Skip to content
Prévision en matière de migration : attentes, limites et fonctions politiques
  • Steffen Angenendt et Anne Koch
  • May 2024
Les réfugiés venant d’Ukraine se dirigent vers un centre de transport en Moldavie. Crédits : HCR/Andrew McConnell

Les analyses prédictives permettant de prévoir les migrations et les déplacements futurs font l’objet d’une attention croissante, malgré leur utilité pratique limitée jusqu’à présent. En effet, elles remplissent un certain nombre de fonctions politiques, notamment le renforcement de la cohérence des politiques et la création d’une impression de contrôle.

Le désir d’anticiper et de préparer les évolutions futures est omniprésent en politique. C’est particulièrement vrai pour la politique allemande et européenne en matière de réfugiés et de migration. Les récentes augmentations des arrivées de réfugiés via la route des Balkans et de la Méditerranée, et surtout fuyant la guerre en Ukraine, ont accentué le désir de ne pas se laisser surprendre par les futurs mouvements migratoires. Le grand intérêt porté aux approches prédictives (mettant l’accent sur le franchissement irrégulier des frontières et les déplacements forcés) se reflète dans un paysage de recherche dynamique et dans une prolifération d’approches concurrentes.

Les outils quantitatifs de prévision promettent une meilleure orientation et une plus grande sécurité de planification, avec des instruments basés sur l’apprentissage automatique et la modélisation à base d’agents générant des attentes particulièrement élevées en termes de précision et de fiabilité. Cependant, à ce jour, leur utilité pratique est loin d’être à la hauteur des espoirs placés en eux. Compte tenu de l’écart apparent entre ce que l’on attend de l’analyse prédictive et ce qu’elle a apporté jusqu’à présent dans le domaine de la prévision des migrations, pourquoi les efforts visant à développer des outils connexes suscitent-ils toujours un intérêt politique et continuent-ils d’attirer des ressources financières ?

Les agences impliquées dans la prévision des migrations et les outils utilisés
Il existe globalement trois domaines d’application pour les prévisions des déplacements forcés et des migrations irrégulières :

  1. renforcer la capacité d’accueil nationale lorsque l’on s’attend à un nombre croissant de réfugiés ;
  2. adapter la sécurité et la gestion des frontières pour répondre aux défis prévus ; et
  3. la planification anticipée de l’aide humanitaire (et de plus en plus de la coopération au développement) dans le contexte d’une migration résultant d’une situation de crise.

Dans ces trois domaines, l’utilisation efficace de ressources rares constitue un défi central.

Un nombre croissant d’acteurs sont impliqués dans la modélisation quantitative pour la prévision des migrations. En Europe, les efforts de prévision des migrations s’intéressent généralement à l’accueil des réfugiés et à la sécurité des frontières et se concentrent sur les personnes qui se dirigent vers l’Union européenne et ses États membres. Les principaux acteurs sont l’Agence européenne de garde-frontières et de garde-côtes (Frontex) et l’Agence de l’Union européenne pour l’asile (AUEA), qui développent toutes deux actuellement des modèles d’apprentissage automatique pour prévoir les nouvelles arrivées dans les États membres de l’UE conformément à leurs mandats respectifs. Frontex se concentre sur le franchissement irrégulier des frontières et l’AUEA sur le nombre de demandes d’asile.

Ces dernières années, la Commission européenne étudie également la possibilité de créer un instrument de prévision des migrations à l’échelle de l’Union européenne. Outre le financement de divers consortiums de recherche sur le sujet, elle a également commandé une étude de faisabilité portant sur un outil basé sur l’intelligence artificielle pour prévoir la direction et l’intensité des migrations irrégulières vers et au sein de l’UE, sur un horizon temporel d’un à trois mois. Les résultats de cette étude ne se sont pas encore traduits par des mesures concrètes. Cependant, un instrument limité à la prévision des migrations irrégulières sur un seul itinéraire doit être testé dans le cadre d’un projet pilote.

Le fait qu’aucun de ces différents outils en cours de développement ne soit encore prêt à être appliqué indique l’existence de défis qui résistent même aux méthodes d’apprentissage automatique. L’ambition de développer un système complet de prévision et d’alerte précoce pour la migration irrégulière vers l’UE se heurte à des limites techniques à deux égards. D’abord, même les instruments basés sur l’IA les plus avancés actuellement disponibles ne peuvent pas encore saisir de manière adéquate l’interaction complexe entre les nombreux facteurs qui influencent les décisions migratoires (en particulier lorsque l’instrument concerné doit être universellement applicable à tous les pays et à toutes les routes migratoires vers l’Europe). Ensuite, la fiabilité de toute prévision est limitée par l’incertitude inhérente aux processus migratoires. Bon nombre des mouvements migratoires récents les plus importants vers l’Europe ont été provoqués par des événements perturbateurs qui ont influencé les déplacements forcés et les migrations de manière imprévisible.

Parallèlement à ces efforts au niveau européen, diverses organisations internationales développent des outils de prévision pour une meilleure planification des activités humanitaires et du développement, le troisième domaine d’application. Le projet Jetson du HCR, lancé en 2017 pour prévoir les déplacements en Somalie, est considéré comme la première application basée sur l’apprentissage automatique pour prévoir les déplacements internes et transfrontaliers. Une deuxième initiative a été lancée après que la fermeture des frontières liée au Covid en 2020 a interrompu les migrations entre le Venezuela et le Brésil. Afin de générer des prévisions viables sur le nombre d’arrivées de Vénézuéliens au Brésil après la réouverture de la frontière, ainsi que sur l’ampleur des besoins humanitaires que cela impliquerait, le HCR a collaboré avec UN Global Pulse pour créer un instrument de prévision basé sur l’apprentissage automatique et un outil de simulation interactif sur le logement et d’autres besoins selon différents scénarios.

Dans le secteur des ONG, le Conseil danois pour les réfugiés (DRC) et Save the Children sont à l’avant-garde des efforts visant à exploiter le potentiel de l’analyse prédictive pour améliorer la distribution de l’aide humanitaire. Le modèle de prévision du DRC est un outil basé sur l’IA conçu pour prédire les déplacements internes et transfrontaliers liés aux conflits, actuellement dans vingt-six pays avec un horizon temporel de un à trois ans. Le modèle d’action humanitaire anticipative en cas de déplacement du DRC, appelé AHEAD, prévoit les déplacements internes au Burkina Faso, au Mali, au Niger, au Soudan du Sud et en Somalie, produisant des rapports réguliers pour soutenir le travail opérationnel des acteurs humanitaires. Save the Children a développé un instrument basé sur l’apprentissage automatique pour prédire l’ampleur et la durée des déplacements. Cet instrument a été continuellement amélioré depuis son introduction en 2018. Les principaux enseignements tirés de ce processus comprennent la prise de conscience que les modèles localisés et spécifiques au contexte sont plus utiles qu’un modèle global généralisé et que certaines données manquantes peuvent être interpolées à l’aide d’une modélisation à base d’agents.

Dans l’ensemble, l’utilisation pratique de la prévision des migrations dans les contextes humanitaires semble être plus avancée que les efforts visant à prédire les arrivées irrégulières dans l’UE. Cela tient peut-être à ce que les objectifs de prévision sont spatialement et temporellement plus limités en raison des besoins opérationnels concrets, et que la courbe d’apprentissage est plus tangible que dans les approches plus eurocentrées. De plus, les mouvements de réfugiés provoqués par des événements soudains, comme des catastrophes naturelles ou des conflits armés, ont tendance à être plus faciles à modéliser à l’aide de l’apprentissage automatique que les mouvements migratoires, qui sont influencés par un nombre beaucoup plus important de facteurs. Néanmoins, le développement d’instruments de prévision spécifiques au contexte prend du temps, puisqu’il faut environ un an selon l’unité d’innovation du HCR. Les outils de prévision des déplacements peuvent donc être particulièrement adaptés à l’observation à long terme de contextes fragiles, par exemple dans le contexte de la coopération au développement.
Même si les avantages pratiques des prévisions quantitatives en matière de migration varient fortement d’un domaine politique à l’autre, des obstacles similaires à leur intégration dans les processus de prise de décision politique existent dans tous les domaines. Malgré la nécessité absolue d’une planification plus prospective à tous les niveaux, les administrations nationales ne disposent pas des ressources et des structures nécessaires pour exploiter pleinement les résultats des instruments de prévision quantitative. Cela s’explique notamment par le manque de personnel et de temps dans les ministères concernés. En outre, l’inévitable incertitude des prévisions diminue leur valeur pour le processus politique, qui est le mieux adapté pour traiter des faits clairs et simples. Enfin, il existe un manque de processus établis pour intégrer les prévisions dans la prise de décision politique.

Fonctions politiques de la prévision des migrations

À quoi servent les prévisions quantitatives des migrations dans le processus politique ? Outre l’espoir d’améliorer la coopération interministérielle, il s’agit notamment pour les ministères individuels d’acquérir un avantage concurrentiel grâce aux connaissances supplémentaires acquises avec les prévisions, à la légitimation des décisions déjà prises et à l’utilisation des prévisions pour promouvoir des intérêts politiques et obtenir des financements.

Améliorer la cohérence et la coopération gouvernementales

Les décideurs en Allemagne et au niveau européen signalent que l’échange de données sur les déplacements forcés et les migrations entre différents acteurs reste relativement peu structuré et non systématique. Le caractère inégal des informations sur les déplacements forcés et les migrations entrave la prise de décision commune, en particulier dans les situations de crise où l’on dispose de peu de temps pour la coordination.
La prévision des migrations basée sur l’IA pourrait contribuer à un système permettant de dresser un tableau commun de la situation, qui attribue clairement les responsabilités et est accepté comme base de prise de décision par tous les acteurs concernés. Elle pourrait également atténuer la pression temporelle inhérente aux crises en facilitant les discussions et l’établissement d’un consensus dès le départ. Il en va de même au niveau européen, où les structures permettant de rassembler les diverses données migratoires des différents pays font cruellement défaut. Des prévisions fiables en matière de migration pourraient accélérer la coordination entre les pays de premier accueil, la Commission européenne et les agences de l’UE en cas d’augmentation rapide du nombre de migrants le long des différentes routes migratoires.

La connaissance comme avantage concurrentiel

Outre l’objectif commun d’améliorer les prévisions, il existe également une lutte d’influence sur les décisions en matière d’asile et de migration. Le fait que des connaissances supplémentaires puissent représenter un avantage concurrentiel significatif peut conduire à une non-coopération entre les différents acteurs chargés de la prévision des migrations. Frontex et l’AUEA, par exemple, visent toutes deux à exploiter leurs capacités prédictives à leur propre bénéfice : alors que Frontex collecte principalement des informations sur les tendances des migrations irrégulières et que l’AUEA se concentre sur le renforcement des capacités d’accueil des demandeurs d’asile, toutes deux utilisent leurs prévisions respectives pour obtenir un soutien en faveur du développement institutionnel. Au final, les travaux visant à élaborer des prévisions quantitatives en matière de migration servent souvent les propres objectifs politiques de l’organisation. Ce type de « raisonnement en silo » crée également des obstacles au développement d’un outil de prévision quantitative par la Commission européenne.
Communication politique et légitimation des choix politiques
Dans le domaine de la migration et de l’asile, les appels à une politique davantage fondée sur des données probantes et à plus d’investissements dans la collecte et l’analyse de données sont omniprésents. L’argument avancé est le suivant : présenter aux décideurs des options fondées sur des données probantes aiderait à objectiver des débats souvent chargés émotionnellement et très polarisés, et contribuerait ainsi à contrecarrer la rhétorique populiste. Dans le même temps, les chiffres et les statistiques remplissent d’importantes fonctions de communication et de légitimation en politique. Au lieu de faciliter une exploration impartiale des différentes options politiques, leur objectif principal est souvent de légitimer ou de justifier des décisions déjà arrêtées. Les prévisions quantitatives ont encore une autre fonction : les investissements dans la prévision des migrations peuvent créer une impression de contrôle dans un domaine politique caractérisé par l’incertitude et les chocs périodiques et donc indiquer des efforts pour réaliser une planification prospective. Si les efforts de prévision sont principalement motivés par ces considérations, ils se résumeront probablement à une collecte et à une analyse de données sélectives et en grande partie intéressées.

Lobbying politique et obtention de financements

Dans le secteur humanitaire, les prévisions quantitatives des déplacements forcés remplissent une fonction supplémentaire importante : attirer l’attention politique sur les crises émergentes et mobiliser les financements nécessaires. Le Conseil danois pour les réfugiés et Save the Children citent explicitement le financement comme l’une de leurs motivations pour développer des outils de prévision, tout en essayant d’éviter de perpétuer le récit d’une menace croissante pour les États riches à travers des mouvements de réfugiés à grande échelle en provenance des pays dits du Sud. La prévision des migrations peut également aider les acteurs étatiques à allouer des financements et des ressources. Les financements investis avant qu’une crise n’éclate sont bien plus efficaces que l’aide d’urgence après coup. Ce point est déjà reconnu depuis longtemps dans le domaine de l’aide humanitaire et justifierait un recours accru à des instruments de financement basés sur des prévisions. Une plus grande efficacité des fonds employés constitue un argument important dans la compétition pour les ressources publiques.

Enfin, les acteurs de l’aide humanitaire soulignent également que des prévisions fiables sur les mouvements de réfugiés pourraient encourager les donateurs à accorder davantage de financement à l’aide sans restriction et l’aide flexible, offrant ainsi une plus grande marge de manœuvre aux organisations humanitaires pour répondre aux besoins sur le terrain.

Conclusion

Les fonctions politiques de la prévision quantitative des migrations décrites ici soulignent les motivations diverses, parfois contradictoires, qui expliquent l’intérêt pour la prévision des migrations et des déplacements. Ces fonctions politiques complètent ainsi les applications pratiques : l’adaptation des capacités d’accueil, l’ajustement de la protection des frontières et l’amélioration de la planification et de la mise en œuvre de l’aide humanitaire et des projets axés sur le développement. Alors que l’accent mis sur l’acquisition de connaissances oriente les acteurs vers la coordination et l’exploitation des synergies, le désir d’un avantage concurrentiel et de légitimation des politiques existantes pousse à l’unilatéralisme.
Une discussion sur le potentiel et les écueils des nouveaux outils de prévision serait incomplète sans s’intéresser aux effets négatifs potentiels de ces nouveaux développements techniques sur les migrants et les réfugiés. Même si les outils de prévision basés sur l’apprentissage automatique collectent généralement des données de groupe plutôt que des données individuelles, leur utilisation comporte néanmoins des risques considérables en matière de droits humains. Dans le contexte d’un débat passionné et polarisé sur les déplacements forcés et les migrations, les prévisions quantitatives sont intrinsèquement politiques et il existe un risque qu’elles soient utilisées pour évoquer des scénarios de menace et attiser les craintes. Cela pourrait conduire à la fermeture des frontières aux demandeurs d’asile ou à une augmentation des attaques racistes contre certaines nationalités ou ethnies. En outre, il existe un manque de clarté quant aux droits des personnes déplacées et des réfugiés d’empêcher que leurs données soient utilisées dans des ensembles de données d’apprentissage exploités pour modéliser les migrations, ou d’obtenir réparation s’ils subissent un préjudice involontaire en raison de l’utilisation de modèles de prédiction ou de l’utilisation de leurs données à d’autres fins.

Les effets de la prévision en matière de migration sur les personnes déplacées de force peuvent être positifs (par exemple en améliorant la planification de l’aide humanitaire) ou négatifs (par exemple en redirigeant les fonds humanitaires vers la sécurité des frontières). Cela signifie que même si les outils prédictifs s’améliorent progressivement, les déplacements forcés et les migrations resteront des domaines où des décisions politiques difficiles devront être prises et défendues. Lorsque des prévisions quantitatives de migration sont utilisées dans la pratique, les risques pour les personnes directement concernées doivent être examinés et pris en compte. D’une part, il faut veiller à ce que les prévisions ne soient pas utilisées comme un outil politique ou pour présenter la migration comme un risque pour la sécurité. D’autre part, la protection des données doit englober les données collectives et les données personnelles. Dans le domaine de l’aide humanitaire et de la coopération au développement, des principes d’une circulation responsable des données doivent être développés et adaptés pour rester en phase avec le progrès technologique des modèles prédictifs.

Steffen Angenendt
Partenaire, Migration Experts Group
angenendt@migrationexperts.ch

Anne Koch
Associée, Stiftung Wissenschaft und Politik (Institut allemand des affaires internationales et de sécurité)
anne.koch@swp-berlin.org

LIRE LE NUMÉRO COMPLET
DONATE DONATE
This site is registered on wpml.org as a development site. Switch to a production site key to remove this banner.