HAI Seminar: Predicting Child Labor in Ghana's Cocoa Industry

L’étude présentée est remarquable par sa rigueur méthodologique et son approche interdisciplinaire. Les intervenants combinent expertise en génie civil, en gestion des chaînes d’approvisionnement et en apprentissage automatique pour aborder un problème social complexe. La méthodologie est solide : utilisation de modèles non-paramétriques (XGBoost, Random Forest) avec validation croisée et recherche d’hyperparamètres, ce qui est approprié pour des données tabulaires avec interactions complexes. Les performances annoncées (AUC 0,95, F1 0,84) sont élevées, mais il faut noter qu’elles sont obtenues sur un échantillon hors échantillon, ce qui est un point fort. L’utilisation d’outils d’interprétabilité (SHAP, partial dependence plots) est exemplaire et permet d’identifier les facteurs clés, notamment la déforestation liée au cacao, qui est un résultat original et important. Cependant, certaines limites doivent être soulignées. D’abord, la nature corrélationnelle de l’étude est clairement précisée, mais il serait intéressant d’explorer des approches causales pour guider les interventions. Ensuite, la dépendance à des données satellite et à des enquêtes peut introduire des biais, bien que les auteurs mentionnent des efforts pour atténuer la rareté et le biais des données. La présentation est bien structurée, avec une introduction contextuelle sur les chaînes d’approvisionnement des petits exploitants, ce qui aide à comprendre les enjeux. Les exemples de projets antérieurs (laine, huile de palme) enrichissent la perspective. La période de questions-réponses, bien que non détaillée ici, suggère un engagement du public. En termes d’adéquation titre-contenu, le titre est précis et reflète exactement le contenu. La qualité des sources est bonne, avec des références à des organisations comme ICI et des données réelles. Cependant, la présentation ne fournit pas de détails sur les sources de données spécifiques ni sur les références bibliographiques, ce qui limite la vérifiabilité. Globalement, cette étude est une contribution significative à la recherche sur le travail des enfants et démontre le potentiel de l’apprentissage automatique pour des applications sociales. La note globale de 4 étoiles est justifiée par la rigueur méthodologique et l’originalité, malgré quelques limites.

Le titre est précis et correspond exactement au contenu : présentation d'un séminaire sur la prédiction du travail des enfants dans l'industrie du cacao au Ghana.

8/10

Présentation d'une étude originale avec méthodologie détaillée (modèles non-paramétriques, validation croisée, interprétabilité), données réelles et collaboration avec des acteurs institutionnels (ICI). Les résultats sont présentés avec prudence (corrélation, non causalité).

• 00:00Introduction
• 00:50Presentation
• 39:36Q&A

• International Cocoa Initiative (ICI) — Organisation mentionnée comme collaboratrice et source de données sur le travail des enfants dans le cacao.
• Design for Freedom — ONG qui a attiré l'attention sur le travail forcé et des enfants dans l'industrie de la construction.

• International Cocoa Initiative (ICI) — Organisation travaillant sur la réduction du travail des enfants dans le cacao, en accord avec les objectifs de l'étude.