• Qui sommes-nous ?
  • Le Cirad, en bref
  • Le Cirad dans le monde
  • Organigramme
  • Notre stratégie
  • Nos partenariats
  • Nos valeurs
• Nos recherches
  • Champs thématiques stratégiques
  • Impact de nos recherches
  • Filières tropicales
  • Unités de recherche
  • Dispositifs en partenariat
  • Ressources et infrastructures de recherche ouvertes
• Enseignement & formation
  • Enseignement supérieur
  • Formation professionnelle
  • Formation à distance
• Innovation & expertise
  • Offre de partenariat
  • Compétences et expertises
  • Produits et services
  • Nos filiales
• Publications & ressources
  • Publications du Cirad
  • Données du Cirad
  • Ressources en IST
  • Edition
  • Science pour tous
  • Photothèque
  • Sites scientifiques

Référence

Mangiarotti, S., Peyre, M., Zhang, Y., Huc, M., Roger, F., & Kerr, Y. (2020). Chaos theory applied to the outbreak of COVID-19: An ancillary approach to decision making in pandemic context. Epidemiology and Infection, 148, E95, 1-9

Lire aussi

La théorie du chaos appliquée à l’épidémie de Covid-19

Covid-19 | Contribuer à la recherche et à l’expertise internationale

Page d’actualités Cirad liées au Covid-19

La plupart des approches communément utilisées en épidémiologie, permettant d’évaluer la propagation d’une maladie, s’appuient sur une connaissance à priori forte. Or, dans le contexte d’une épidémie de virus émergent, la connaissance, à la fois de la maladie et de sa propagation est très limitée. Parfois il peut être fructueux de considérer des approches alternatives originales.

C’est ce qu’on fait des scientifiques [1] à partir des données des épidémies de COVID-19 en Chine, au Japon, en Corée du Sud et en Italie. Ils ont utilisé la théorie du chaos pour construire , sans hypothèse forte, des modèles prédictifs de propagation de l’épidémie . Ces modèles ont ensuite été appliqués à la situation en France, en Espagne, en Belgique et au Royaume-Uni, pour identifier les scénarios les plus probables de l’épidémie et en suivre l’évolution de façon opérationnelle. En plein milieu de la crise, les séries de mesure n’étaient disponibles que pour une période très réduite. Néanmoins, les scientifiques ont réussi à prévoir, avec une certaine avance, l’évolution de l’épidémie pour plusieurs pays : l’Italie, l’Espagne, la France et le Royaume-Uni.

Ainsi, dès le 5 février, un modèle chaotique obtenu pour la Chine suggérait que sans mesure de contrôle, l’épidémie poursuivrait son extension. Le 26 mars, un modèle construit pour l’Italie permettait de prévoir les étapes de décroissance de l’épidémie en Italie et en France. Ces travaux ont, en outre, permis de montrer que l’amplitude de l’épidémie était directement liée à la précocité des mesures de contrôle prises pour l’endiguer.

Cette approche est opérationnelle dans des contextes présentant des petits jeux de données. Elle est particulièrement bien adaptée aux comportements hautement sensibles aux conditions initiales. Ces conditions sont réunies en santé animale et pour certaines zoonoses. Ce type de modélisation sera également développé pour aborder l’émergence de maladies aux interfaces animaux sauvages/domestiques/homme ou encore pour étudier le lien entre biodiversité et santé.

La même équipe de scientifiques avaient auparavant testé cette approche, avec succès, pour l’épidémie Ebola [2].

Ce projet a été en partie financé par les programmes "Les enveloppes fluides et l’environnement" (INSU-CNRS), le "Programme national de télédétection spatiale" (PNTS) et le "Défi InFiNiTi" (CNRS).

La suite directe de ce travail sera financée par Montpellier université d’excellence (MUSE) . Elle vise à étendre l’analyse à l’épidémie de Covid-19 en cours sur le continent Africain afin d’aider à la décision dans le cadre des politiques de gestion de la santé dans ces pays . Il est également prévu de développer un outil générique de modélisation des processus d’émergence difficilement abordables par des approches de modélisations classiques.

[1] IRD - Cirad - CNES - CNRS

[2] Mangiarotti S, Peyre M, Huc M, A chaotic model for the epidemic of Ebola virus disease in West Africa (2013–2016). Chaos 2016, 26, 113112

Cette actualité est une adaptation d'un article initialement publié sur le site de L’Institut national des sciences de l’Univers (INSU).