Nous suivre Industrie Techno

« Notre modélisation fine de l'épidémie pourra aider les autorités à piloter le déconfinement », clame Patrick Joubert, coordinateur du projet CovidIA

Kevin Poireault
« Notre modélisation fine de l'épidémie pourra aider les autorités à piloter le déconfinement », clame Patrick Joubert, coordinateur du projet CovidIA

© Ponicode

Lancé il y a trois semaines par l’anesthésiste et réanimateur Alexandre Mignon, le projet CovidIA vise à modéliser l’évolution de l’épidémie de Covid-19 en France et d’utiliser l’intelligence artificielle pour aider les pouvoirs publics à déconfiner. Encore mystérieuse, l’initiative devrait dévoiler cette semaine une première cartographie de l’épidémie. Elle sera suivie prochainement d’un outil de simulation du déconfinement, à destination des autorités de la santé. Patrick Joubert, PDG de la startup d’IA Ponicode et coordinateur de l’équipe d’analyse des données au sein de CovidIA, détaille pour Industrie & Technologies comment est organisé ce projet, et ce que l’IA pour apporter dans la gestion de la crise sanitaire.

I&T : Qu’est- que CovidIA, exactement ?

Patrick Joubert : L’objectif de CovidIA est de comprendre l'épidémie de Covid-19 en la modélisant et d’aider au pilotage du déconfinement en simulant son évolution future. C’est un travail complémentaire à celui mené par l’Inserm, qui a récemment publié une étude sur les stratégies de déconfinement en Ile-de-France. Notre objectif est de fournir une analyse à l’échelle de toute la France et avec un niveau de granularité le plus fin possible.

En plus de cette modélisation, il y a un volet visualisation dans le projet CovidIA. Les cartes qui existent s'arrêtent au niveau régional et sont réalisées pour un instant T. Nous aimerions pousser le curseur jusqu'à une maille communale et ajouter une dimension temporelle en plus, afin de pouvoir faire des simulations, en fonction des stratégies de déconfinement, par exemple. Ce simulateur sera plutôt destiné aux professionnels de santé mais nous voulons aussi le décliner en outil grand public pour montrer, par exemple, ce qu'il se passe si l’on déconfine tout le monde demain.

Cette visualisation est un défi : dans notre modélisation, nous nous appuyons sur un intervalle de confiance pour représenter l'évolution de l'épidémie. Il faut réussir à le transcrire sur une courbe, et, plus difficile encore, sur une carte.

Qui participe à ce projet ?

Aujourd'hui il y a 40 volontaires sur la partie données (développeurs, data scientists...), largement constituée de mes équipes chez Ponicode, et une vingtaine de spécialistes de la santé et de l'épidémiologie (médecins, chercheurs...) réunis au sein d’une sorte de conseil scientifique sous l’égide d’Alexandre Mignon. Tous sont bénévoles !

Il y a des personnes issues de grands centres de recherche, mais nous ne sommes pas encore allés chercher un engagement formel. Même chose pour le secteur privé : nous travaillons avec des personnes employées par des entreprises technologiques mais nous n'avons pas encore noué de partenariats officiels avec elles. Chacun travaille de chez soi et nous avons mis en place une plateforme collaborative pour pouvoir partager nos objectifs.

En revanche, nous nous sommes déjà rapprochés de plusieurs organisations et associations qui nous aideront à quadriller le territoire avec les centres de test. Notre projet n'est pas encore une entité officielle. Nous avons voulu le faire avancer très vite : un premier résultat sortira très probablement dès cette semaine.

Quelle forme prendra ce résultat ?

Nous mettrons, sur le site de CovidIA, une carte avec l'évolution passée de l'épidémie à l'échelle départementale, accessible à tous. Un peu comme le tableau de bord du Covid-19 publié par le gouvernement mais avec une dimension temporelle en plus et une maille géographique beaucoup plus fine.

Puis, nous fournirons aux autorités de santé notre modélisation complète avec la même visualisation mais à l'échelle des communes et avec la possibilité de simuler des actions et leurs effets.

Enfin, certaines entreprises nous ont contactés afin que nous les aidions à organiser la reprise. Grâce à notre futur outil de pilotage avec une maille aussi fine, nous pourrons anticiper les meilleures stratégies de reprise d'activité en fonction de la localisation de l'entreprise. L'avantage avec le Covid-19 est que nous avons beaucoup de données, ce qui n'était pas le cas pour d'autres épidémies.

De quelles données avez-vous besoin ? D’où les tirez-vous ?

Nous combinons différents types de données : géographiques (densité de populations), démographiques (typologie de populations) et les données de mobilité (flux issus de la publicité sur mobile). Il s'agit uniquement de données agrégées, nous ne récoltons pas de données personnelles.

Beaucoup sont publiques, on les trouve sur data.gouv.fr, sur d'autres sites publics ou sur ceux de diverses organisations. Nous avons demandé aux autorités de santé qu'elles nous fournissent ces données à une granularité communale, pour lesquelles il faut un agrément spécifique. Le dossier est en cours.

D’autres, comme les données de mobilité, sont issues de partenariats entre des application mobiles, la régie Madvertise, et la plateforme de géomarketing Roofstreet qui nous fournit des statistiques de mobilité à l'échelle des communes, exclusivement dans le cadre de la lutte contre le Covid-19. Ces données nous sont utiles, notamment pour connaître les « points chauds », où il y a une grande concentration de personnes qui favorise le risque de contamination.

Pourquoi avoir recours à l’intelligence artificielle pour développer un tel outil ?

L'intelligence artificielle nous aide à modéliser car elle permet de faire de la prédiction : vous entrez les données passées de l'évolution de l'épidémie et l'objectif est, en fonction de certains scénarios, de voir comment la contamination évoluerait. Par exemple, quel effet aurait la décision de rouvrir les écoles.

Dans notre choix d’implémentation, nous n'avons pas choisi un modèle statique mais un modèle statistique. C'est-à-dire que, plutôt que ne fonctionner qu'au sein d'un intervalle entre deux dates, il va fonctionner en fonction d'une multitude de paramètres et est amené à évoluer, à être affiné en faisant de l'inférence, soit en déduisant la proportion de personnes immunisées ou "naïves", c'est à dire qui n'a pas été en contact avec le virus. Nous alimenterons régulièrement notre modèle de données actualisées.

Pour le moment nous ne communiquons pas sur les algorithmes que nous utilisons mais cela fera très probablement l'objet d'une publication scientifique. CovidIA devrait être un projet open source et nous partagerons certainement le code de l'ensemble du projet, très prochainement.

Bienvenue !

Vous êtes désormais inscrits. Vous recevrez prochainement notre newsletter hebdomadaire Industrie & Technologies

Nous vous recommandons

Le vaccin de Cansino contre le Covid-19 est « tolérable et immunogène », selon l’essai clinique de phase I

Le vaccin de Cansino contre le Covid-19 est « tolérable et immunogène », selon l’essai clinique de phase I

Le 22 mai, l'entreprise chinoise Cansino Biologics et l'Institut de Biotechnologies de Pékin ont publié dans The Lancet les[…]

25/05/2020 | SantéVaccin
Pour bien commencer la semaine, la course effrénée vers un vaccin contre le Covid-19

Pour bien commencer la semaine, la course effrénée vers un vaccin contre le Covid-19

Immunité au Covid-19, traitements, vaccins… le best-of de la deuxième semaine de déconfinement

Immunité au Covid-19, traitements, vaccins… le best-of de la deuxième semaine de déconfinement

Vaccin contre le Covid-19 : la recherche tous azimuts et en ordre dispersé

Vaccin contre le Covid-19 : la recherche tous azimuts et en ordre dispersé

Plus d'articles