De l'innovation à la mise en œuvre : une revue de portée mondiale des applications, de la gouvernance et des défis de l'intelligence artificielle dans les contextes humanitaires
From innovation to implementation: a global scoping review of artificial intelligence applications, governance, and challenges in humanitarian contexts.
L’essentiel
Cette étude présente une revue de portée visant à cartographier l'utilisation mondiale de l'intelligence artificielle dans les contextes humanitaires, en se concentrant sur la prédiction des crises, l'allocation des ressources et la prise de décision. En analysant à la fois la littérature académique et grise à travers six bases de données et différentes sources, les auteurs ont recensé 57 publications scientifiques et 17 rapports institutionnels. Les résultats indiquent que les applications de l'intelligence artificielle se concentrent principalement sur la phase de préparation et de réponse aux catastrophes naturelles soudaines, telles que les inondations et les tremblements de terre. L'apprentissage profond et l'apprentissage automatique constituent les familles de modèles les plus fréquemment employées pour l'optimisation logistique et l'analyse géospatiale. La majorité des systèmes décrits restent toutefois au stade de prototypes ou font l'objet d'évaluations rétrospectives plutôt que d'un déploiement opérationnel concret sur le terrain. Les questions de gouvernance, d'équité et de participation communautaire sont abordées de manière hétérogène et nécessitent une attention accrue. La recherche souligne la nécessité de développer des cadres de gouvernance responsables et adaptés pour encadrer l'adoption de l'intelligence artificielle dans ces contextes.
- La revue analyse 57 publications scientifiques et 17 rapports de littérature grise sur l'intelligence artificielle en contexte humanitaire.
- Les applications se concentrent majoritairement sur la préparation et la réponse aux catastrophes naturelles soudaines comme les inondations.
- L'apprentissage automatique et l'apprentissage profond sont les technologies les plus fréquemment rapportées pour l'analyse géospatiale.
Le texte intégral n’était pas accessible ; aucune faiblesse méthodologique ne peut être déduite de cette absence.
Comprendre l’analyse ↓Analyse du résumé uniquement. Confiance faible dans les informations extraites.
Voir les sources ↓Synthèse détaillée
Synthèse
Cette étude présente une revue de portée visant à cartographier l'utilisation mondiale de l'intelligence artificielle dans les contextes humanitaires, en se concentrant sur la prédiction des crises, l'allocation des ressources et la prise de décision. En analysant à la fois la littérature académique et grise à travers six bases de données et différentes sources, les auteurs ont recensé 57 publications scientifiques et 17 rapports institutionnels. Les résultats indiquent que les applications de l'intelligence artificielle se concentrent principalement sur la phase de préparation et de réponse aux catastrophes naturelles soudaines, telles que les inondations et les tremblements de terre. L'apprentissage profond et l'apprentissage automatique constituent les familles de modèles les plus fréquemment employées pour l'optimisation logistique et l'analyse géospatiale. La majorité des systèmes décrits restent toutefois au stade de prototypes ou font l'objet d'évaluations rétrospectives plutôt que d'un déploiement opérationnel concret sur le terrain. Les questions de gouvernance, d'équité et de participation communautaire sont abordées de manière hétérogène et nécessitent une attention accrue. La recherche souligne la nécessité de développer des cadres de gouvernance responsables et adaptés pour encadrer l'adoption de l'intelligence artificielle dans ces contextes.
Résultats principaux
La revue analyse 57 publications scientifiques et 17 rapports de littérature grise sur l'intelligence artificielle en contexte humanitaire. Les applications se concentrent majoritairement sur la préparation et la réponse aux catastrophes naturelles soudaines comme les inondations. L'apprentissage automatique et l'apprentissage profond sont les technologies les plus fréquemment rapportées pour l'analyse géospatiale. La grande majorité des systèmes documentés restent au stade de prototypes et peinent à atteindre une mise en œuvre opérationnelle sur le terrain. Les considérations de gouvernance, d'équité et de participation communautaire sont souvent absentes ou insuffisamment documentées dans les écrits.
Repères pour la pratique
Les professionnels de santé et d'intervention d'urgence doivent aborder l'intégration des outils technologiques avec prudence face au manque de déploiement réel documenté. Il est impératif de renforcer les cadres éthiques et de gouvernance avant d'implanter des systèmes algorithmiques de décision dans les situations de crise. La participation des communautés locales impactées doit être systématiquement intégrée dans le développement des solutions technologiques.
Limites et précautions
Bien que rigoureuse, cette revue de portée traite de l'intelligence artificielle dans la gestion globale des crises humanitaires et des catastrophes, ce qui présente un intérêt très indirect et éloigné de la pratique clinique quotidienne des psychologues et neuropsychologues. La nature de la revue de portée ne permet pas d'évaluer l'efficacité clinique ou opérationnelle mesurée des interventions basées sur l'intelligence artificielle. Il existe une hétérogénéité géographique marquée dans la distribution des données, avec une représentation très faible de certaines régions comme le Moyen-Orient. La littérature grise aborde les enjeux de gouvernance de manière différente des publications académiques, ce qui complient la synthèse globale.
Analyse méthodologique
Non déterminable — Le texte intégral n’était pas accessible ; aucune faiblesse méthodologique ne peut être déduite de cette absence.
Le texte intégral ouvert n’était pas accessible. Cela rend la robustesse non déterminable : l’absence d’information n’est pas interprétée comme une faiblesse de l’étude.
Une anomalie documentaire ou méthodologique a été détectée. L’article reste disponible et doit être interprété avec prudence.
Examiner les critères point par point
Cette analyse automatisée a été réalisée par NeuroWatch sur la base des informations extraites d'un résumé de revue systématique. Les auteurs indiquent avoir suivi le cadre méthodologique d'Arksey et O'Malley pour mener une revue exploratoire. La recherche documentaire a couvert six bases de données, Google Scholar ainsi que de la littérature grise provenant d'organisations humanitaires majeures. Au total, 74 sources ont été incluses, comprenant 57 publications évaluées par des pairs et 17 rapports de littérature grise. Selon les conclusions des auteurs, les applications de l'intelligence artificielle dans le cycle de gestion des urgences se concentrent principalement sur la préparation et la réponse, tandis que la phase de récupération est rarement abordée. La majorité des systèmes rapportés demeurent des prototypes ou des modèles validés rétrospectivement, avec un nombre relativement faible de déploiements opérationnels sur le terrain. Concernant l'analyse NeuroWatch, plusieurs éléments méthodologiques essentiels ne peuvent être déterminés. L'évaluation du risque de biais des études incluses n'est pas rapportée dans la source analysée. Les données quantitatives sur les performances des modèles, le financement, les conflits d'intérêts et le suivi longitudinal sont également des informations non rapportées dans la source analysée. Enfin, la principale limite de cette analyse réside dans le fait que seul le résumé de l'article a été examiné, nécessitant l'accès au texte intégral pour une validation complète.
protocolFavorable
La méthodologie de la revue exploratoire a suivi le cadre établi par Arksey et O'Malley, comprenant la formulation de la question de recherche, la sélection des dossiers, la cartographie des données et la synthèse des résultats.
Un élément méthodologique adéquat est explicitement documenté.risk of biasNon déterminable
Aucune information concernant l'évaluation du risque de biais des études incluses n'a été mentionnée dans le résumé.
L’information nécessaire n’est pas rapportée dans la source analysée.search strategyFavorable
La recherche documentaire a couvert six bases de données, Google Scholar et de la littérature grise via les pages web d'organisations humanitaires majeures.
Un élément méthodologique adéquat est explicitement documenté.study selectionFavorable
La sélection des dossiers a été réalisée dans le cadre de la méthodologie de la revue exploratoire pour identifier les publications évaluées par des pairs et la littérature grise.
Un élément méthodologique adéquat est explicitement documenté.synthesis methodFavorable
Les données extraites ont fait l'objet d'une synthèse descriptive et narrative.
Un élément méthodologique adéquat est explicitement documenté.Cette analyse est produite automatiquement par une IA à partir des sources indiquées, puis l’appréciation est calculée avec des règles versionnées (scientific_analysis_v2). Elle ne constitue ni une validation par un professionnel ni une recommandation clinique. Consulter la méthodologie.
Classification détaillée
Informations sur l’article
- Publication
- Revue systématique
- Source
- PubMed — neurosciences cognitives developpementales
- Date
- 19 oct. 2026
- Langue
- Anglais
- Accès
- abstract only
- Licence
- Non déterminée