Une IA lit désormais les données désordonnées d'achats de médicaments du Brésil, à 75 milliards de dollars
Traduction automatique de l’original anglais, publiée sans relecture humaine. En cas de doute, l’anglais fait foi. Si un passage sonne faux, sélectionnez-le et signalez-le en bas de page.
Le Brésil dépense 75 milliards de dollars par an en médicaments publics, mais les gouvernements locaux les achètent via 263 systèmes différents. Parce que les acheteurs enregistrent souvent leurs achats en texte libre, sans détails normalisés comme le dosage, comparer les prix à travers le pays a été difficile. Pour résoudre ce problème, une coalition d’organismes publics et d’organisations de la société civile a construit une plateforme regroupant deux années de données du portail national des marchés publics. Ils ont constaté que 30 % des processus d’achat d’origine comportaient des descriptions insuffisantes ou incorrectes. Pour normaliser la base de données, l’équipe a utilisé un grand modèle de langage pour lire les enregistrements d’achats non structurés et faire correspondre chaque article à un code produit fédéral standard.
Le modèle de langage a réussi à faire correspondre 80 % des articles achetés au catalogue standard, contre 5 % lors de l’examen manuel initial de l’équipe. Il classe 100 articles en cinq secondes, une tâche qui prenait 90 minutes à une personne. Les responsables des achats publics utilisent désormais cette base de données pour filtrer les recherches, établir des prix de référence et planifier leurs achats. Si l’amélioration de la qualité des données peut augmenter le nombre d’articles que le système classe, l’article soutient que cette approche démontre qu’il est possible de rendre les marchés publics comparables dans des marchés très décentralisés.
Utiliser l’intelligence artificielle pour faire correspondre des dossiers locaux désordonnés à une taxonomie centrale résout un problème fondamental de mise à l’échelle de l’administration publique. La question ouverte est de savoir si cette approche fonctionne pour des services publics qui ne disposent pas d’un catalogue cible aussi structuré. Sans un index national rigide prêt à recevoir ses résultats, les modèles de langage pourraient avoir du mal à organiser les données municipales.
Liens du jour : Liens divers pour le 1 octobre 2026.
Tiago C. Peixoto · English original · About