En savoir plus

Contexte et enjeux 

La modélisation épidémiologique mécaniste, qui représente explicitement les processus d’un pathosystème, est cruciale pour comprendre et anticiper la transmission d’agents pathogènes dans des populations, et permet de comparer la faisabilité et l’efficacité de stratégies de maîtrise réalistes. L’élaboration de tels modèles est complexe, car ils doivent représenter la dynamique de propagation, la structure des populations, les interactions avec leur environnement, etc. Des méthodes d’intelligence artificielle (IA) permettent d’élaborer des cadres de modélisation qui facilitent l’expression, l’écriture, la validation et la réutilisation des modèles, sous une forme lisible par des scientifiques non modélisateurs (cf. le logiciel EMULSION, développé à BIOEPAR). Toutefois, dans certains systèmes d’élevage, la forte structuration spatiale et temporelle des populations peut induire une complexité dont la prise en compte est nécessaire pour proposer des mesures réalistes. Faciliter l’élaboration de tels modèles, tout en conservant le caractère générique des méthodes mobilisées, restait un challenge, auquel répondent les travaux publiés cette année dans la conférence internationale en IA ICAART.

Résultats 

L’article publié à ICAART propose la formalisation des couplages et contraintes entre les différentes structures de populations (spatiales et temporelles) au moyen de méthodes à la confluence de l’IA (simulations multi-agents) et du génie logiciel. Une abstraction originale, générique et réutilisable a été élaborée et intégrée au logiciel EMULSION, permettant ainsi la modélisation de pathosystèmes complexes. Le langage de modélisation associé permet de décrire ces structures sans écrire de code.

Pour preuve de concept, cette approche a été appliquée pour modéliser la conduite en bandes d’un élevage naisseur-engraisseur porcin. La représentation et le couplage des différents niveaux organisationnels (bandes et portées ; secteurs, bâtiments et salles) sont facilités et peuvent être modifiés au gré des besoins. Cette méthode permet de suivre l’état des individus et des groupes d’individus, leur évolution, et de paramétrer leurs relations pour refléter des situations réalistes (nombre de bandes, de salles, de bandes par salle, affectation selon le statut physiologique, etc.). Ces spécifications sont gérées automatiquement par l’extension du moteur de simulation. Les résultats de simulation, en phase avec la conduite effective sur le terrain, et les échanges menés avec des chercheurs biologistes et vétérinaires, confirment la pertinence de cette approche.

Perspectives 

La capacité donnée aux modèles épidémiologiques de prendre en compte de façon explicite la forte structuration de populations dans l’espace et dans le temps donne la possibilité de paramétrer finement les voies de transmission, d’identifier des leviers de maîtrise précis en lien avec des pratiques réalistes, et d’intégrer des grains plus fins en fonction des hypothèses à explorer, sans impacter la structure du modèle. Ce modèle organisationnel sera appliqué à la modélisation de la grippe porcine (influenza A) et du syndrome dysgénésique et respiratoire du porc (SDRP). À plus long terme, il devrait faciliter l’intégration dans un même modèle d’échelles plus fines (intra-hôte) ou plus large (inter-populations) d’une façon homogène.

Référence bibliographiques 

Sicard, V., Andraud, M., Picault, S., 2021. Organization as a Multi-level Design Pattern for Agent-based Simulation of Complex Systems:, in: Proceedings of the 13th International Conference on Agents and Artificial Intelligence. SCITEPRESS. doi:10.5220/0010223202320241

Système organisationnel appliqué à un élevage porcin naisseur-engraisseur, pour représenter la structuration sociale en bandes/portées et la structuration spatiale en secteurs/bâtiments.
Les mêmes mécanismes sont utilisés pour les deux types d’organisation.