Chaque année, Statistique Canada mène des centaines de sondages pour mieux comprendre la réalité socio-économique de la population canadienne. L’organisme analyse ensuite l’énorme quantité de données ainsi générées pour éclairer le gouvernement dans ses décisions concernant, par exemple, la santé, le chômage ou le logement abordable.
C’est ici qu’intervient une nouvelle équipe de recherche collaborative (ERC), financée par l’Institut canadien des sciences statistiques (INCASS). Codirigée par le professeur David Haziza (Université d’Ottawa), la professeure Zeinab Mashreghi (Université de Winnipeg) et le professeur Changbao Wu (Université de Waterloo), elle étudie comment les organismes nationaux de statistique, comme Statistique Canada, peuvent mieux exploiter l’apprentissage automatique pour analyser des ensembles de données volumineux et complexes. L’équipe a obtenu une impressionnante subvention de 210 000 $, et son projet s’étalera sur trois ans, soit du 1er avril 2026 au 31 mars 2029.
Qu’est-ce qui rend les ERC de l’INCASS si uniques?
Les ERC de l’INCASS se caractérisent par leur diversité à plusieurs égards, explique le professeur Haziza. D’abord, elles doivent être formées de chercheuses et chercheurs chevronnés et en début de carrière, issus de grandes et de petites universités pour pouvoir offrir suffisamment d’occasions de formation et de mentorat.
« Les ERC donnent la possibilité aux membres de petites universités sans programme d’études supérieures de superviser des étudiantes et étudiants de cycle supérieur avec d’autres membres de l’équipe », explique le professeur Haziza.
De plus, elles doivent refléter une certaine diversité géographique. Par exemple, l’ERC du professeur Haziza est constituée de membres rattachés à des établissements de plusieurs provinces canadiennes, dont l’Université de Waterloo, l’Université Laval, l’Université McGill et l’Université de Winnipeg, et compte également une personne de l’Université de l’Oklahoma. Elle a aussi pour partenaires Statistique Canada et la Banque du Canada, des membres de leur personnel de recherche faisant aussi partie de l’ERC.
« Les ERC de l’INCASS ont pour but d’offrir des écosystèmes de recherche diversifiés. Quand on réunit des gens dont les domaines d’expertise sont complémentaires, on tire parti du travail de chacun et on trouve de meilleures solutions – des solutions plus novatrices. »
Plus qu’un projet de recherche, l’ERC facilite la création de réseaux de collaboration, ce qui favorise la mise en place de partenariats durables et d’activités de mentorat destinées aux statisticiennes et statisticiens de demain.
« Les ERC de l’INCASS ont pour but d’offrir des écosystèmes de recherche diversifiés. Quand on réunit des gens dont les domaines d’expertise sont complémentaires, on tire parti du travail de chacun et on trouve de meilleures solutions – des solutions... »
David Haziza
— Professeur, Département de mathématiques et de statistique
L’apprentissage automatique au service de l’échantillonnage
L’équipe du professeur Haziza se concentre sur la manière dont les organismes nationaux de statistique peuvent mieux intégrer l’apprentissage automatique dans leurs pratiques d’échantillonnage.
L’échantillonnage, c’est la sélection d’un petit groupe de personnes au sein d’une population plus vaste pour en tirer des conclusions sur l’ensemble de cette population. Des chercheuses et chercheurs, comme le professeur Haziza, mettent au point des méthodes pour affiner ces estimations, en réduire les biais et en mesurer l’incertitude.
L’apprentissage automatique, c’est un ensemble d’algorithmes qui dégagent des tendances à partir de données. Le professeur Haziza le décrit comme un « outil flexible » capable de mettre au jour des relations parfois trop complexes pour les méthodes statistiques traditionnelles. Il est déjà utilisé pour des tâches statistiques, comme le traitement des données manquantes et la production de prédictions pour des estimations à petite échelle.
Mais de meilleures prédictions ne génèrent pas nécessairement des estimations plus exactes pour les indicateurs relatifs à la population, comme le revenu moyen ou le taux de chômage.
« Si nous n’avions besoin que de prédictions, le problème serait relativement simple », affirme le professeur Haziza.
Mais les travaux de recherche sur l’inférence statistique fondée sur les prédictions issues de l’apprentissage automatique demeurent incomplets. Les décisionnaires qui utilisent les données de Statistique Canada doivent connaître non seulement les estimations comme telles, mais leur degré de fiabilité également avant de s’en servir pour orienter des décisions.
Des mesures concrètes
Pour remédier au problème, l’ERC développe les cadres théoriques fondamentaux nécessaires à une utilisation fiable de l’apprentissage automatique à des fins d’échantillonnage. Le professeur Haziza et son équipe étudient l’influence des méthodes d’apprentissage automatique sur l’estimation, l’estimation de la variance et les intervalles de confiance.
Au cours des prochaines années, le groupe espère transformer ses constats en outils concrets, notamment en logiciels conviviaux pouvant être utilisés par les organismes nationaux de statistique.
En déployant les efforts nécessaires pour que l’apprentissage automatique soit à la fois performant et fiable, l’équipe trace l’avenir de la statistique et améliore les données probantes qui orientent des décisions touchant des millions de Canadiennes et Canadiens.