Avec l’avènement du Covid 19 qui a fait son entrée dans le monde nous sommes face à un  tsunami terrifiant de désocialisation de la société prolongée par ces vagues répétées liées aux mesures de confinement.  Mais pour sortir du confinement  se met en place  un ensemble de réflexions devant conduire, à la régulation de la vie sociale légitimée par la crise sanitaire, mais là aussi n’allons-nous pas nous habituer à une forme de conditionnement autoritaire des esprits, une domestication et l’apprentissage de tous, puis en fin de compte à accepter demain le couronnement de la cité cybernétique, celle d’une gouvernance hyper technicisée au moyen d’algorithmes gérant toutes les activités humaines,  les pistant, autorisant ou non nos bons de sorties  …  Ne sommes-nous pas là en train d’ouvrir tout simplement la boite de Pandore ?

Eric LEMAITRE socio-économiste : Auteur de l’essai, l’homme mécanisé paru en décembre 2019

Face à une pandémie inédite, l’intelligence artificielle (IA) peut nous permettre d’inventer les scénarios de déconfinement les plus efficaces. L’initiative Covid-IA, portée bénévolement par des médecins, des chercheurs et des experts en IA, propose de participer à la réflexion de modélisation des différentes sorties de crise.

Nous devons inventer de toutes pièces le modèle de déconfinement qui caractérisera la sortie de crise. L’intelligence artificielle peut nous aider à relever ce défi. Nous pouvons disposer actuellement de trois types de données : les données démographiques, les données relatives aux personnes malades ou aux patients porteurs ou suspectés (comme le propose la solution de télésuivi à domicile Covidom développée par l’AP-HP et Nouveal e-santé) et les données de localisation qui peuvent nous être fournies – de manière agrégée, donc anonyme – par les opérateurs de téléphonie mobile. Les données de localisation nous permettraient, par exemple, de savoir où les personnes se trouvaient la semaine avant le confinement, quels contacts éventuels elles ont pu avoir avec des sujets potentiellement vecteurs du virus.

Utiliser les données passées pour modéliser l’avenir

Grâce à ces données, que l’on peut qualifier d’« historiques », nous pouvons alimenter et entraîner des algorithmes de machine learning qui parviendront à créer des modèles stables et performants. Ces modèles nous expliqueront comment la pandémie s’est propagée et comment elle évoluera en fonction des plans de déconfinement.

Si nous enrichissons les modèles créés par les algorithmes de machine learning avec des informations de très haute qualité, directement fournies par les citoyens en mode « opt-in », c’est-à-dire de manière volontaire, via une application mobile, nous pourrons réaliser des prédictions encore plus fines. Les questions consisteraient à savoir quelles personnes ont été malades, où elles se trouvent actuellement et quelles sont les personnes autour d’elles. Les réponses à ces questions permettraient de dire quelles personnes peuvent, ou non, sortir du confinement .

Prenons l’exemple d’un foyer composé d’un couple et de deux enfants. Si une seule personne du foyer se soumet à un test sérologique (analyse d’une goutte de sang), on peut savoir si elle a été en contact avec le Covid-19. On peut supposer que l’ensemble des membres du foyer a été exposé. La technologie nous permet de faire des déductions (on appelle cela l’inférence) avec une grande précision. Dans tous les cas, les hypothèses de transmission sont indissociables d’ une campagne de tests massive (virologiques et/ou sérologiques selon les situations) qu’il faudrait cibler au mieux.

Dans un contexte de pénurie de tests sérologiques, il ne serait donc pas nécessaire de tester l’ensemble de la population française. Grâce à cette connaissance ultrafine, nous pourrions bâtir une stratégie de déconfinement non pas au niveau d’un département, ni d’une commune, mais au niveau d’une personne.

Remettre la vie en marche

Pour éviter que cette crise sanitaire ne se transforme en désastre économique, nous pourrions appliquer la méthode aux collaborateurs des entreprises et constituer des binômes, des brigades, des équipes composées uniquement de personnes séropositives. On pense en effet, même si les données scientifiques sont encore parcellaires, que les sujets qui ont rencontré le virus développent une immunité antivirale qui pourrait les protéger d’une réinfection, une donnée qu’il faudra établir avec certitude le plus rapidement possible. A l’inverse, les salariés non immunisés (on les appelle des « naïfs ») devront respecter des précautions particulières (ateliers ou bureaux où les gens ne se croisent pas) et bénéficier en priorité de protections individuelles qui font encore cruellement défaut.

L’idée est d’organiser le retour au travail des Français de manière différenciée et de remettre la vie en route avec le Covid-19, qui, quoi qu’il arrive, est présent et restera présent pendant de nombreux mois encore. Tant qu’il n’y a pas de vaccin ni de traitement, il n’y aura pas de solution pour soigner et protéger les gens. L’objectif est donc de déconfiner de manière intelligente, en protégeant les plus fragiles et en évitant la recirculation active du virus, ce qui réexposerait notre système de soins à une nouvelle surcharge. Surtout, cela éviterait de remettre les Français en confinement, ce qui ne serait probablement pas compris.

L’IA permet de raccourcir le temps nécessaire à l’évaluation du pourcentage de la population qui a été confrontée au virus. On estime actuellement que ce pourcentage est compris entre 5 et 10 %. C’est beaucoup trop imprécis et la marge d’erreur est trop importante.

Aujourd’hui, nous nous heurtons à la question suivante : peut-on accéder à toutes ces données ? Nous sommes aujourd’hui en état d’urgence sanitaire. Qu’attendons-nous pour libérer ces données de manière anonyme, pour pouvoir établir une modélisation de la pandémie et sortir du confinement de manière optimale à tous points de vue ?

Patrick Joubert, CEO de Ponicode et membre fondateur de Covid-IA.