Africa-Press – Côte d’Ivoire. La pandémie de Covid-19 a montré à quel point nous n’étions pas préparés à une telle situation de crise. Les épidémiologistes ont fait de leur mieux pour modéliser l’épidémie et guider les décideurs politiques et les autorités sanitaires. Mais la nouveauté de la menace (avec un virus inconnu auparavant), et donc le manque de données comparatives, rendait très difficile la prédiction de son évolution.
Une de ces équipes était celle dirigée par Antoine Flahault à l’Institut de santé globale à l’université de Genève (Suisse), qui a commencé à utiliser l’intelligence artificielle pour faciliter ces prédictions: « Notre objectif était de prédire les tendances à une semaine, sur tous les pays du monde qui fournissaient des données en temps réel, rappelle-t-il. Pour cela, nous avions une plateforme qui combinait plusieurs modèles, sélectionnés par des mécanismes utilisant de l’intelligence artificielle pour une prédiction plus robuste, qu’on faisait tourner sur le superordinateur Alps, un des plus puissants de la planète. »
Des facteurs qui peuvent rendre erronée la prédiction
Aujourd’hui à l’université Paris Cité, Antoine Flahault se souvient encore des succès de cette plateforme, mais aussi de ses erreurs: « En octobre 2020, nous avons vu une vague démarrer en Irlande, et le 21 octobre, on prévoyait que le nombre de cas allait continuer à monter exponentiellement durant la semaine suivante. Mais le lendemain de notre prédiction, nous avons observé une baisse de l’incidence, le surlendemain également: la vague était terminée. » Cette prédiction erronée a mis en évidence que la prise en compte des données épidémiologiques ne suffit pas, car d’autres facteurs entrent en jeu.
Dans ce cas spécifique, il s’agissait du comportement de la population, qui n’a pas été anticipé: « Des données sur la mobilité ont montré que trois semaines auparavant, les Irlandais s’étaient autoconfinés. Ils n’allaient plus au travail, ils télétravaillaient, ils n’étaient plus dans les parcs… L’efficacité des mesures que les Irlandais se sont infligées à eux-mêmes a fait mentir les prévisions naturelles de la dynamique épidémique. »
« Le comportement des gens change, ils réagissent aussi de leur côté aux crises, et c’est très difficile de prédire ces situations car nous n’avons pas les données nécessaires pour le faire « , abonde Joseph Tsui Lok Hei, postdoctorant à l’université d’Oxford (Royaume-Uni), spécialisé dans l’utilisation d’IA en épidémiologie. Cette anecdote souligne à quel point une épidémie dépend d’un grand nombre de variables. Et c’est précisément pour cette raison que l’intelligence artificielle pourrait être utile. « Par exemple, pour modéliser une épidémie de grippe, une IA qui irait piocher aussi des données météorologiques, climatologiques, environnementales et comportementales, pourrait peut-être un jour prédire avec plus de précision la période de début de l’épidémie, ce qui nous aiderait à nous y préparer « , illustre-t-il.
Objectif: un cadre à la fois scientifique et opérationnel
Cela pourrait se faire pour la grippe, car on dispose d’énormément de données puisqu’elle survient chaque année. Mais comment agir face à une nouvelle menace telle que le coronavirus, sur lequel il n’y avait aucune donnée pour alimenter l’IA? La France mise désormais sur le projet PReViX (pour Pandemic preparedness to respiratory virus X ou préparation pandémique au virus respiratoire X), démarré en septembre 2025, et qui mélange intelligence artificielle et modélisation classique.
« Notre objectif est de développer un cadre à la fois scientifique et opérationnel pour permettre aux systèmes de recherche et de soins de répondre de façon précoce, robuste et proportionnée aux futurs virus respiratoires émergents, explique Mircea Sofonea, épidémiologiste à l’université de Montpellier et directeur du projet. On se focalise sur les virus respiratoires, qui étaient à l’origine des dernières pandémies auxquelles nous avons fait face: le Sras-CoV-2, la grippe H1N1 de 2009 et le Sras-CoV en 2002-2003. Ces virus évoluent très vite, se transmettent par l’air, donc sont très contagieux. Ils entrent par nos voies aériennes supérieures, où le système immunitaire est moins performant. Donc, on est plus vulnérable à ce type de virus et en particulier les virus à ARN. » Le but du projet est de calculer en avance des trajectoires potentielles pour les 200 premiers jours à partir de la détection du premier cas, afin d’optimiser les réponses scientifiques et sanitaires.
Neuf unités de recherche réparties sur quatre sites (Montpellier-Nîmes, Bordeaux, Paris et Rennes) participent au projet, où l’on retrouve plusieurs des équipes impliquées dans l’effort épidémiologique lors de la pandémie de Covid-19, dont Simon Cauchemez de l’Institut Pasteur, Vittoria Colizza de l’Inserm et Sorbonne Université, Samuel Alizon du Collège de France, et Pascal Crépey de l’École des hautes études en santé publique (EHESP), à Rennes.
Ils se focaliseront sur six axes. Il faut d’abord déterminer précocement le potentiel pandémique et de crise sanitaire d’un pathogène, afin de savoir s’il est nécessaire ou pas de s’y préparer. Le deuxième défi est de prévoir comment le virus interagira avec l’hôte et comment le système immunitaire y répondrait, pour mieux cibler les politiques de dépistage et de vaccination, et mieux diriger la conception des essais cliniques pour les vaccins. Troisièmement, il faut développer des outils d’analyse de séquences génomiques virales plus performants et plus accessibles, pour estimer l’évolution du virus dans le temps et pouvoir s’y adapter. Un quatrième axe s’attache à prédire s’il peut exister une quelconque immunité croisée: « Par exemple, dans le cadre d’une nouvelle pandémie grippale, une partie de la population peut avoir des anticorps générés lors d’épidémies précédentes qui vont changer leur réponse immunitaire « , précise Mircea Sofonea.
Anticiper le comportement de la population
Afin d’éviter des erreurs, le projet PReViX tentera aussi d’anticiper le comportement de la population. « Vous pouvez avoir la meilleure recherche, la meilleure médecine, et avoir conçu les meilleures contre-mesures, si la population ne comprend pas, voire pire, a une aversion pour ces mesures, elles n’auront pas du tout l’efficacité escomptée et la situation sanitaire se dégradera malgré les meilleures intentions « , prévient Mircea Sofonea. Et une autre équipe fera le cheminement inverse, pour déterminer comment ces changements de comportement et l’adhésion aux contre-mesures pourraient affecter les trajectoires épidémiques. Enfin, un dernier axe va s’intéresser aux hôpitaux, à partir des informations disponibles au Système national des données de santé, pour estimer ce potentiel d’adaptation et ainsi mieux préparer les hôpitaux.
« Nous allons mettre en commun tous ces résultats, pour essayer de bâtir un cadre conceptuel. À la fin, mon travail sera de mettre à disposition un outil pour Santé publique France et le Centre de crise sanitaire de la Direction générale de la santé « , explique Mircea Sofonea. Et lorsqu’une nouvelle menace émergera, les pouvoirs publics et les autorités sanitaires pourront simplement saisir l’information qu’on aura à ce moment sur le pathogène et sur le temps qui s’est écoulé depuis le premier cas, pour que l’outil propose différents scénarios, plus ou moins optimistes, avec lesquels les décideurs et les autorités sanitaires pourront jongler. « L’idée, c’est vraiment de restreindre l’incertitude en rajoutant de l’information. C’est absolument crucial de pouvoir réagir le plus vite possible « , insiste-t-il.
« Le but ultime sera de concevoir un modèle spécialisé d’aide à la prise de décisions qui donnera aux décideurs des recommandations sûres et efficaces « , anticipe Joseph Tsui Lok Hei. Un outil qui puisse prédire quand et où débutera une épidémie, combien d’hospitalisations elle causera, quelles interventions seront les plus efficaces, etc. « Ça nous permettra de trouver les options qui protégeront au mieux la population, poursuit-il, tout en atténuant les perturbations sociales et économiques. Mais c’est un problème très difficile, nous n’y sommes pas encore, cela dépendra des avancées technologiques. Et celles-ci sont elles aussi très difficiles à prédire. »
Cartographier les risques d’épidémie
Pour se protéger des futures épidémies, la France aura bientôt son jumeau numérique, projet colossal piloté par l’IGN, qui espère générer une copie virtuelle de l’Hexagone. Une équipe de l’Inria s’occupe du volet épidémiologique, grâce au simulateur ICI, déjà testé pour l’ensemble de la ville de Paris. « On a réussi à réaliser un jumeau numérique de la ville à peu près au mètre carré avec tous ses bâtiments, en spécifiant comment les immeubles sont divisés, quelles sont les surfaces occupées par des bureaux, des magasins, des écoles, etc. De même, les renseignements sociologiques: la proportion d’ouvriers, de cadres, d’enseignants, de médecins, etc., par âge et par sexe sont statistiquement conformes à la population réelle « , détaille Denis Talay, coordinateur du projet ICI.
Ces informations sont complétées par des données sur les déplacements des habitants, grâce à la RATP, à la SNCF et aux opérateurs mobiles. Ce simulateur agrège toutes ces données pour prédire comment se propagerait un virus respiratoire et quel serait l’effet des interventions, par exemple la fermeture des écoles, en précisant l’impact pour chaque population, par exemple en fonction de l’âge. « Ça va nous permettre de tester ces interventions publiques avant les décisions des autorités. On pourrait aussi évaluer leur impact économique en couplant ce logiciel avec un autre qui évaluerait le coût pour la nation d’un arrêt massif de son activité « , affirme-t-il. À l’échelle nationale, ces simulations ambitionnent de nous préparer même à des épidémies véhiculées par des vecteurs environnementaux, tels que la dengue, pour laquelle il faut aussi prédire les trajectoires des moustiques.
Pour plus d’informations et d’analyses sur la Côte d’Ivoire, suivez Africa-Press
