Les responsables politiques prennent les modélisations du Covid-19 pour des prédictions

Alors que les services de réanimation n’ont jamais été tant saturés depuis un an, l’exécutif n’en démord pas. «Nous avons eu raison de ne pas confiner la France à la fin du mois de janvier parce qu’il n’y a pas eu l’explosion qui était prévue par tous les modèles»assurait Emmanuel Macron le 25 mars. Depuis le début de la pandémie, les décideurs du monde entier ont pris l’habitude d’utiliser les modélisations à des fins politiques, en s’affranchissant parfois de la rigueur qu’elles exigent et des incertitudes qui les accompagnent.

Lorsqu’il évoque ces modélisations qui se seraient trompées, le président fait en fait référence à deux études de l’Inserm et de l’Institut Pasteur, reprises dans un avis du Conseil scientifique du 29 janvier. Avec de maigres données sur l’infectiosité des nouveaux variants qui allaient déferler sur la France, ces modélisations tentaient d’estimer l’impact d’un éventuel confinement.

L’Inserm voyait une explosion possible des hospitalisations à partir du 1er février; elles ont en fait légèrement décru sur toute la première moitié de février. Quant à l’institut Pasteur, il estimait que les hospitalisations pouvaient atteindre 3.000 par jour au 8 février sans confinement, soit près du double du chiffre réel.

Mais en affirmant qu’il n’y a pas eu en février et mars «l’explosion qui était prévue par tous les modèles», Emmanuel Macron omet de mentionner toutes les projections qui avaient correctement quantifié la vague épidémique en cours. Dans un des scénarios présentés mi-janvier par l’Institut Pasteur, le nombre d’admissions à l’hôpital demeurait sur un long plateau entre janvier et février, autour de 1.200 par jour, puis grimpait à partir du 21 mars. Une courbe qui décrit avec beaucoup d’acuité la dynamique de l’épidémie ces dernières semaines. Dans la même veine, le groupe de modélisation du laboratoire Mivegec de l’Université de Montpellier prévoyait 5.000 patients hospitalisés en soins critiques début avril, un seuil dépassé le 30 mars.

Pour un dirigeant, n’évoquer que les études qui confortent ses décisions en passant sous silence toutes celles qui les contredisent, cela s’appelle du cherry-picking, un procédé rhétorique que le monde scientifique tient en horreur. En 2020, l’ancien président américain Donald Trump avait déjà été critiqué pour s’être appuyé exclusivement sur les très optimistes simulations de l’Institute for Health Metrics and Evaluation afin de justifier sa politique de laisser-faire.

«Certains des modèles les plus médiatisés par l’administration Trump étaient complètement faux et la plupart des épidémiologistes le savaient», affirme Nigel Goldenfeld, modélisateur à l’Université de l’Illinois. Dans le même temps, le chercheur et son équipe projetaient que l’épidémie pourrait croître de manière exponentielle dans l’Illinois si le gouverneur ne prenait aucune mesure.

L’incertitude doit être prise en compte

L’objectif même des projections est parfois mal compris par le grand public et certains responsables politiques. En affirmant que les modélisations n’avaient pas prévu la situation actuelle, le gouvernement entretient un malentendu auquel s’attaquent avec véhémence les modélisateurs: les projections n’ont pas pour but de répondre à la question «que va-t-il se passer», mais plutôt «dans quelle situation serions-nous si telles hypothèses étaient vérifiées?»

Une des hypothèses de l’Institut Pasteur pour sa modélisation du 29 janvier était que le couvre-feu qui venait d’être instauré n’aurait que peu d’impact sur les contagions. «Il a en fait beaucoup diminué la diffusion de la souche historique du virus», observe Simon Cauchemez, modélisateur de l’Institut Pasteur et membre du Conseil scientifique.

Les chiffres avancés par son étude ne reflètent donc qu’une issue possible parmi tant d’autres. «À aucun moment les modèles n’ont la prétention de prédire l’état de l’épidémie dans son ensemble», tient à rappeler Mircea Sofonea, modélisateur au sein du laboratoire Mivegec. Les modèles ont pour but de répondre à une question précise, comme, par exemple, celle de savoir si une dynamique qui ne serait pas encore inquiétante pourrait dégénérer ou, «à l’inverse, dire que ce qu’on est en train de voir là est plutôt rassurant et qu’on pourrait relâcher certaines mesures».

Craignant que les modélisations de l’épidémie soient détournées pour devenir des outils politiques, une vingtaine de philosophes, sociologues et statisticiens ont publié en juin 2020 un manifeste dans la prestigieuse revue scientifique Nature. Un des principes qu’ils tiennent le plus à rappeler, c’est que l’incertitude inhérente aux modélisations doit être prise en compte à tout moment. «Le manifeste est clair sur ce point: les modélisateurs ne doivent pas projeter plus de certitudes que leurs modèles ne le permettent et les politiques ne doivent pas se décharger de leurs responsabilités sur des modèles de leur choix», considère Andrea Saltelli, l’auteur principal de ce manifeste.

Pour quantifier cette incertitude, les modélisations accompagnent leur résultat d’une marge d’erreur, que le pouvoir politique a parfois tendance à oublier. Ainsi, lors du premier confinement, le gouvernement espagnol annonçait presque quotidiennement des dates de pic de l’épidémie avec une précision exagérée.

«Même le modèle le plus précis avec des données parfaites aura des incertitudes dans ses projections, de sorte que la prévision d’un pic ne peut être donnée de façon certaine», avance Susanna Manrubia, épidémiologiste au Centre national de biotechnologie de Madrid. «Il doit être accompagné de la marge d’erreur.» Dans une étude publiée dans la revue scientifique américaine PNAS, la chercheuse a mis en relief la très grande difficulté qu’avaient les modèles à prédire les pics épidémiques et les renversements de tendance.

Le comportement humain est imprévisible

L’incertitude des projections s’explique notamment par le fait que modéliser une épidémie, c’est avant tout modéliser des comportements humains, difficilement anticipables par essence. Nigel Goldenfeld en a fait les frais. En septembre 2020, l’Université de l’Illinois réintroduit les cours en présentiel en se basant sur les recommandations du chercheur. Son équipe avait étudié plusieurs scénarios de réouverture, en tentant de prendre en compte le plus de paramètres possible. Mais une semaine plus tard, le nombre de contaminations explose.

«Après nous être entretenus avec les étudiants, nous nous sommes rendu compte que beaucoup n’avaient pas respecté les mesures d’isolement.» Une possibilité que n’avait pas prévue son étude. Malgré toute sa sophistication, le modèle s’est heurté à la variable la plus difficile à saisir: le facteur humain. De l’autre côté de l’Atlantique, les épidémiologistes partagent ce constat. «Il y a de l’aléa, de l’hétérogénéité et de l’imprévisible dans les comportements humains», précise la chercheuse de l’Université de Versailles-Saint-Quentin-en-Yvelines, Lulla Opatowski.

Le comportement humain est d’autant plus imprévisible pour les modélisateurs qu’il peut aussi être modifié par les projections elles-mêmes. Les épidémiologistes australiens s’accordent à dire que c’est ce qu’il s’est passé dans leur pays. En mars 2020, de premières simulations estimaient que le nombre de morts pouvait atteindre 150.000. Un an après, le bilan ne dépasse pas les 1.000 décès. «L’objectif de la modélisation était d’envisager un avenir possible sans aucune mesure, explique Hassan Vally, épidémiologiste à l’Université de La Trobe, dans l’État de Victoria. C’est cet aperçu de ce qui aurait pu se passer qui a convaincu les gouvernements d’agir et qui a convaincu le grand public de s’adapter aux règles drastiques.»

Ainsi, les alertes lancées par les épidémiologistes avec l’arrivée des variants fin janvier ont pu entraîner une modification des comportements. «Cela ne signifie pas que les modèles étaient faux, mais juste qu’ils ne peuvent pas intégrer la façon dont les humains ajustent leurs comportements», résume Nigel Goldenfeld.

«Il pourrait être intéressant de connaître l’impact de la médiatisation sur les comportements ou le rapport au risque qu’ont les individus.»

Mircea Sofonea, modélisateur au sein du laboratoire Mivegec

Pour tenter de mieux inclure l’évolution des comportements, les modélisateurs se sont mis en quête de nouvelles données, peu utilisées jusqu’alors. L’Institut Pasteur a par exemple intégré à l’un de ses modèles des données anonymisées issues des applications de navigation de Google et Apple. Ces dernières montrent que la première semaine de confinement local en Île-de-France s’est accompagnée d’une baisse de près de 15% des demandes d’itinéraires par rapport à la semaine qui précède.

«La prochaine étape, c’est l’incorporation des données issues des sciences sociales, annonce Mircea Sofonea. Il pourrait être intéressant, par exemple, de connaître l’impact de la médiatisation sur les comportements ou le rapport au risque qu’ont les individus et ses implications dans chaque interaction.» Un travail de titan, dont le développement est rendu compliqué par le manque de temps et de moyens: «Depuis le début de l’épidémie, nous n’avons pu recruter qu’un seul ingénieur de recherche supplémentaire dans notre laboratoire.»

Avoir conscience des limites de leurs modèles est, pour les chercheurs, le meilleur moyen de pouvoir correctement s’en servir pour guider les politiques publiques. Quoique incertaines, les modélisations permettent de ne pas se baser que sur son instinct. «Qu’est-ce qu’on met à la place des modélisations? De l’intuition, des paris? Le risque est de revenir à une gestion des maladies infectieuses qu’on avait au XVIIIe siècle», prévient Mircea Sofonea.

«Sur quoi se baser, sinon les modélisations? Le sens du vent?, poursuit Lulla Opatowski. Les seuls éléments dont dispose un politique pour anticiper l’impact de ses décisions sont son bon sens et la combinaison des connaissances apportées par les scientifiques.»

Laisser un commentaire

Connexion avec