Registro Social de Hogares — Chile's algorithmic social-benefit targeting system
Chile
Chile's RSH algorithm classifies 8.99 million households (85.6 % of the population) into socioeconomic tiers that gate access to all …
Pakistan · Islamabad · See the Pakistan profile
Le BISP du Pakistan gère un registre de 35 millions de ménages utilisant un score PMT croisé avec les données biométriques NADRA pour identifier les plus pauvres ; 15 millions de familles reçoivent des transferts et 820 000 inéligibles ont été retirés après la mise à jour nationale 2019–2021.
Le Programme de soutien au revenu Benazir (BISP) du Pakistan gère le Registre socio-économique national (NSER), une base de données de ménages à grande échelle, constituée à partir d'enquêtes porte-à-porte couvrant plus de 35 millions de ménages, soit plus de 85 % du total des ménages du Pakistan.
Générer un score de bien-être pour chaque ménage au moyen d'un algorithme de test des moyens par indicateurs indirects (Proxy Means Test), utilisant la qualité du logement, la possession de biens, la composition démographique ainsi que les niveaux d'emploi et d'éducation des adultes, afin de cibler les transferts monétaires trimestriels Kafalat vers les ménages situés sous un seuil d'éligibilité.
Un important cycle de collecte de données s'est déroulé de 2019 à 2021, corrigeant les lacunes de couverture de l'enquête initiale de 2011. Les dossiers sont recoupés avec le système d'identité biométrique NADRA via une intégration d'API cognitive, afin de faire correspondre les membres des ménages à des identifiants biométriques et de révéler les incohérences d'enregistrement. Depuis 2022, des centres d'enregistrement dynamique présents dans chaque tehsil permettent l'auto-enregistrement et les mises à jour en continu.
Le recoupement avec NADRA a révélé des erreurs d'inclusion : environ 820 000 femmes n'ayant pas satisfait aux vérifications d'éligibilité actualisées ont été retirées du programme. Parallèlement, l'action de sensibilisation a étendu la couverture à 15 millions de familles, triplant le nombre de ménages bénéficiaires par rapport aux niveaux antérieurs à la réforme, tandis que la couverture totale de l'enquête numérique a atteint 34 millions de ménages en 24 mois. La Banque asiatique de développement s'est engagée en 2020 à hauteur de 603 millions de dollars pour soutenir Ehsaas (fusionné avec BISP en 2022). Les évaluations de la Banque mondiale ont mis en évidence des erreurs d'exclusion persistantes parmi les ménages en situation d'extrême pauvreté non atteints par l'enquête initiale.
The Lancet a cité le programme comme un modèle pour faire progresser la protection sociale universelle dans un système fragmenté ; sa contribution distinctive réside dans son échelle — le plus grand registre social biométriquement recoupé d'Asie du Sud — et dans une architecture dynamique et auto-actualisée, allant au-delà des enquêtes ponctuelles.
Implementation detail (cost, timeline, staffing, conditions for success) is not yet available for this practice.
Where this practice's information was retrieved from, and when.
Chile
Chile's RSH algorithm classifies 8.99 million households (85.6 % of the population) into socioeconomic tiers that gate access to all …
Togo
To rush COVID aid to the poorest, Togo used machine learning on satellite imagery and mobile-phone data to target cash …
Jordan
Jordan's National Aid Fund uses a 57-factor algorithm to target 250,000+ households under Takaful, World Bank co-designed. HRW (2023) and …
Switzerland
SPSP integrates AI-powered genomic analysis to detect pathogen variants across Switzerland. Mandated by the Federal Office of Public Health since …
Open full copilot Grounded in cited practices — always check the sources.