L'évaluation du logement d'Allegheny — Un outil d'apprentissage automatique de Pittsburgh améliore la priorisation du logement, mais une étude indépendante constate que les disparités raciales persistent

Le département des services sociaux (DHS) du comté d'Allegheny devait décider qui bénéficie d'un accès prioritaire et limité au logement de soutien permanent et au relogement rapide parmi les personnes sans domicile. Son outil précédent, le questionnaire VI-SPDAT utilisé à l'échelle nationale, s'était révélé attribuer des scores de risque plus élevés aux clients blancs qu'aux clients noirs dans des situations similaires, et le personnel de terrain le jugeait lent à administrer.
Depuis août 2020, le DHS utilise l'évaluation du logement d'Allegheny (AHA), un modèle prédictif entraîné sur 18 008 évaluations de logement historiques (2016-2024) issues de l'entrepôt de données intégré du comté. L'AHA prédit la probabilité de quatre événements indésirables dans les 12 mois si la personne reste sans domicile — une hospitalisation psychiatrique, quatre visites aux urgences ou plus, une incarcération, ou un nouvel épisode de sans-abrisme — et convertit cela en un score de priorité de 1 à 10. Un modèle apparenté, le Mental-Health AHA, entraîné sur 13 673 évaluations, a été ajouté en février 2023 pour les clients bénéficiaires de Medicaid. Lors de la dernière validation (2025), les quatre modèles composants de l'AHA affichent des AUC de 0,66 à 0,72 et des valeurs prédictives positives de 29 % à 58 %.
Le personnel du comté indique que l'outil rend les décisions de priorisation plus rapides et plus cohérentes que le questionnaire qu'il a remplacé, et une étude évaluée par des pairs de 2024 (conférence AAAI/ACM sur l'IA, l'éthique et la société) a constaté qu'après le déploiement, les décisions réelles d'attribution de services se sont mieux alignées sur les scores de risque du modèle lui-même, et que la répartition des scores est désormais similaire entre groupes raciaux.
La même étude évaluée par des pairs a constaté que, malgré ces améliorations, la disparité raciale dans l'accès réel aux services ne s'est pas réduite. Les chercheurs l'attribuent à l'utilisation continue d'un outil de repli fondé sur un questionnaire (Alt-AHA) en cas de données de mauvaise qualité, ainsi qu'à des différences démographiques dans les critères d'éligibilité tels que le sans-abrisme chronique et le statut d'ancien combattant — un rappel qu'un algorithme en apparence plus équitable ne corrige pas à lui seul des résultats inégaux.