En savoir plus

Contexte et enjeux

La lutte contre les maladies infectieuses du bétail se propageant par le commerce d’animaux est un enjeu majeur, notamment pour garantir une agriculture durable. Cela nécessite l'amélioration des stratégies de maîtrise, en particulier pour les maladies non réglementées pour lesquelles les décisions sont laissées aux initiatives individuelles des éleveurs ou aux initiatives collectives régionales. Dans ce contexte, les modèles épidémiologiques fournissent une description fine de la propagation des agents pathogènes et peuvent être utilisés pour évaluer l'efficacité des mesures de maîtrise. Cependant, la prise en compte des décisions individuelles des éleveurs dans ce type de modèles reste un défi.

Résultats

Dans une étude parue dans Scientific Reports, des chercheuses de l'unité MaIAGE (INRAE, Université Paris-Saclay) à Jouy-en-Josas et de l'unité BIOEPAR (INRAE, Oniris) à Nantes se sont intéressées à cette question. Elles ont proposé un nouveau modèle intégratif de la propagation d'une maladie du bétail entre fermes via un réseau d’échanges commerciaux, en y intégrant les décisions adaptatives des éleveurs quant à l'adoption d'une mesure de maîtrise dans leur troupeau. La modélisation du mécanisme de décision repose, à chaque instant de décision et pour chaque éleveur, sur l’implication économique de la décision individuelle précédente ainsi que celles des partenaires commerciaux. Cette formalisation prend en compte certains phénomènes réels qui peuvent intervenir dans la prise de décision humaine : le comportement stochastique, l'apprentissage et l'émergence de l'imitation et du « free-riding ». Les deux composantes du modèle – la dynamique démo-épidémique sur réseau et la prise de décision – sont liées par une boucle de rétroaction. Une mesure de maîtrise s’appuyant sur la vaccination a été considérée et le modèle a été évalué numériquement au moyen de simulations intensives et d'analyses de sensibilité. Pour une situation épidémiologique donnée, le type d’interaction entre acteurs dans la prise de décision de vaccination est apparu comme impactant fortement la dynamique épidémique. Les analyses de sensibilité ont confirmé ces résultats et validé le fait que le modèle est influencé par tous les types de paramètres : épidémiologiques, économiques et relatifs à la décision. En particulier, la fréquence de la prise de décision et l’efficacité du vaccin ont montré une très grande influence sur les sorties du modèle, à paramètres épidémiologiques fixés.

Perspectives

Cette étude contribue à la compréhension de l'interaction entre les dynamiques épidémiques chez les animaux d’élevage et le comportement humain concernant l’adoption volontaire de mesures pour les contrôler. Le modèle développé peut être utilisé pour d'autres structures de modèles épidémiologiques (théoriques ou pour des maladies spécifiques) ou différents types d’interventions, en adaptant ses composantes.

Valorisation

Ces travaux s’inscrivent dans le projet ANR CADENCE, porté par E. Vergu de l’unité MaIAGE. Le code du modèle est disponible publiquement :  https://github.com/CristanchoLina/IntegrativeEpiDecisionModel.

Références bibliographiques

Cristancho Fajardo, L., Ezanno, P. & Vergu, E. Accounting for farmers’ control decisions in a model of pathogen spread through animal trade. Sci Rep 11, 9581 (2021). https://doi.org/10.1038/s41598-021-88471-6

(A) Schéma du modèle intégratif stochastique à l’échelle d’une ferme, comportant le volet épidémio-démographique et le volet décisionnel, ainsi qu’une étape d’évaluation de la fonction de coût et une mise en œuvre de la décision. (B) Dynamique temporelle des décisions de vaccination pour deux valeurs différentes (panneaux supérieur et inférieur) du paramètre traduisant la sensibilité des éleveurs à leurs propres coûts et intervenant dans le volet décisionnel. Résultats correspondant à une réalisation du modèle intégratif stochastique schématisé dans (A). NV (non-vaccination), V (vaccination). Chaque couleur représente un schéma de vaccination différent, défini par la séquence de décisions de vaccination à chacun des six instants de décision. Par exemple, le schéma [NV1, NV2, V3, V4, V5, V6] concerne les fermes qui ne vaccinent pas leurs animaux aux deux premiers moments de décision et qui vaccinent toujours ensuite. Chaque ligne verticale représente un instant de décision et la largeur des flux entre deux tels instants est proportionnelle à la fréquence dans la population des éleveurs ayant choisi un schéma de vaccination donné.