Diaspora, Smartphone et Intelligence Artificielle

Capter les flux du secteur informel : le smartphone

Une fois nos agents “infiltrés” dans le secteur informel, la deuxième difficulté dans l’analyse des flux de l’économie informelle est la structure des flux dans l’économie informelle. En effet, l’économie informelle se caractérise par un très grand nombre de transactions de montants réduit. Comment donc capter ces nombreuses et fréquentes opérations pour déterminer de manière précise les ventes des différents acteurs par exemple.


Par ailleurs, une alternative aurait pu être de demander à nos “enquêteurs” de demander à leur binôme informel le montant mensuel par exemple des achats et des dépenses. Hors à cause des raisons citées plus haut de la porosité entre la caisse de l’activité informelle et la caisse personnelle, une très importante majorité des acteurs informels ne sont simplement pas capables de dire de maniere precise leur chiffre d’affaires et les bénéfices.

Notre recette secrète : le smartphone​

Autour du smartphone​

Une difficulté supplémentaire à prendre en compte est la paradoxale petitesse des espaces dans le secteur informel. Dans l’espace de travail des différents acteurs, il y a très peu de place pour positionner un ordinateur ou un outil imposant de gestion pour enregistrer en temps réel les ventes et les achats de l’activité.

 

 L’Afrique a bluffé la planète entière par son adoption extrêmement rapide de la téléphonie mobile et du smartphone. Néanmoins, il n’est toujours pas clair à l’heure actuelle d’identifier un pic de croissance lié à l’utilisation de ces nouvelles technologies. En effet, à l’exception du paiement mobile (qui n’a eu pour l’instant que des effets relativement marginaux sur la structure de l’économie de ces pays), peu d’utilisations du mobile ont réellement été à la hauteur des attentes placées dans la téléphonie mobile. Même si les africains utilisent avec beaucoup d’aisance les applications populaires que sont Facebook et Whatsapp, il reste encore à définir clairement une proposition de valeur pour celles-ci.

Comment nous avons utilisé le smartphone​

LE SMARTPHONE​

Le téléphone portable présente des caractéristiques particulièrement intéressantes dans le cadre de la collecte des flux dans le secteur informel. Il est tout d’abord compact (!), ce qui lui permet de s’insérer dans l’environnement d’un acteur du secteur informel sans nécessiter une modification de la configuration de l’espace. Nous avons donc décidé d’utiliser le smartphone comme outil de collecte de l’information.

Ensuite, il a fallu définir une interface de collecte de ces flux, c’est-à-dire comment en pratique les enquêteurs utilisent-ils leur smartphone pour collecter l’information.

Nous avons pensé, plutôt qu’à développer une application dédiée, à utiliser la puissance des messageries instantanées. Et pour centraliser les réponses des candidats, nous avons créé ce qu’on appelle un chatbot.

LE CHATBOT​

Un chatbot est comme un robot dans une messagerie instantanée (comme Whatsapp ou Facebook Messenger). C’est comme un contact à qui vous parlez sauf qu’il est programmé pour comprendre certains messages et y répondre en fonction de son utilité. Nous avons créé notre chatbot sur Telegram, une application concurrente de Whatsapp qui a un processus relativement simple de création d’un chatbot.

 

Et le cerveau du robot est en fait un algorithme, c’est-à-dire une suite d’instructions que le robot doit suivre en fonction du message qu’il reçoit de la part des enquêteurs sur le terrain. Nous avons demandé aux enquêteurs de n’envoyer que des messages qui respectent la structure suivante :

  • D’abord “vente” ou “achat” pour indiquer au robot qu’il s’agit d’une suite d’opérations de vente ou de réapprovisionnement du commerce

  • Ensuite “produit prix” comme dans “pain 250”, “chaussure 450” ou “lavage 1500”. Si la structure des phrases n’est pas respectée par les enquêteurs, alors le robot envoie un message d’erreur invitant l’enquêteur a corriger son message.

    Avec cette structure extrêmement basique, il est très facile pour nos enquêteurs d’envoyer plusieurs messages à la minute et de se mettre sur la même fréquence que les ventes dans leurs commerces respectifs.


Enfin, pour conclure la partie technique, une fois que le robot reconnaît un message valide, il l’enregistre dans une base de données que nous avons hébergée chez Amazon AWS.

Notre chatbot est disponible dans l’application Telegram. Il s’appelle Somtou. N’hésitez pas à lui parler. Il se fera un plaisir de vous répondre. De la même manière, notre base de données sera accessible en consultation sur demande.


                 

 

Le chatbot et les remontées d’informations dans la base de données

 
 

Les resultats

Analysons les premiers résultats de l’analyse en cours auprès de la boutique de notre panel. Cette boutique a été benchmarkée comme moyenne (benchmark visuel de nos superviseurs de zone, cf partie suivante)

Le chiffre d’affaires

                                                                                                       

Evolution du chiffre d’affaires d’une boutique

 

Le chiffre d’affaires de cette boutique varie peu, à l’exception d’un pic observé pour la fête du Ramadan. Par ailleurs, l’effet “milieu du mois se fait bien ressentir avec une baisse de l’activité lors de la 3e semaine étudiée.

La moyenne des ventes au sein d’une boutique de taille moyenne est donc de l’ordre de 70 000 FCFA par jour (un peu plus de 100 EUR). Et les ventes mensuelles sont donc de l’ordre de 2 100 000 FCFA (soit près de 3 000 EUR) !

Evolution des ventes dans une journée​

Notre capacité à collecter l’information en temps réel nous permet de réaliser une étude des flux aux différentes heures de la journée.

                                                                                                                                                                                                     

Répartition du chiffre d’affaires sur les heures de la journée

 

Dans cette partie de la ville, les boutiques ferment entre 12h et 18h. Cela se voit très bien dans la répartition des ventes sur la journée. Le matin reste néanmoins le pic de consommation comme dans la plupart des boutiques avec notamment les ventes de pain…

Répartition des ventes par produit

Le pain est le best-seller de la boutique dont il représente près de 15% des ventes. Le trio pain-riz-lait représente à lui seul près de 40% des ventes de la boutique et les 10 produits les plus vendus représentent 75% des ventes. 

Autocritique des résultats

La taille de l'échantillon​

L’analyse porte sur le cas d’une boutique. C’est un échantillon qui n’est évidemment pas représentatif. Néanmoins, dans le cadre de l’évaluation du nombre global de boutiques, nous avons pu comparer la taille de notre boutique-témoin à celles de près de 200 boutiques et avons pu la classer comme de taille moyenne (sur une échelle à 3 niveaux : petite, moyenne et grande). Une plus grande sécurité sur le profil des résultats peut être atteinte en recrutant un nombre satisfaisant d’enquêteurs pour des boutiques de quartier.

La spécificité locale​

Un trait original des boutiques opérant dans la même zone est de fermer entre 12h et 18h. Cela pourrait influencer le chiffre d’affaires de la boutique étudiée. Néanmoins, l’impact de ces horaires n’est pas trivialement dans un sens ou dans l’autre. Par ailleurs, l’ensemble des boutiques dans la zone adopte ce comportement ce qui limite encore l’impact potentiel de cette spécificité. Il conviendrait par la suite, comme dans le cas de la 1ere remarque d’élargir le champ des enquêteurs pour augmenter en précision.

La durée de l'étude​

La durée d’étude ici documentée est de 3 semaines, ce qui pourrait sembler assez faible pour tirer des conclusions trop tranchées. Cet argument est totalement recevable dans la mesure ou des effets de temporalité (à l’échelle par exemple ou on peut observer un phénomène de ravitaillement massif en début ou en fin de mois) et de saisonnalité sur l’année peuvent être observés. 

Néanmoins, il est important de comprendre que les personnes les mieux outillées pour analyser ces données seront des personnes du même secteur et qui sauront replacer les périodes analysées dans le contexte global de la profession ou les moments de pic et de faible activité sont relativement similaires.