Une équipe de recherche menée par Cornell University a examiné l'efficacité des algorithmes prédictifs de l'intelligence artificielle par rapport aux indices traditionnels pour la gestion des urgences liées à la chaleur. Les résultats, présentés lors de la conférence ACM FAccT à Montréal, démontrent qu'aucune méthode n'est universellement supérieure ; leur pertinence dépend entièrement de l'objectif visé et du public décisionnaire. L'étude s'est concentrée sur l'indice de vulnérabilité thermique de New York, un outil largement utilisé pour la planification urbaine à long terme. Cet indice calcule un score de risque en se basant sur cinq données principales : température de surface, taux de climatisation, couverture végétale, revenu médian des ménages et proportion de résidents noirs. Les chercheurs ont comparé sa fiabilité avec deux autres outils gouvernementaux, l'indice de risque national de la FEMA et l'indice santé-chaleur des CDC. Les résultats révèlent que les deux approches sont extrêmement sensibles aux variations mineures des données d'entrée. Les algorithmes d'IA se révèlent plus adaptés à la prise de décision en temps réel, permettant des alertes rapides et des interventions ciblées. À l'inverse, les indices humains restent plus efficaces pour évaluer des concepts abstraits et orienter la planification stratégique sur le long terme. Selon Jennah Gosciak, auteur principal et doctorante en sciences de l'information, cette recherche inverse la perspective habituelle. Au lieu de juger les modèles prédictifs uniquement sur leurs biais ou leur équité, l'étude évalue leurs compromis pratiques par rapport aux outils déjà en usage. La chercheuse souligne que les indices ne doivent pas être délaissés, car ils conservent une utilité opérationnelle dans de nombreux contextes. En revanche, pour l'allocation des fonds ou le ciblage des populations vulnérables, un modèle algorithmique peut parfois offrir une précision supérieure. L'équipe, dirigée par la professeure Allison Koenecke, propose sept critères de compromis pour aider les décideurs à choisir entre approche algorithmique et approche indicielle. Bien que centrée sur la gestion des canicules new-yorkaises, la méthodologie proposée peut être transposée à d'autres domaines des politiques publiques, y compris la justice environnementale et l'affectation des ressources. Cette recherche invite à une adoption pragmatique des outils technologiques, où la complexité de l'IA et la transparence des indices traditionnels sont évaluées en fonction des besoins concrets de réponse aux crises.