Le résultat de cet effort est connu sous le nom de Plastic Recovery Insight and Steering Model (PRISM). Co-créé avec IBM Consulting, le PRISM réalise pleinement la vision de l’Alliance d’un lieu sécurisé où les parties prenantes peuvent se réunir, collaborer et innover. La fonction de base de la plateforme est de fournir aux parties prenantes les données et les outils dont elles ont besoin pour analyser et hiérarchiser les opportunités de projet partout dans le monde. A cette fin, elle présente des informations aux utilisateurs de façon visuelle, sous forme de cartes de densité qui affichent des données critiques (telles que les fuites de plastique dans la chaîne de valeur et la capacité de traitement des déchets) à un niveau géographique granulaire.
La cartographie visuelle est utile, car elle fournit aux décideurs un cadre pour évaluer les paramètres généraux de la situation dans une région, un pays ou une ville en particulier. Mais lorsqu’il s’agit de justifier l’étude de cas avant de passer à l’action, il est indispensable de se plonger dans des données granulaires et de qualité. C’est pourquoi Sabine Strnad, conseiller de l’Alliance qui dirigeait le projet PRISM, voit les processus de gouvernance intégrés développés par IBM Consulting comme l’aspect le plus critique de la solution PRISM.
« Lorsqu’un rapport est publié, le fait qu’il n’existe pas de méthode standardisée de déclaration des déchets plastiques signifie qu’il y a de nombreuses variations dans les petits détails, tels que le type de plastique inclus, le type de recherche utilisé et le nombre de ménages interrogés », explique Mme Strnad. « Le non-respect systématique de ces différences nuit à la crédibilité des données. »
Dans le cadre du processus PRISM, la structure de gouvernance proposée se compose d’un Conseil de gouvernance, dont le rôle est de piloter la direction stratégique pour PRISM et de définir le type de données qui entrent dans PRISM et les nouvelles fonctionnalités et capacités intégrées. Au sein du conseil se trouvent différents groupes de travail axés sur les normes de qualité des données, les politiques, la méthodologie et la technologie.
De plus, avant qu’un ensemble de données ne soit ingéré dans PRISM, un groupe d’experts l’examine pour en comprendre les lignes de base et attribuer des scores de qualité aux données. Pour une communauté qui s’engage à atteindre les objectifs de développement durable des Nations Unies et à être vigilante contre l’intromission de données « écoblanchies », ce processus rigoureux contribue à établir la confiance, une exigence incontournable.
Que se passe-t-il lorsqu’il y a un écart littéral entre les données, lorsqu’un élément de données nécessaire pour prendre une décision d’investissement n’existe pas ? C’est un problème courant, avec une estimation de la part manquante de points de données allant de 60 à plus de 90 %. La réponse de PRISM est d’appliquer des algorithmes de machine learning ainsi que des sources de données augmentées liées à l’économie et à la démographie pour combler le déficit.
PRISM utilise des algorithmes de machine learning dans IBM Watson Studio pour créer des archétypes de villes et de régions, qui sont ensuite utilisés pour estimer les fuites de plastique dans la chaîne de valeur pour un endroit donné. Certains des facteurs importants qui entrent dans cet algorithme sont la proximité de la côte, la population touristique, le coefficient d’écoulement, le PIB par habitant, la densité de population et les politiques relatives à la gestion des déchets plastiques.
Grâce aux algorithmes basés sur des réseaux neuronaux, l’Alliance a pu modéliser des informations sur les fuites de plastique pour de nombreuses villes dans des pays en développement comme l’Inde et l’Indonésie. Solution cloud native, PRISM s’exécute sur IBM Cloud, avec le portail front-end exécuté sur des clusters IBM Cloud Foundry et Kubernetes. Le fait que PRISM s’exécute sur IBM Cloud signifie qu’il peut évoluer à mesure que le volume de données et les utilisateurs augmentent.