Les chercheurs de l’Université Northeastern développent des modèles épidémiques qui intègrent des modèles comportementaux collectifs, qui aideront les décideurs politiques à prendre de meilleures décisions lors de futures pandémies et d’autres crises publiques.
La distanciation sociale, en tant que stratégie, s’est avérée très efficace pour réduire les taux de transmission de la COVID-19 lorsque le virus est apparu pour la première fois au début de 2020, là où elle était pratiquée.
Mais la distanciation sociale a été adoptée de manière inégale aux États-Unis et dans le monde, ce qui a entraîné des complications inattendues dans les modèles utilisés par les épidémiologistes pour prévoir l’évolution du virus.
Comment les décideurs politiques auraient-ils pu prédire quelles régions adopteraient sans réserve la distanciation sociale, et comment auraient-ils pu ajuster leur message dans les zones qui y étaient prédisposées ?
Dans le même ordre d’idées, comment les modélisateurs auraient-ils pu prédire comment les « bulles » sociales pandémiques allaient étendre la taille effective des ménages et comment le virus se transmettrait ?
C’est à ce genre de questions que les professeurs de l’Université Northeastern, Babak Heydari, Gabor Lippner, Daniel T. O’Brien et Silvia Prina, espèrent répondre avec leur nouveau projet, « Personne ne vit dans une bulle : intégration de la dynamique de groupe dans les modèles épidémiques ».
Heydari, chercheur principal du projet et professeur associé de génie mécanique et industriel, affilié au Network Science Institute et à la School for Public Policy and Urban Affairs, explique qu’au début de la pandémie, « il y a eu de nombreux débats sur l’efficacité de certaines politiques, comme le confinement ou d’autres. »
Mais il y a une idée cruciale qui n’a pas été prise en compte lors de certains de ces débats : « Ce n’est pas seulement le virus qui se déplace, ce sont aussi les gens qui ajustent leur comportement en fonction du virus », dit-il.
« Par exemple », a écrit Heydari dans un e-mail de suivi, les « groupes » sociaux que beaucoup ont fini par former avec des amis et de la famille « visaient à équilibrer le risque d’infection avec les avantages de l’interaction sociale.
« Les normes d’atténuation des risques », a-t-il poursuivi, variaient selon les régions, « même lorsque les mandats et les politiques étaient similaires, ce qui se reflétait dans leurs attitudes différentes à l’égard du port du masque et de la distanciation sociale dans les espaces publics.
« Nous devons non seulement comprendre le comportement du virus », a déclaré Heydari, « mais aussi comprendre le comportement des gens, comment ils réagissent au virus et comment ils réagissent aux politiques.
« La question politique la plus controversée est probablement celle de savoir dans quelle mesure la distanciation sociale serait la plus efficace », explique Heydari. « Si nous voulons apporter une réponse plus éclairée à ces questions, nous devons anticiper la façon dont les gens réagiront, à la fois au virus et à nos politiques. »
La réponse inégale aux politiques au niveau du groupe présente un problème majeur pour les modélisateurs d’épidémies qui tentent d’intégrer les effets des politiques dans leurs prévisions.
L’intégration du comportement humain est une étape importante, mais pas seulement au niveau individuel, explique Heydari. À mesure que la société a surmonté les premiers chocs d’une pandémie émergente, « l’importance du comportement au niveau du groupe – ou collectif – devient, sinon plus importante, tout aussi importante que les réponses et le comportement individuels ».
« Mais c’est souvent la partie manquante de la plupart des recherches actuelles. »
« Même les « comportements délibérément coordonnés », comme les « capsules pandémiques » ou le port du masque, « ne peuvent pas être modélisés de manière adéquate comme la somme de comportements individuels. Ils nécessitent de nouveaux cadres théoriques et empiriques », a écrit Heydari.
À l’aide de modèles informatiques, les chercheurs intégreront le comportement collectif dans les techniques de modélisation épidémique existantes, augmentant ainsi leur précision et fournissant un modèle pour de meilleures décisions politiques à l’avenir.
Heydari explique que Lippner, professeur associé de mathématiques, est « un théoricien des graphes et également un membre affilié de la science des réseaux ».
« Son expertise porte sur la création de modèles mathématiques dynamiques sur des graphiques, ce dont nous avons grandement besoin pour ce projet. »
Prina, professeur d’économie, aidera à extraire « la causalité des données », explique Heydari, « car tout ce qui nous intéresse, c’est la causalité.
« Nous devons utiliser ces modèles pour les implications politiques, et pas seulement pour la conception des politiques », poursuit-il.
« Nous voulons mesurer dans quelle mesure le risque et la perception du risque affectent la formation et l’évolution du comportement au niveau du groupe », comme les bulles sociales, a écrit Prina dans un courriel, « et comment les changements dans les réponses comportementales des personnes aux risques pour la santé peuvent affecter le comportement au niveau du groupe. »
Une partie du rôle de Prina dans le projet est « l’identification causale », qui utilise « des données et des variations exogènes issues de diverses expériences naturelles », a-t-elle écrit, « pour estimer les paramètres d’entrée utilisés dans les modèles de pandémie ».
O’Brien, professeur de politique publique et d’affaires urbaines, de criminologie et de justice pénale, a écrit par courrier électronique que chaque individu a « une variété de contacts avec lesquels nous partageons différents niveaux de contact ».
Ces connexions « forment des ponts entre les sous-groupes. Cette structure crée la possibilité pour l’infection, les normes, les croyances ou toute autre chose d’être incubées dans un groupe localisé, puis transmises vers l’extérieur dans une société plus large. »
Heydari et le reste de l’équipe voient un potentiel pour cette nouvelle stratégie de modélisation, qui intègre ces réseaux sociaux, pour aider non seulement à faire face aux futures épidémies, mais également à d’autres crises publiques.
« Après une catastrophe naturelle », explique Heydari, si les décideurs politiques veulent produire une « gestion plus efficace de la crise, certaines des informations fournies par ces modèles peuvent être utiles. »
Chaque modèle individuel a ses limites. « Pour chaque cas particulier, nous devons repenser un modèle, mais les connaissances et le cadre peuvent être utilisés », note Heydari.
Mais il prévoit également des modèles rapidement développés, adaptatifs et réactifs qui pourront être conçus parallèlement aux avancées récentes de l’intelligence artificielle.
« Grâce à notre combinaison de modélisation théorique et de données et applications du monde réel, nous espérons pouvoir traduire ces connaissances approfondies en valeur et en impact tangibles », a écrit O’Brien.
« Si vous pensez à l’épidémie d’opioïdes, il y a une forte notion de normes sociales émergentes et évolutives », explique Heydari, en considérant une autre crise actuelle.
Mais ces normes varient également selon les domaines, dit-il. « Si l’on veut mettre en place une intervention adaptée, il faut parfois tenter d’orienter le comportement collectif plutôt que de donner des mandats au niveau individuel. »
« La grande question est : comment pouvons-nous orienter le comportement collectif vers le bien social ? »
