Trois heures, six développeurs, 30 000 disparus. Lorsqu'un séisme a secoué le nord du Venezuela, un programmeur à Buenos Aires a utilisé Claude Opus pour lancer un portail web de personnes disparues en trois heures — une tâche qui prendrait normalement une journée entière. Un second développeur en Californie a utilisé Replit pour lancer un outil de mise en relation de fournitures en quatre heures. Ces développements rapides ont permis aux familles de publier des photos et de comparer des visages à une base de données centrale, tout en aidant les ONG à mettre en relation donateurs et victimes pendant que les canaux officiels accusaient un retard.

Pourquoi cet effort était crucial

L'infrastructure d'urgence du Venezuela était paralysée : les coupures de courant, les routes endommagées et la saturation des réseaux téléphoniques ont empêché les autorités de coordonner des recherches unifiées. Dans les premières heures, les familles se sont précipitées sur tous les canaux possibles pour signaler des proches et demander de l'aide. Les applications créées par la diaspora ont comblé ce vide, offrant des services fonctionnels et peu gourmands en données internet, alors que la réponse de l'État était encore en cours de formation.

Comment les développeurs y sont parvenus

Le codeur de Buenos Aires a soumis à Claude Opus un simple prompt décrivant un site où les utilisateurs pourraient télécharger une photo, ajouter un nom et effectuer une recherche de similarité par rapport à une liste existante. Claude a généré le formulaire front-end, le pipeline de traitement d'images et le schéma de la base de données, puis a renvoyé un ensemble de code prêt à être déployé. Le développeur a ajusté quelques prompts, a exécuté le code sur une instance cloud, et le site a été mis en ligne en moins de trois heures.

De l'autre côté du Pacifique, le développeur californien a ouvert un espace de travail Replit, a tapé une brève description d'un « tableau de bord de mise en relation de fournitures » qui ingérerait les offres des donateurs et afficherait les besoins à proximité, et a laissé l'IA structurer l'API back-end, une petite interface d'administration et un flux d'authentification simple. Quatre heures plus tard, l'outil était accessible via une URL optimisée pour mobile.

Les deux équipes ont privilégié une expérience utilisateur légère. Ils ont choisi des interfaces de chat de type WhatsApp car la plupart des victimes n'avaient accès qu'à la 2G et disposaient d'une autonomie de batterie limitée. Aucune application native lourde n'a été développée ; ils se sont plutôt appuyés sur des pages HTML 5 qui se chargeaient rapidement et fonctionnaient hors ligne lorsque cela était possible.

Les enseignements pratiques

  • L'IA comme multiplicateur – La génération de code pilotée par des prompts a transformé un sprint d'une journée en une question d'heures.
  • Considérer le modèle comme une couche volatile – Les API de modèles de langage peuvent modifier leurs tarifs, leurs limites de débit ou disparaître. Construire la logique métier uniquement via des prompts lie le produit à une cible mouvante.
  • S'appuyer sur un schéma durable – Le modèle de données pour les personnes disparues — photo, nom, dernière localisation connue, statut — reste utile à travers les crises. Une fois défini, il peut être réutilisé sans réentraîner l'IA.
  • Concevoir en fonction des contraintes – La faible bande passante, l'électricité intermittente et l'absence de comptes e-mail ont forcé les équipes à choisir des interfaces textuelles et une authentification simple par numéro de téléphone. Ces contraintes ont produit un logiciel qui fonctionne là où des solutions plus riches échoueraient.

Risques et contre-arguments

Le gain de vitesse s'accompagne de compromis. Le code généré par l'IA peut masquer des bugs, des paramètres par défaut non sécurisés ou des requêtes inefficaces qui ne se manifestent que sous la charge. Le recours à des services d'IA tiers introduit également une volatilité des coûts ; une hausse soudaine des prix pourrait rendre un outil gratuit très coûteux du jour au lendemain. Enfin, l'absence de tests formels dans une telle précipitation peut laisser des cas limites non couverts, risquant de provoquer de fausses correspondances dans une base de données de personnes disparues — une préoccupation éthique majeure.

À surveiller pour la suite

  • Schémas de données de catastrophe standardisés – Si les groupes humanitaires adoptent un format commun pour les personnes, les fournitures et les lieux, les outils assistés par l'IA pourront s'intégrer plus facilement et partager des données par-delà les frontières.
  • Hébergement de modèles open-source – Des points de terminaison de modèles de langage gérés par la communauté pourraient atténuer le risque d'arrêts soudains d'API ou de pics de prix.
  • Attention réglementaire – Les gouvernements pourraient commencer à examiner de près les logiciels d'urgence générés par l'IA pour garantir la confidentialité des données et la fiabilité, en particulier lorsque des photos personnelles et des données de localisation sont impliquées.
  • Plateformes communautaires – Les réseaux de la diaspora forment déjà des canaux de réponse rapide sur les applications de messagerie ; l'intégration d'outils d'IA directement dans ces espaces pourrait faire gagner de précieuses minutes lors de futurs déploiements.

L'essentiel pour les développeurs

Si vous devez déployer une application de réponse aux crises dès aujourd'hui, commencez par un modèle d'IA grand public pour esquisser l'interface utilisateur, générer le code de base et lancer une instance cloud. Ensuite, consolidez les éléments essentiels : un schéma de données clair et portable, une interface utilisateur minimale fonctionnant sur l'appareil le moins performant que vous prévoyez, et une authentification qui ne dépend pas de l'e-mail. Traitez la production de l'IA comme un brouillon, et non comme un produit final, et soyez prêt à remplacer la couche du modèle si ses conditions d'utilisation changent. En cas de catastrophe, la rapidité sauve des vies, mais la stabilité les sauve de nouveau par la suite.

Source : dev.to/davekurian/diaspora-coders-assemble-earthquake-response-in-hours-with-ai-4c66