Conscious infrastructure for fairness aware detection of household water insecurity in Hyderabad informal settlements

Résumé Technique : Infrastructure Consciente pour la Détection de l'Insécurité Hydrique des Ménages Sensible à l'Équité dans les Établissements Informels de Hyderabad

Énoncé du Problème
Les applications actuelles de l'Intelligence Artificielle (IA) et de l'apprentissage automatique dans la gouvernance de l'eau urbaine sont principalement organisées autour de la perspective opérationnelle des services publics, se concentrant sur les actifs du réseau, les flux, les pressions et la visibilité des infrastructures. Cette orientation est analytiquement incomplète pour les établissements informels, où l'insécurité hydrique est souvent vécue non pas comme une absence totale d'infrastructure, mais comme le fardeau imposé aux ménages pour rendre des services peu fiables ou peu sûrs utilisables. Le document identifie un « écart de visibilité infrastructurelle » : la disjonction entre les fardeaux subis par les ménages (perte de temps, pression sur les revenus, risques sanitaires, coûts de compensation) et les preuves reconnues comme exploitables par les systèmes de décision publique. Lorsque les modèles d'IA sont entraînés uniquement sur des variables visibles par les services publics (ex. : type de source, calendriers d'approvisionnement), ils risquent d'optimiser la légibilité institutionnelle tout en omettant les ménages dont l'insécurité s'exprime par le travail et la perturbation économique. Cela constitue un « biais de formulation du problème » plutôt qu'un simple biais algorithmique technique.

Méthodologie
L'étude opérationnalise une architecture d'aide à la décision nommée Systèmes Neuraux d'Infrastructure Consciente (CINS). Il est important de noter que le terme « neural » (neuronal) fait ici référence à une architecture de décision liée connectant les données des ménages, la classification prédictive, les audits d'équité des sous-groupes et les protocoles de réponse institutionnels, et non à l'utilisation d'algorithmes de réseaux de neurones.

• Source de Données : L'analyse utilise un ensemble de données brutes comprenant 1 700 enregistrements d'enquêtes auprès de ménages répartis dans 34 établissements informels à Hyderabad, en Inde, ainsi que 34 enregistrements d'échantillonnage de la qualité de l'eau. Les données proviennent de recherches doctorales sur l'accès à l'eau potable et la prise de décision.
• Variable de Résultat : La variable de résultat principale est un indicateur binaire indiquant si un ménage a déclaré que son emploi du temps de travail a été perturbé par le calendrier d'approvisionnement ou de disponibilité de l'eau potable. Cela sert de proxy pour une insécurité hydrique « contraignante », capturant les conséquences économiques et temporelles directes plutôt que la perception subjective.
• Comparaison de Modèles : Deux modèles de régression logistique ont été estimés et comparés sur un ensemble de test tenu à l'écart (30 % des données, stratifié) :
  1. Modèle Visible pour les Services Publics : Inclut des variables proches des connaissances conventionnelles de l'infrastructure (utilisation de la source, calendrier d'approvisionnement, durée de stockage, identifiant de l'établissement, risque microbiologique lié).
  2. Modèle de Fardeau des Ménages : Inclut toutes les variables visibles pour les services publics plus les variables de fardeau des ménages (points médians de revenus/dépenses, ratios de dépenses, indicateurs de maladie/traitement, fardeau de l'approvisionnement, et dépendance à sources multiples).
• Métriques d'Évaluation : La performance a été évaluée via la précision, la précision (precision), le rappel (recall), le score F1, l'AUC, et spécifiquement le Taux de Faux Négatifs (TFN). L'étude donne la priorité à la réduction du TFN parmi les sous-groupes vulnérables (quartile de revenu le plus bas, ménages dépendant de sources multiples, ménages dépendants des camions-citernes, et ceux dans des établissements présentant un risque microbiologique) plutôt qu'à la précision globale.
• Audit d'Équité : Une analyse de sous-groupe a été menée pour déterminer si l'inclusion des variables de fardeau réduisait la sous-détection pour certains groupes vulnérables. Une analyse de l'importance des caractéristiques par Forêt Aléatoire a été utilisée comme vérification complémentaire d'interprétabilité.

Résultats Clés

• Performance du Modèle : Le modèle de fardeau des ménages surpasse le modèle visible pour les services publics sur l'ensemble de test.
  • Précision (Accuracy) : Augmentation de 0,669 à 0,731.
  • Rappel (Recall) : Augmentation de 0,636 à 0,714.
  • Score F1 : Augmentation de 0,513 à 0,593.
  • AUC : Augmentation de 0,731 à 0,818.
  • Taux de Faux Négatifs : Diminution de 0,364 à 0,286.
• Matrice de Confusion : Le modèle de fardeau des ménages a correctement identifié 100 vrais positifs (ménages perturbés) contre 89 pour le modèle visible pour les services publics, réduisant ainsi les ménages perturbés manqués de 51 à 40.
• Équité des Sous-groupes :
  • Améliorations : Le TFN a diminué de manière significative pour le quartile de revenu le plus bas (de 32,1 % à 25,0 %) et pour les ménages à sources multiples (de 40,5 % à 31,6 %).
  • Anomalie : Le TFN pour les ménages dépendant des camions-citernes a légèrement augmenté (de 8,8 % à 12,5 %). Les auteurs interprètent cela comme le résultat du fait que l'usage des camions-citernes est déjà un prédicteur fort dans le modèle visible pour les services publics ; l'ajout des variables de fardeau a redistribué les poids du modèle, affaiblissant légèrement la performance pour ce sous-groupe spécifique dont le risque était déjà très visible.
• Importance des Caractéristiques : Dans le modèle de fardeau des ménages, la pression économique (dépenses, marge de revenu), la qualité perçue du service et le fardeau de l'approvisionnement sont apparus comme des prédicteurs de haut rang aux côtés des variables d'infrastructure, confirmant que l'expérience des ménages ajoute des informations pertinentes pour la décision.

Contributions Clés

1. Cadre Conceptuel : Le document introduit l'écart de visibilité infrastructurelle comme un pont entre l'insécurité hydrique des ménages, la justice des données et la gouvernance urbaine. Il définit cet écart comme la différence entre les fardeaux vécus par les ménages et les preuves reconnues par les systèmes de décision.
2. Preuve Empirique : Il fournit une comparaison reproductible démontrant que l'incorporation de variables de fardeau des ménages améliore la détection des ménages à haut risque et réduit les faux négatifs parmi les sous-groupes vulnérables, remettant en question la suffisance des données centrées sur l'infrastructure.
3. Architecture de Gouvernance (CINS) : Le document propose le CINS non pas simplement comme un outil prédictif, mais comme une architecture de gouvernance qui lie la classification prédictive à des protocoles de réponse institutionnels. Il soutient que l'IA sensible à l'équité doit être conçue autour de la détection des fardeaux des ménages et doit déclencher des actions spécifiques (ex. : nouveaux tests, correction de l'approvisionnement, évaluation de l'abordabilité) plutôt que de rester des sorties de tableaux de bord passifs.
4. Recadrage de l'Équité : L'étude déplace l'évaluation de l'équité de l'IA d'infrastructure de la précision globale vers la distribution des faux négatifs parmi les sous-groupes vulnérables, affirmant que l'équité est une propriété de l'inclusion des données et de la formulation du problème, et non un simple ajustement post-hoc du modèle.

Signification et Revendications
Le document affirme que l'équité dans l'IA d'infrastructure ne s'obtient pas simplement en corrigeant les sorties du modèle, mais en modifiant fondamentalement l'architecture des données pour inclure les fardeaux des ménages. L'argument central est qu'un ménage peut être « formellement visible » (connecté à un réseau) tout en étant « analytiquement invisible » concernant le travail et les fardeaux économiques qu'il supporte.

Les auteurs revendiquent modestement que leur analyse démontre que les variables de fardeau des ménages améliorent la détection sous une spécification de base transparente. Ils ne prétendent pas avoir identifié un modèle final optimal ou avoir pleinement déployé le CINS de manière opérationnelle. Au contraire, le document positionne la comparaison des modèles comme un instrument de diagnostic pour la visibilité institutionnelle, montrant ce qui est omis lorsque le fardeau des ménages est exclu. La signification réside dans l'affirmation que pour que l'IA soit sensible à l'équité dans la gouvernance de l'eau urbaine, elle doit être conçue pour reconnaître les réalités vécues des établissements informels — spécifiquement la fragmentation du service et les fardeaux associés — plutôt que de se fier uniquement à la visibilité de l'infrastructure. Le document conclut que sans l'intégration des données de fardeau des ménages et sans lier les prédictions aux protocoles de réponse, l'IA risque de rendre la gouvernance de l'eau plus efficace tout en préservant l'invisibilité de ceux qui sont les plus affectés par un accès peu fiable.