tangenteAudio

22 févr. 2016 · 21 min

Modèles d’épidémies : pourquoi cherchent-ils tous un seuil ?

Dans cet épisode audio, suivez trois façons de modéliser une épidémie — SIR, damier et graphe — et découvrez l’effet de seuil qu’elles mettent en évidence.

Premium
Collections de cet épisode (4)

Un contenu original Tangente, adapté en podcast avec l’aide de l’IA et validé par notre rédaction. Comment ça marche ?

D’après l’articleLire l’article dans la revue

Transcription

Afficher la transcription

Transcription automatique

  1. Intervenant 1

    Bonjour et bienvenue à tous pour cette nouvelle plongée dans le podcast du magazine Tangente. Alors aujourd'hui, on va parler d'un truc qui, je pense, résonne de façon très particulière pour tout le

  2. Intervenant 2

    monde. C'est sûr que le sujet des épidémies, ça nous parle tous maintenant.

  3. Intervenant 1

    C'est clair. Mais justement, on va aborder ça sous un angle assez contre-intuitif. Parce que quand un nouveau virus apparaît et que, disons, 100 personnes tombent malades, l'instinct humain, c'est de regarder ces 100 malades, de compter les lits d'hôpitaux, de voir combien de personnes sont infectées pour évaluer le danger.

  4. Intervenant 2

    Et c'est tout à fait normal. Mais la mathématique des épidémies, elle nous dit tout autre chose.

  5. Intervenant 1

    Exactement. Et c'est la mission de notre exploration du jour, comprendre comment les maths tentent de prévoir l'invisible.

  6. Intervenant 2

    Voilà.

  7. Intervenant 1

    Parce qu'il s'avère que le véritable carburant d'une explosion virale, c'est pas les malades. Ce sont étonnamment les personnes en parfaite santé.

  8. Intervenant 2

    Oui, c'est un concept fascinant. Et c'est d'autant plus crucial de comprendre ces modèles qu'ils dépassent largement la théorie en fait.

  9. Intervenant 1

    Ah oui, c'est pas juste des maths sur un tableau noir.

  10. Intervenant 2

    Ah bah non, pas du tout. Ces modèles, bien qu'ils soient forcément des simplifications de la réalité, leur but c'est vraiment d'offrir une boussole.

  11. Intervenant 1

    Une boussole pour les décideurs tu veux dire ?

  12. Intervenant 2

    C'est ça, pour les politiques de santé publique. Les chercheurs s'amusent pas avec des équations juste pour la beauté du truc quoi. Ils le font pour avoir des arguments très rationnels, pour savoir par exemple s'il faut fermer les écoles, confiner des régions ou lancer une campagne de vaccination en urgence.

  13. Intervenant 1

    Et pour comprendre comment on arrive à prévoir tout ça, notre dossier du jour nous invite à remonter à la base, au tout premier modèle mathématique vraiment réaliste.

  14. Intervenant 2

    Ouais, on retourne en 1927 du coup. C'est

  15. Intervenant 1

    ça. Deux scientifiques, William Kermack et Anderson McKendrick, qui formulent ce qui va devenir la pierre angulaire de toute l'épidémiologie.

  16. Intervenant 2

    Le fameux modèle SIR.

  17. Intervenant 1

    Et la toute première règle de ce modèle, qui est hyper importante, c'est de considérer que la population totale reste constante.

  18. Intervenant 2

    Ouais, on part du principe que pendant l'étude, il n'y a pas de naissance ou de mouvement extérieur massif quoi.

  19. Intervenant 1

    Exactement. Et ensuite, on divise cette population en trois grandes classes, les fameuses trois lettres S, I et R.

  20. Intervenant 2

    Alors, la première classe, le S, c'est pour les individus qu'on appelle susceptibles.

  21. Intervenant 1

    Donc des gens en pleine santé, c'est

  22. Intervenant 2

    ça ? C'est ça. Ils n'ont pas le virus, ils sont sains. Mais par contre, ils sont biologiquement vulnérables. Ils peuvent l'attraper quoi.

  23. Intervenant 1

    D'accord. Et le I, j'imagine que c'est assez logique, c'est les infectés.

  24. Intervenant 2

    Voilà, les infectés. Ceux qui ont la maladie et qui sont devenus contagieux pour les autres.

  25. Intervenant 1

    Ok. Et la dernière lettre, le R. Alors, dans les sources, ils appellent ça les revenus. C'est un peu poétique comme terme, non ?

  26. Intervenant 2

    C'est un terme très pudique, ouais. En fait, ça regroupe tous ceux qui sortent définitivement de la chaîne de contagion.

  27. Intervenant 1

    D'accord. Donc les personnes qui sont guéries et immunisées.

  28. Intervenant 2

    Oui, mais aussi, et c'est là que c'est moins poétique, les individus qui sont décédés de la maladie.

  29. Intervenant 1

    Ah ouais, d'accord. Le point commun, c'est juste qu'ils ne participent plus du tout à l'épidémie.

  30. Intervenant 2

    Exactement. La classe R est complètement hors jeu pour la transmission.

  31. Intervenant 1

    Alors, pour aider les auditeurs à bien visualiser ce truc-là, on peut imaginer une immense maison avec trois pièces en enfilade.

  32. Intervenant 2

    Ouais, c'est une super métaphore.

  33. Intervenant 1

    La première pièce, c'est la S. Ensuite, il y a une porte vers la pièce I. Et enfin, une porte vers la pièce

  34. Intervenant 2

    R.

  35. Intervenant 1

    Et le truc, c'est que le flux des gens ne va que dans un seul sens. On ne recule pas.

  36. Intervenant 2

    Non, impossible de revenir en arrière dans ce modèle classique. Au tout début, quasiment tout le monde est dans la pièce S.

  37. Intervenant 1

    C'est ça. Et si une personne est contaminée, paf, elle franchit la première porte et elle arrive dans la pièce I.

  38. Intervenant 2

    Et quand sa période contagieuse est terminée, elle passe la deuxième porte pour finir dans la pièce R, d'où on ne sort plus.

  39. Intervenant 1

    Mais du coup, ce qui est intéressant dans l'article, c'est que ces portes, elles ne s'ouvrent pas toutes seules au hasard.

  40. Intervenant 2

    Ah non, pas du tout. Elles sont régies par des lois mathématiques très précises. Par deux paramètres en fait.

  41. Intervenant 1

    Les fameux taux.

  42. Intervenant 2

    Voilà. Le premier, c'est le taux alpha. C'est le taux de contagion. En gros, c'est la probabilité mathématique qu'une rencontre entre quelqu'un de la pièce S et quelqu'un de la pièce I finisse par une transmission du virus.

  43. Intervenant 1

    OK. Et le deuxième paramètre ?

  44. Intervenant 2

    Le deuxième, c'est le taux bêta. Ça, c'est la vitesse de guérison. C'est le rythme auquel un malade arrête d'être contagieux et passe dans la pièce R.

  45. Intervenant 1

    Donc on a alpha pour tomber malade et bêta pour guérir ou sortir de la pièce I.

  46. Intervenant 2

    Exactement. Et le nœud du problème, il est là, dans l'interaction entre ces deux paramètres.

  47. Intervenant 1

    Parce que pour qu'une épidémie flambe vraiment, il faut que le nombre de personnes dans la pièce I augmente jour après jour, non ?

  48. Intervenant 2

    C'est la condition absolue. Mathématiquement, l'équation qui calcule l'évolution de la pièce désinfectée, elle doit donner un résultat positif.

  49. Intervenant 1

    Et là, l'analyse des équations nous donne ce fameux moment d'épiphanie. Le secret de l'épidémie.

  50. Intervenant 2

    Ouais, on a démontré qu'il y a un seuil précis pour que l'épidémie grandisse. Et ce seuil, il s'obtient juste en faisant un quotient. Une division, toute simple. C'est ça.

La suite de la transcription est réservée aux abonnés.

S’abonner

À écouter ensuite

Des épisodes qui partagent une playlist, une figure ou un domaine avec celui-ci.