Covid-19 (Coronavirus-2019nCoV) et crise sanitaire

Le Monde.fr : Covid-19 : pourquoi il est de plus en plus difficile de modéliser l’évolution de l’épidémie

il y a 4 jours, par infosecusanté

Le Monde.fr : Covid-19 : pourquoi il est de plus en plus difficile de modéliser l’évolution de l’épidémie

Les incertitudes persistantes autour du virus, la difficulté à anticiper les comportements de la population et les décisions politiques compliquent les prévisions.

Par Chloé Hecketsweiler et David Larousserie

Publié le 12810/2021

Les derniers résultats sont sortis le 8 octobre des ordinateurs des équipes de modélisateurs, qui alimentent les pouvoirs publics sur l’avenir de l’épidémie de Covid-19. Avec un « optimisme prudent », ils ne prévoient pas de reprise importante avant le début de l’année 2022. Mais tout dépend du climat, de la couverture vaccinale, de l’efficacité des vaccins, de la présence de variants, du relâchement des Français… Une longue liste qui témoigne de la difficulté à saisir, depuis un an et demi, les soubresauts épidémiques et que résume l’avertissement qui introduit traditionnellement ces résultats : « Ces scénarios sont faits sur la base de données incomplètes et d’hypothèses incertaines. (…) Les trajectoires décrites dépendent des hypothèses faites ; si les hypothèses ne se réalisent pas, la dynamique observée pourra être différente des projections. »

« On nous dit souvent que nos modèles prédisent tout et son contraire et qu’ils ne servent à rien, reconnaît la modélisatrice Vittoria Colizza de l’Institut national de la santé et de la recherche médicale (Inserm), dont les travaux éclairent la décision publique depuis le début de la pandémie. Mais ils nous aident à comprendre ce qui pourrait se passer selon différentes hypothèses. » Avec aussi l’objectif de « faire mentir ces modèles, pour que le pire n’arrive jamais », souligne la chercheuse.

Si les mesures décidées par les pouvoirs publics, au vu des projections, ont permis d’éviter les pires scénarios, à plusieurs moments de la pandémie, les modèles ont paru déboussolés à cause de nombreuses incertitudes. Soit sur les propriétés du virus et de ses variants, dont la transmissibilité est difficile à évaluer en temps réel. Soit sur les comportements des Français eux-mêmes (respect des gestes barrières ou relâchement, conduites à risque ou surprécaution, etc.), délicats à modéliser et à anticiper, alors qu’ils sont centraux pour estimer la vitesse de diffusion de l’épidémie. Soit, encore, sur les décisions politiques, qui ne tombent pas toujours au moment choisi par les modélisateurs pour leurs calculs.

Janvier-février 2021 : un tournant difficile à capter
Le 29 janvier, les modélisateurs de l’Institut Pasteur et de l’Inserm publient une note pour décrire les scénarios possibles en France à la sortie de l’hiver, en tenant compte de la présence du dernier variant arrivé, dit Alpha. La croissance en cours devrait se prolonger et seul un nouveau confinement serait à même de contrôler l’épidémie. Mais patatras, quelques jours après, l’épidémie est au contraire en décrue rapide. « Nos modèles étaient calibrés sur les hospitalisations, mais l’impact du couvre-feu n’était pas encore visible », souligne Vittoria Colizza.

INFOGRAPHIE LE MONDE
« Il y avait une pression à prendre des décisions. Nous avons calibré avec ce que nous avions, mais quelques jours plus tard, nous réalisions que la dynamique avait changé et qu’alors les projections étaient meilleures, avec des progressions moins fortes », admet Simon Cauchemez, modélisateur à l’Institut Pasteur et membre du conseil scientifique, qui ajoute avoir aussi sous-estimé l’effet des couvre-feux. Les modélisateurs, cette fois, n’ont pas eu de chance en « calibrant », c’est-à-dire en estimant la dynamique à partir du passé. Ils l’ont fait au pire des moments, lorsque la situation était en train de changer et quand de petits écarts sur la valeur des taux de transmission pouvaient avoir de grands effets.

Autre difficulté : apprécier la dynamique du variant Alpha. Les premières données sous-estiment sa diffusion, ce qui conduit là aussi les modélisateurs à revoir leurs hypothèses. Les scénarios publiés par divers groupes, le 2 février, le 8 février puis le 23 février, corrigent ainsi le tir, mais avec une dernière incertitude : le calendrier des décisions politiques. Les modélisateurs prennent pour hypothèses différentes dates de confinement en mars, pour une durée d’au moins quatre semaines… ce qui ne s’est pas réalisé. In fine, un confinement national n’a été mis en place qu’à partir du 3 avril et pour une durée de trois semaines. « A moins d’anticiper la décision des autorités, vous ne pouvez pas prévoir ce qui va se passer », souligne Samuel Alizon, biologiste de l’évolution au CNRS à Montpellier, dont l’équipe a réalisé de nombreuses modélisations depuis le début de l’épidémie.

Mai-juin : une embellie inespérée
Le 3 avril, un troisième confinement national est décrété, avant d’être allégé dès le mois suivant. Le 7 avril, le pic du nombre d’hospitalisations est atteint. La décrue est ensuite très rapide, plus rapide que ce qui était attendu. En effet, le 26 avril, les modélisateurs de Pasteur publient leurs scénarios, qui tiennent compte du début de décroissance et dépendent fortement du taux de transmission du variant Alpha et de la couverture vaccinale.

La plupart de ces projections prévoyaient des inflexions à la hausse après la mi-mai, date d’allégement des mesures de contrôle, alors que la baisse s’est prolongée au-delà. « Nous avions environ dix jours d’écart entre ces scénarios et la réalité. Dans l’absolu, ce n’est pas énorme, mais dans cette période, ça a été important, car à l’époque, le rythme de vaccination était élevé. Donc dix jours, ça comptait. C’est cela qui nous a permis d’écarter dans notre analyse suivante, fin mai, les scénarios les plus défavorables », indique Simon Cauchemez. L’épisode illustre la difficulté à capter non seulement l’ampleur d’un changement, mais aussi son moment.

« [Ce] sera plus simple lorsque le virus sera endémique, comme pour la grippe, car les comportements se seront stabilisés » Simon Cauchemez, modélisateur à l’Institut Pasteur

Les modélisateurs sont par ailleurs en panne d’indicateurs pour apprécier le comportement des Français. « Etant donné que les gens prennent d’autres mesures pour se protéger – comme porter un masque, se tenir à distance ou se retrouver à l’extérieur [plus qu’à l’intérieur] –, la mobilité n’est plus un indicateur aussi précis du risque épidémique », explique ainsi Vittoria Colizza, en soulignant que les mesures prises au moment du troisième déconfinement ont accentué ce phénomène.

Faute de programme de surveillance dans les écoles, les scientifiques ont aussi tâtonné pour apprécier l’effet qu’aurait leur réouverture sur la dynamique épidémique. « Concernant les enfants, il y a eu partout dans le monde un trou dans les connaissances », admet Vittoria Colizza. Depuis le début de la pandémie, deux questions taraudent les scientifiques : si le nombre de cas augmente quand les écoles rouvrent, est-ce lié à ce qui se passe à l’intérieur de l’établissement (les enfants qui se contaminent les uns les autres) ou bien à l’extérieur (les parents ont davantage de contacts et se déplacent plus lorsqu’ils ne sont plus confinés à la maison pour s’occuper de leurs enfants) ?

La réalité est sans doute entre les deux. « La transmission à l’intérieur des écoles doit tenir compte des cas importés par les élèves et le personnel, mais il y a bien un risque de propagation au sein des établissements », estime la modélisatrice, en rappelant que « les petits sont moins touchés et probablement moins contagieux que les adolescents ».

Juillet-août : l’insaisissable comportement des Français
Les ordinateurs des modélisateurs s’agitent pendant l’été, alors que le variant dit Delta, très contagieux, devient dominant en France. L’équipe de l’Inserm publie dès le 10 juillet des estimations indiquant qu’une quatrième vague risque de déferler sur le pays si aucune mesure n’est prise. Alors que les admissions à l’hôpital reprennent, les scénarios de l’Institut Pasteur se succèdent – le 9 juillet, le 26 juillet et le 5 août – pour comprendre ce qui est en train de se passer.

Dans la première estimation, datant du 9 juillet, un pic supérieur aux deux vagues précédentes est attendu pour septembre, s’il n’y a pas de nouvelles mesures de contrôle. Dans la publication du 26 juillet, ces pics s’émoussent en fonction de la couverture vaccinale, mais restent souvent plus élevés que lors de la deuxième vague. Seules des mesures de contrôle réduisant de 50 % les taux de transmission permettraient, selon les scientifiques, de maîtriser l’épidémie. Le 5 août, nouvelle mise à jour des scénarios, avec un taux de transmission en chute de 40 %. C’est celui qui, a posteriori, reproduit le mieux la réalité – pour rappel, le premier confinement avait eu pour effet de réduire d’environ 80 % le taux de transmission.

Pourquoi une telle baisse, alors même que les mesures de contrôle ont cessé ? « Comme tout le monde, j’ai été surpris par ce changement très important de dynamique dont on ne comprend pas complètement les déterminants », résume Simon Cauchemez, pour qui cette baisse pourrait être liée à l’effet combiné du passe sanitaire, d’un changement des comportements pendant les vacances et de la fin de l’Euro de football.

« Le problème est moins le virus lui-même que la prise en compte des comportements dans nos modèles », confirme Simon Cauchemez, qui estime que son travail « sera plus simple lorsque le virus sera endémique, comme pour la grippe, car les comportements se seront stabilisés ». Problème, peu d’études de terrain ont été lancées pour tenter d’améliorer les connaissances sur ces comportements en estimant la réalité des interactions et les situations de contamination.

En outre, ces informations sont aussi très importantes pour les modélisateurs quand il s’agit de démêler, à partir des données épidémiologiques, ce qui relève des caractéristiques propres du virus de celles des comportements. Quand les variants Alpha puis Delta ont émergé, il a ainsi fallu du temps pour déterminer si l’explosion du nombre de cas était liée au relâchement des comportements – à Noël par exemple – ou à leur plus grande contagiosité. « Les chercheurs britanniques ont été en mesure de répondre rapidement à cette question, car ils disposaient de données sur les contacts, souligne Vittoria Colizza. Nous n’aurions pas été en mesure de faire le même travail en France. »

Automne : toujours plus d’inconnues
Comme s’il n’y avait pas déjà assez d’incertitudes, les modélisateurs continuent de prendre en compte de plus en plus de variables. Dans la dernière note du groupe de l’Institut Pasteur, datant d’octobre, ils introduisent une modulation saisonnière liée à la météo, susceptible de faire varier le taux de transmission de la maladie de 30 % entre les périodes froides et chaudes. Ils commencent aussi à produire des scénarios qui tiennent compte d’un affaiblissement de l’efficacité vaccinale sur les formes graves (de 95 % à 90 %), mais aussi sur les capacités à transmettre la maladie (qui passe de 60 % à 80 %).

Bien sûr, tous gardent un œil sur l’arrivée de nouveaux variants, plus transmissibles ou plus résistants aux vaccins. En outre, ces modèles restent toujours limités par une hypothèse forte qui est de considérer les différents groupes comme étant homogènes : le taux de transmission est le même pour tous, alors que de nombreux événements de type super-propagation (quand un individu en contamine de nombreux autres) ont été recensés, qui plaident pour une description de l’épidémie avec des paramètres plus hétérogènes.

« Dans le contexte de Covid-19, étant donné toutes les incertitudes, on sait qu’on ne va pas être capable d’anticiper de façon précise la taille ou la date précise du pic. Ces modèles restent néanmoins utiles, car ils peuvent nous aider à mieux comprendre les enjeux d’une période donnée, les marges de manœuvre, l’intensité des efforts à fournir, par exemple, en termes de couverture vaccinale ou de mesures non pharmaceutiques », indique Simon Cauchemez, qui entend garder le cap.