testant des systèmes similaires d'ici l'exercice 2018.

Conclusions

Les chiffres de rapidité annoncés proviennent d'une évaluation du fournisseur réalisée avant le déploiement, et non d'un audit indépendant a posteriori, et aucune étude publiée n'a examiné si les appariements obtenus sont équitables ou résistants à une manipulation stratégique par les candidats. Le système est circonscrit aux admissions en crèches agréées (petite enfance), et non à l'administration scolaire primaire et secondaire, et repose sur une optimisation combinatoire plutôt que sur un modèle entraîné/appris.

Mise en œuvre
Coût indicatif
Moyen (50 k€–500 k€)
Délai jusqu’aux résultats
Moyen (1–3 ans)
Personnel et compétences
Saitama City Government (admissions staff), Fujitsu Laboratories (algorithm development), Kyushu University Institute of Mathematics for Industry (game-theory methodology)

Conditions de réussite

  • Digitised family preference, priority-score and sibling-rule data as system inputs
  • Government-vendor partnership for algorithm development and deployment
  • Defined business rules (e.g. sibling co-placement) encoded into the matching model

Vous portez cette pratique ? Revendiquez-la — les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.

Sources de données

D'où proviennent les informations de cette pratique, et quand.

Pièces jointes

Pratiques similaires qui pourraient vous être utiles