CERES: A Probabilistic Early Warning System for Acute Food Insecurity

CERES est un système d'alerte précoce probabiliste, automatisé et ouvert qui fournit des estimations hebdomadaires à 90 jours de l'insécurité alimentaire aiguë pour 43 pays à risque élevé en fusionnant six flux de données via un modèle de scoring logistique, tout en s'engageant à une vérification prospective publique de chaque prédiction.

L'essentiel

🌍 CERES : Le "Météo" de la Faim (mais en plus intelligent)

Imaginez que vous voulez savoir s'il va pleuvoir demain. Vous regardez le ciel, vous consultez une application météo, et vous obtenez une probabilité : "Il y a 70 % de chances de pluie." Cela vous permet de décider s'il faut emporter un parapluie ou non.

CERES fait exactement la même chose, mais au lieu de prédire la pluie, il prédit la faim.

L'auteur, Tom Pedersen, a créé un système automatique qui surveille 43 pays à risque dans le monde (en Afrique, au Moyen-Orient, en Asie, etc.) pour dire : "Attention, dans les 90 prochains jours, il y a un risque élevé que la population ne puisse plus se nourrir."

Voici comment cela fonctionne, expliqué avec des analogies simples :

1. Le Problème : On attend souvent trop tard

Actuellement, pour savoir si une famine arrive, les organisations humanitaires envoient des équipes sur le terrain pour faire des enquêtes. C'est comme attendre que l'incendie ait déjà consumé la moitié de la maison pour appeler les pompiers. Souvent, quand l'alerte officielle arrive, il est déjà trop tard pour sauver les récoltes ou distribuer de la nourriture efficacement.

CERES veut être le système d'alarme incendie qui sonne avant que la fumée ne soit visible.

2. La Recette : Comment CERES "sent" le danger ?

CERES ne devine pas au hasard. Il mélange 6 ingrédients (données) différents, comme un chef qui goûte une soupe pour voir si elle est prête :

1. La Pluie (CHIRPS) : Est-ce qu'il y a eu une sécheresse ? (Comme vérifier si le sol est sec).
2. Les Plantes (MODIS) : Les champs sont-ils verts ou jaunes ? (Comme regarder si les plantes sont saines).
3. Les Conflits (ACLED) : Y a-t-il eu des combats ou des violences ? (Comme vérifier si la route est bloquée par des émeutes).
4. Le Prix du Pain (FAO) : Est-ce que le grain coûte trop cher ? (Comme vérifier si le beurre est hors de prix).
5. Ce que les gens mangent (WFP) : Les familles ont-elles assez à manger ?
6. Les Rapports Officiels (IPC) : Que disent les rapports précédents ?

CERES prend ces 6 informations, les mélange dans une "machine à calculer" (un modèle mathématique), et sort un résultat : une probabilité.

3. La Grande Innovation : La "Promesse de Vérité"

C'est ici que CERES change la donne. La plupart des systèmes disent : "Il y a un risque" et c'est tout. Personne ne vérifie s'ils avaient raison ou tort plus tard.

CERES, lui, fait une promesse publique :

"Nous allons noter notre prédiction aujourd'hui, avec une date et une signature numérique. Dans 90 jours, nous comparerons notre prédiction à la réalité. Si nous nous sommes trompés, nous le dirons, et nous corrigerons notre machine."

C'est comme un journaliste qui signe ses articles et qui garde une trace de toutes ses prévisions pour prouver qu'il n'invente pas les chiffres.

• Transparence totale : Tout est public. N'importe qui peut voir les prédictions passées et vérifier si elles étaient justes.
• Pas de "retouche" : Une fois la prédiction publiée, elle est gravée dans le marbre numérique. On ne peut pas la modifier pour qu'elle semble meilleure après coup.

4. Les "Niveaux d'Alerte" (Les Feux Tricolores)

Le système ne dit pas juste "Oui/Non". Il utilise des niveaux de couleur pour guider les décideurs :

• 🔴 Niveau 1 (Alerte Rouge - TIER-1) : "C'est critique ! Il y a plus de 50 % de chances qu'une crise majeure arrive." -> Il faut agir tout de suite.
• 🟠 Niveau 2 (Avertissement Orange - TIER-2) : "Il y a un risque sérieux." -> Il faut surveiller de très près.
• 🟡 Niveau 3 (Veille Jaune - TIER-3) : "Quelque chose ne va pas, mais ce n'est pas encore une urgence." -> Restez vigilants.

5. Pourquoi c'est important ?

Imaginez que vous êtes le chef d'une organisation humanitaire.

• Avant : Vous attendez un rapport officiel qui arrive tous les 6 mois. Si une crise éclate en janvier, vous ne le saurez peut-être qu'en juin.
• Avec CERES : Vous recevez une alerte chaque semaine. Si le système dit "70 % de chance de famine dans 3 mois", vous pouvez envoyer de la nourriture maintenant, avant que la catastrophe ne frappe.

6. Les Limites (Soyons honnêtes)

L'auteur est très transparent sur les faiblesses de son système :

• C'est un débutant : Les "recettes" (les coefficients mathématiques) ont été écrites par l'auteur lui-même en lisant des livres. Ce n'est pas encore une machine apprise par des milliers d'experts. C'est comme un jeune chef qui teste sa première recette.
• Ce n'est pas infaillible : Parfois, il peut se tromper. Mais comme il publie tout, on saura exactement où il a fait des erreurs pour l'améliorer.
• Il ne voit pas tout : Il ne peut pas prédire les changements politiques soudains ou la corruption, seulement les signes physiques (pluie, prix, conflits).

En résumé

CERES est un système d'alerte précoce automatique et honnête.
Il utilise des données satellites et des statistiques pour dire : "Attention, la faim arrive."
Son plus grand atout n'est pas d'être parfait, mais d'être public et vérifiable. Il accepte de montrer ses erreurs pour apprendre et devenir plus précis, afin que, la prochaine fois, nous puissions sauver plus de vies en agissant plus vite.

C'est un peu comme passer d'une météo basée sur "le ciel a l'air gris" à une météo basée sur des satellites, des capteurs et une transparence totale.

Résumé technique

Voici un résumé technique détaillé du document « CERES : Un système d'alerte précoce probabiliste pour l'insécurité alimentaire aiguë » par Tom Danny S. Pedersen (Northflow Technologies, 2026).

1. Problématique

L'insécurité alimentaire aiguë reste une crise humanitaire majeure souvent détectée trop tard pour une intervention efficace. Le système actuel de référence, la Classification Intégrée des Phases de l'Insécurité Alimentaire (IPC), repose sur des évaluations sur le terrain et des cycles de publication lents (tous les 3 à 6 mois).

• Limites des systèmes existants : Des systèmes comme FEWS NET (basé sur des scénarios) ou le HungerMap du PAM (basé sur des indices d'accès) ne fournissent pas d'estimations probabilistes (un nombre entre 0 et 1 testable).
• Absence de calibration : Aucun système actuel ne maintient un registre public et lisible par machine de toutes les prédictions et de leurs résultats réels, ce qui empêche la mesure de la calibration empirique (la capacité d'un modèle à prédire 70 % de probabilité qui se vérifie effectivement dans 70 % des cas).
• Objectif : Combler ce vide en créant un système automatisé, probabiliste, à accès ouvert et vérifiable publiquement.

2. Méthodologie et Architecture

CERES (Calibrated Early-warning and Risk Estimation System) est un pipeline automatisé exécuté chaque semaine, conçu pour générer des estimations de probabilité à 90 jours pour 43 pays à haut risque.

A. Architecture du Pipeline (7 étapes)

1. Ingestion : Récupération de 6 flux de données via des adaptateurs.
2. Normalisation : Standardisation sur une grille de 0,25 degré et une cadence hebdomadaire.
3. Extraction de signaux : Calcul de scores de stress normalisés.
4. Convergence : Détection de l'anomalie multi-source.
5. Scoring : Application d'un modèle logistique avec perturbation paramétrique.
6. Hypothèses : Classement en objets structurés (FamineHypothesis).
7. Publication : Écriture de JSON, Parquet et archivage cryptographique.

B. Sources de Données (6 flux)

Le système fusionne :

1. Anomalies de précipitations (CHIRPS v2.0).
2. Indices de végétation (MODIS NDVI).
3. Événements de conflit (ACLED).
4. Classifications IPC (actuelles et projetées).
5. Scores de consommation alimentaire (PAM VAM).
6. Indices de prix des céréales (FAO/PAM).

C. Modèle de Scoring

• Score de Stress Composite (CSS) : Moyenne pondérée des signaux (ex: IPC 25 %, Conflit 20 %, Sécheresse 20 %, etc.).
• Détection de Convergence : Un événement est signalé si deux piliers indépendants dépassent un seuil élevé (z-score > 1,5).
• Modèle Logistique : Trois équations logistiques estiment les probabilités $P(IPC 3+)$, $P(IPC 4+)$ et $P(IPC 5/Famine)$.
  • Note importante : Les coefficients initiaux sont spécifiés par l'auteur (basés sur une revue de littérature et 87 cas historiques), et non appris par apprentissage automatique sur un jeu de données de validation.
• Contraintes de Monotonie : Des règles post-scoring assurent que $P4 \le 0,70 \times P3$ et $P5 \le 0,45 \times P4$.

D. Incertitude et Vérification

• Intervalles de Sensibilité : Générés par perturbation paramétrique (2 000 tirages avec bruit gaussien) pour fournir un intervalle de sensibilité à 90 %.
• Vérification Prospective : Chaque prédiction est horodatée, cryptographiée (ID unique) et archivée dans une base de données "write-once" (SQLite/Git). À T+90 jours, le résultat réel (IPC) est comparé à la prédiction pour calculer le score de Brier.

3. Contributions Clés

1. Premier système probabiliste ouvert : CERES est le premier système d'alerte à la famine offrant des probabilités explicites, un accès public gratuit (API REST) et une lisibilité machine au niveau de la prédiction.
2. Infrastructure de vérification publique : Contrairement aux systèmes existants, CERES archive chaque prédiction avant de connaître le résultat, permettant une mesure future de la calibration (Brier Score, CRPS, diagrammes de fiabilité).
3. Transparence radicale :
   • Les coefficients sont déclarés comme des valeurs initiales non validées.
   • Les intervalles de sensibilité sont affichés avec chaque estimation.
   • Un registre de notation (grading ledger) public montre en temps réel les performances passées.
4. Architecture technique : Un pipeline léger (45-90 secondes pour 43 régions) capable de traiter des flux hétérogènes et de produire des hypothèses structurées (FamineHypothesis).

4. Résultats et Validation

• Validation Rétrospective (Sanity Check) : Le modèle a été testé sur 4 événements majeurs (Somalie 2011, Soudan du Sud 2017, Éthiopie 2022, Yémen 2021).
  • Résultat : CERES a attribué un niveau TIER-1 (Alerte d'urgence) dans les 4 cas, avec des probabilités $P(IPC 4+)$ allant de 0,53 à 0,74.
  • Score de Brier (In-sample) : 0,0066 (bien meilleur que les baselines de persistance ou climatologiques), mais ce résultat est biaisé car les coefficients ont été fixés en connaissance de ces événements.
• Limites actuelles :
  • Les coefficients ne sont pas encore estimés par maximum de vraisemblance (MLE) sur des données prospectives.
  • Les intervalles de sensibilité sous-estiment l'incertitude réelle car ils ne capturent pas encore les corrélations complexes (ex: sécheresse-végétation) via des copules.
  • La performance discriminative sur un sous-ensemble de test (AUC = 0,84) a une grande incertitude statistique (IC 95 % : [0,63, 1,00]).

5. Signification et Perspectives

CERES représente un changement de paradigme dans la prévision humanitaire :

• Passage du scénario à la probabilité : Permet aux décideurs d'allouer des ressources proportionnellement au risque (Action Anticipatoire) plutôt que d'attendre un seuil binaire.
• Apprentissage continu : L'architecture de vérification publique crée la boucle de rétroaction nécessaire pour améliorer le modèle empiriquement au fil du temps.
• Éthique et Gouvernance : Le système assume les risques d'utilisation prématurée en affichant clairement les incertitudes et en refusant d'être un déclencheur opérationnel direct sans validation humaine.

Conclusion : Bien que les coefficients actuels soient des estimations initiales, l'infrastructure de CERES est la première à rendre possible la calibration empirique des prévisions de famine. Les auteurs prévoient une validation complète avec des scores de compétence réels (Brier, CRPS) d'ici fin 2026, une fois que suffisamment de données prospectives auront été accumulées.