Covid-19 : faut-il croire aux modélisations ?

Les bureaux de l’impérial College de Londres

Par le Dr Philippe Tellier

A l’instar de l’économie, l’épidémiologie ne brille guère par la fiabilité de ses prévisions. Ces deux approches du réel ont en commun de se situer au carrefour de sciences diverses et d’user sans modération de modélisations souvent complexes et opaques, nécessairement réductrices face à la multitude des variables et des phénomènes qui participent de leur objet d’étude. L’économie s’est avérée incapable de prédire aussi bien les grandes crises mondiales que leurs conséquences et l’épidémiologie prédictive, au cours de la pandémie de Covid-19 s’est distinguée par ses estimations pour le moins erronées qui n’en ont pas moins été largement utilisées de par le monde pour guider les décisions sanitaires les plus lourdes de conséquences socio-économiques. 

Le 16 mars 2020 …

Le 16 mars 2020, une modélisation provenant de l’Imperial College de Londres avait abouti à des projections propres à semer l’effroi au sein d’un monde et de ses gouvernants qui n’en demandaient pas tant : sans réponse coordonnée et adaptée à la pandémie, il était fait état d’un nombre de décès qui allait atteindre 2 200 000 aux Etats-Unis et 510 000 au Royaume-Uni ! Quelques jours plus tard, des projections tout aussi pessimistes étaient effectuées pour d’autres pays, dont la France, ajoutant à la confusion et conduisant à des mesures de confinement prises souvent dans l’extrême urgence pour éviter le désastre.

Des chiffres affolants qui pour correspondre au pire des scénarios concevables à l’époque, n’en ont pas moins contribué à entretenir un sentiment de panique durable d’autant que, dans de nombreux pays, l’ennemi a frappé par surprise des organisations qui ne s’y attendaient guère, c’est le moins qu’on puisse dire. Il faut cependant souligner à nouveau que les messages initialement adressés aux décideurs et à la population étaient assortis d’un bémol : le scénario dans ses pires dimensions quantitatives n’était valable qu’en l’absence de réponse adaptée à la pandémie, une façon de tempérer l’annonce en tenant compte des multiples incertitudes qui entouraient l’émergence de la pandémie.

Près d’une année plus tard

Près d’une année plus tard, un premier bilan s’impose à la lueur des connaissances empiriques acquises au contact étroit, prolongé et ubiquitaire de ce virus.

Les formes asymptomatiques de l’infection ont encore compliqué la donne en devenant peu à peu le talon d’Achille des stratégies sanitaires préventives au travers de la transmissibilité silencieuse de l’agent pathogène par des porteurs que rien ne permettait de démasquer sinon un test PCR.

Dans la publication de l’Imperial College, il était supposé que 50 % des patients infectés asymptomatiques étaient aussi contagieux que les patients symptomatiques, un chiffre qui a été porté à 75 % par les CDC (Centers for Disease Control and Prevention) étatsuniens. Les chiffres d’avant ne sont pas ceux d’aujourd’hui et il en est un qui a considérablement varié : c’est le taux de létalité qui mérite d’être réactualisé pour avoir été largement surestimé à l’époque, ce qui n’a rien de surprenant puisque la prise en charge des formes sévères de la maladie était loin d’être optimale et que les formes asymptomatiques étaient par nature méconnues faute de tests.

Changement de données

Il est donc possible de revoir les projections initiales, celles de mars 2020 en utilisant le même modèle, mais en l’alimentant avec des données actualisées : c’est ce qui a été fait par les auteurs d’une lettre à l’éditeur publiée en ligne dans le Lancet du 2 mars 2021. Les données ont été obtenues à partir de la planification des CDC (Centers for Disease Control and Prevention) et de la séroprévalence moyenne estimée dans 45 pays. La population des Etats-Unis a été évaluée à partir du recensement de 2010, celle du Royaume-Uni à partir du recensement de 2011. Les taux de létalité ont été estimés par tranche d’âge selon les données les plus récentes des CDC. Le taux d’infection de la population a été maintenu à 81 %, selon les hypothèses initiales figurant dans le rapport de l’Imperial College, ce qui semble pour le moins excessif mais concevable au début de la pandémie dès lors qu’elle était supposée non contrôlée.

Nouveaux calculs : une marge d’erreur énorme même si elle est provisoire?

Les auteurs ont rapidement refait les calculs avec les données princeps et confirmé les projections initiales avec 2 349 367 décès attendus aux Etats-Unis, versus 580 624 au Royaume-Uni. Avec les données actualisées, il s’avère que le nombre de décès a été surestimé de 54 à 70 % aux Etats-Unis (soit un surplus d’un million) et de 51 à 68% au Royaume-Uni (+ 200 000). Si l’on se réfère au nombre  actuel de décès, la surestimation est encore plus frappante : au 3 mars 2021, ce nombre est de près de 511 000 aux Etats-Unis et proche de 124 000 au Royaume-Uni, ce qui conduit à une erreur d’un facteur multiplicatif de l’ordre de 4 … mais attention, la pandémie n’est pas encore parvenue à son terme, même si elle fléchit dans ces pays.

Le temps de la réflexion

Quoiqu’il en soit, ces chiffres prêtent à réfléchir : les projections initiales sont fausses, c’est incontestable, mais pouvait-il en être autrement à un moment où l’on ignorait tout de ce qui allait être la pire pandémie contemporaine depuis la grippe espagnole, alors que le SARS-CoV-2 était encore largement inconnu au sein du bataillon des virus, alors que certains pays se lançaient dans la bataille de l’immunité collective au mépris des risques encourus par la population ? Tout concourait à une surestimation du nombre de décès, qu’il s’agisse de la mauvaise prise en compte des cas asymptomatiques ou des balbutiements thérapeutiques sans oublier les incertitudes et les approximations sur les taux de létalité en fonction de l’âge …

« Tous les modèles sont faux, même si certains sont utiles »

C’est l’occasion de rappeler que les modèles ne doivent pas être utilisés pour prédire l’avenir avec la certitude apparente que leur confèrent les chiffres : ce ne sont que des outils visant à informer sur les risques avec une marge d’incertitude potentiellement considérable et … imprévisible. « Tous les modèles sont faux, même si certains sont utiles », selon un adage  attribué à George Box qui était statisticien et à Norman Draper mathématicien. C’est peut-être l’occasion de lire leur ouvrage publié en 1987 sous le titre : Modèles empiriques de construction et surfaces de réaction. 

L’immense mérite de la modélisation est d’alerter les décideurs  et de déclencher des mesures destinées à éviter le pire, celui qu’ils évoquent en étant sûr de se tromper puisqu’en l’occurrence, celui-ci ne devait advenir,  dans le cas de la modélisation de l’Imperial College… notamment qu’en l’absence de toute stratégie préventive !

A la question ; faut-il croire aux projections épidémiologiques chiffrées ? La réponse est non si on les prend au pied de la lettre (ou du chiffre). Mais oui si l’on veut simplement avoir un ordre de grandeur approximatif sur le péril encouru. Faut-il les jeter au panier et les négliger ? La réponse a tout lieu d’être négative car dans le cas de cette pandémie qui n’est pas finie, ils ont permis d’éviter (dans une certaine mesure)le pire dans les pays qui s’en sont inspirés précocement pour aider à mettre en place des mesures sanitaires adaptées, qu’il s’agisse des gestes barrières, de la stratégie « tester, tracer, isoler » ou in extremis du confinement.

De l’utilité de la modélisation en tant qu’aide à la décision

L’utilité de la modélisation en univers stochastique est plus que probable tant qu’on n’aura pas trouvé mieux pour la remplacer, mais il faut en connaître les limites et ne pas en faire des boules de cristal, encore moins les boucs-émissaires des échecs et des incertitudes de la lutte contre la pandémie actuelle. L’intelligence artificielle pourrait-elle être mise à contribution ? A priori, cette panacée trouverait ses limites face à la complexité et à l’unicité du problème.

Pour finir : place à l’imagination et à la pensée critique avec quelques questions : comment la pandémie aurait-elle été gérée dans les états démocratiques… en l’absence de toute modélisation ? Comment les décisions les plus drastiques auraient-elles pu être prises et acceptées par le plus grand nombre sans informations chiffrées (voire exagérées) ? Le hasard ne favorise-t-il pas au demeurant que les esprits préparés, selon Louis Pasteur ?

Les modèles ne sont-ils pas conçus que pour être in fine contredits ?

Référence
Biggs AT et coll. Revisiting the initial COVID-19 pandemic projections. The lancet.com/microbe 2021 (2 mars) : publication avancée en ligne.

Copyright © http://www.jim.fr

Réagir

Vos réactions (9)

  • Quelle question !

    Le 06 mars 2021

    On ne peut que s'étonner de voir apparaître le mot croyance. Un modèle n'est par définition qu'une représentation du réel et en aucune façon le réel. C'est à la base de tous les cours sur le sujet.

    Même si le modèle s'approche du réel il ne le représente pas dans sa totalité. C'est bien ce qui fait travailler les mathématiciens et les physiciens des hautes énergies.

    En ce qui concerne les modèles liés au vivant, on peut considérer qu'ils doivent dépendre d'une part des grandes constantes de la physique (température, hygrométrie, gravité, champs électriques, etc...) et d'autre part sur leurs propriétés intrinsèques (vitesse de croissance, etc ... dont le fameux R0).

    De plus il faut intégrer que ce sont des modèles qui intègrent des rétro-actions et qui se modifient dans le temps. Par ailleurs l'humain (dans le cas concret) est soumis aux pressions Darwiniennes (par la la sélection naturelle) et Lamarkiennes (par l'épi-génétique).

    Le modèle permet donc de se faire une idée. Mais cela ne vaut pas plus !

    Dr Didier Cugy

  • Mesures efficaces ?

    Le 06 mars 2021

    J'aurais tendance à modérer l'enthousiasme de l'auteur:
    "les modèles ont permis de mettre en place des mesures efficaces,"
    Regardez par exemple ce modèle, pourtant présenté comme simpliste :
    https://covidcalc.quantamagazine.org
    (il y a un problème de certificat https expiré sur la page qui que parait mineur)
    En faisant varier un des 7 paramètre, ça change tout.
    Sachant qu'on n'a d'information fiable sur aucun paramètres :
    Temps d'incubation ?
    Période de contagiosité ?
    Létalité ?
    Efficacité des mesures mises en œuvre ?

    La seule constante est qu'à la fin, le taux de mortalité est celui qu'on a arbitrairement entré au départ : c'est bien ce qui nous avait été annoncé: on étale l'épidémie, on ne l'arrête pas.
    L'incertitude est complète.

    Ce ne sont pas les modèles qui ont conduit aux décisions brutales de confinement, c'est à la fois la panique dans les hôpitaux et surtout l'exemple chinois qu'on a pensé reproductible, faute de mieux.
    Et surtout a pensée magique que le confinement du 15 mars 2020 permettrait de mettre fin à l'épidémie en 2 mois.
    Un an après on est plutôt rentré dans un tunnel.

    Dr Jean-Roger Werther

  • Les modélisations ne sont pas pour les décideurs

    Le 06 mars 2021

    Il est clair que les modélisations proposées par Imperial College de Londres, le CDC d'Atlanta MAIS AUSSI en France l'Institut Pasteur et L''Ecole des Hautes Etudes de Santé Publique (EHESP)
    se révèlent erronés.
    MAIS l'erreur est en amont. Les modélisations sont un outil scientifique pour invalider les hypothèses qui soutiennent les paramêtres. En cela elles sont scientifiquement utiles. Elles ne sont pas faites pour justifier une décision politique. C'est donc une ERREUR de le faire et donc de ramener les décisions politiques au niveau de FAKE NEWS.
    On a été bien servi depuis la crise du Corona

    Pr J. M Rodrigues
    Emeritus Université de Saint Etienne

Voir toutes les réactions (9)

Réagir à cet article