Une app pour géolocaliser les restaurants à l'hygiène alimentaire douteuse

En analysant les tweets évoquant des malaises alimentaires dans une zone géographique donnée, une application utilisant l'apprentissage machine a pu identifier les endroits les plus probablement à l'origine de ces intoxications. Les chercheurs de l'Université de Rochester qui l'ont développée l'ont testée à Las Vegas, en association avec les services de santé de la ville. En affinant la liste des restaurants à inspecter en priorité, ils ont pu réduire les problèmes.

Les intoxications alimentaires peuvent se produire partout où les règles d’hygiène standards ne sont pas respectées. Des chercheurs viennent de développer une application recourant à l’apprentissage machine pour remonter à la source des négligences et contribuer à réduire le nombre de personnes touchées. Aux Etats-Unis, une personne sur six rencontre tous les ans des problèmes d’origine alimentaire plus ou moins graves qui peuvent aller jusqu'à l'hospitalisation. Un certain nombre d’entre elles s'en font l'écho sur Twitter. C’est là qu’intervient nEmesis. Développé par des chercheurs en informatique de l’Université de Rochester, le logiciel utilise les traitements en langage naturel et les technologies d’intelligence artificielle pour identifier les tweets portant sur des incidents d’intoxication alimentaire. L'application les relie aux restaurants par géocodage afin de délimiter les zones sensibles les plus probables.

nEmesis tire parti de l’analyse de 4 millions de tweets générés par des personnes se trouvant à New York entre fin 2012 et début 2013. Des algorithmes de deep-learning ont été entraînés à reconnaître des expressions-clés du type « j’ai mal au coeur » ou « nauséeux ». Par la suite, les chercheurs ont testé leur application à Las Vegas en collaboration avec les services de santé de la ville. Ces derniers ont commencé à se servir des résultats obtenus pour introduire dans leurs listes de visites certains restaurants à inspecter plus précisément. Pendant trois mois, le système a analysé quotidiennement une moyenne de 16 000 tweets émis par 3 600 utilisateurs et les chercheurs ont déterminé quels restaurants devraient être ciblés priorité pour un contrôle. « Chaque matin, nous communiquions à la ville une listes des endroits où nous savions que quelque chose ne tournait pas rond », relate Adam Sadilek, l’un des chercheurs qui a travaillé sur le projet à l’Université de Rochester et qui se trouve maintenant chez Google Research.

9 000 intoxications alimentaires de moins pendant la durée de l'étude

Au final, il a été dénombré à Las Vegas 9 000 incidents d’intoxication alimentaire et 557 hospitalisations de moins pendant la durée de l’étude, ont estimé les chercheurs. Ces derniers ont présenté leurs travaux lors de la 30ème conférence de l’Association pour les avancées de l’intelligence artificielle en février dernier et reçu une distinction de l’AAAI. La même approche pourrait être appliquée dans d’autres domaines. Ici, elle s’applique aux restaurants, mais la méthode pourrait aussi être utilisés pour les punaises de lit, note Adam Sadilek. « De la même façon, vous pourriez analyser ce que les gens disent en sortant de leur visite chez le docteur ou à l’hôpital. « Nous commençons tout juste à imaginer ce que nous pourrions faire », conclut-il.