Garantir une sortie de crise COVID-19 optimale grâce au Machine Learning

Publié le 02/07/2020

EN QUOI CONSISTE LE PROJET DE RECHERCHE REBORN ?

Face à l’apparition et propagation du nouveau coronavirus SARS-CoV-2, nombre de pays ont dû adopter des mesures sanitaires strictes pour protéger leur population. Dans un monde en suspens, certaines habitudes de vies se sont vues stoppées, tout comme l’économie ralentie. A mesure que le virus recule, les gouvernements procèdent à des phases de déconfinement. Cependant, quelles mesures prendre pour minimiser le risque d’une nouvelle pandémie tout en garantissant une reprise de l’activité économique ?

« L’objectif du projet REBORN est d’utiliser une approche technologique hybride associant modèles et intelligence artificielle afin d’élaborer divers scénarios de ce qu’il pourrait advenir en prenant tel ou tel choix. Il s’agit, en somme, de fournir un outil d’aide à la prise de décisions qui permette aux décideurs politiques de faire face à une telle pandémie en connaissant l’impact potentiel de leurs mesures. », explique Jean-Sébastien Sottet, chercheur au LIST impliqué dans le projet REBORN.

A travers cette recherche à laquelle le LIST contribue activement, les chercheurs utilisent un grand nombre de données liées à la pandémie, ainsi que des modélisations informatiques, et les intègrent au système de Machine Learning (ou Apprentissage Automatique). Ce dernier a la caractéristique d’apprendre par lui-même et de mieux en mieux à mesure qu’il est alimenté en données dites d’apprentissage.

A titre d’exemple, le déconfinement rapide de la population aux Etats-Unis a conduit à un regain dramatique du nombre de personnes touchées par la COVID-19, fragilisant encore davantage la résilience du système de santé et de l’économie. La création de multiples scénarios à travers le projet REBORN tend à éviter ce type de situations critiques. « Notre recherche pourra s’intéresser aux impacts sanitaires et économiques luxembourgeois de la réouverture de la libre circulation des marchandises, ou encore du trafic routier en général. », illustre Jean-Sébastien.

QUELLE EST LA CONTRIBUTION DU LIST DANS CE PROJET ?

« En tant que partenaire du projet REBORN, nous collaborons étroitement avec le SnT de l’Université du Luxembourg, qui est le coordinateur de cette recherche. Notre objectif est d’aller au-delà du traitement de la crise de la COVID-19 en développant des outils et méthodes novateurs que les décideurs politiques puissent utiliser pour endiguer diverses crises sanitaires. Le projet peut être ainsi rapproché du concept de Digital-Twin ou jumeau numérique, qui consiste à répliquer une situation existante avec un système digitalisé pour, dans ce contexte, traiter la crise dans le pays.

L’équipe du LIST fait ainsi usage de son expertise et expérience pour développer des modélisations capables de s’intégrer au Machine Learning géré par le SnT. Ces modèles permettront notamment de préciser ou apporter des relations de cause à effet, mais aussi un niveau de détail supplémentaire sur les scénarios prédictifs. Nous pourrons alors nous intéresser aux impacts sur certains secteurs d’activité, voire même aux conséquences entre secteurs. »

QUEL EST VOTRE RÔLE AU SEIN DU PROJET REBORN ?

« Je suis responsable des travaux menés par le LIST dans le cadre du projet REBORN. Mon collègue Sébastien Pineau et moi-même sommes en échanges étroits avec les coordinateurs afin de définir les rôles de chacun. Au LIST, je travaille avec l’ensemble de mon équipe au développement des modélisations dans le cadre de cette approche technologique hybride novatrice que nous souhaitons implémenter. Plus précisément, je me concentre sur la partie technique du projet, tandis que Sébastien Pineau se charge des relations avec nos multiples partenaires pour la collecte des données. »

A PORPOS DE JEAN-SEBASTIEN SOTTET

Jean-Sébastien Sottet a obtenu sa thèse portant sur l'ingénierie dirigée par les modèles appliqués à la conception d'interfaces humain-machine en 2008 à l'Université de Grenoble. Par la suite, il s'est intéressé aux diverses applications de la modélisation des systèmes informatique : rétro-ingénierie lors d'un post-doctorat à l'École des Mines de Nantes et l'INRIA (FR), puis sur le support au développement logiciel chez OneTree Technologies (SME, Luxembourg). En 2011, il rejoint le CRP Henri Tudor (devenu LIST en 2015 après fusion) où il travaille sur de multiples aspects liés à la modélisation des systèmes interactifs, et plus largement des systèmes d'information d'entreprise. Il s’intéresse également aux aspects plus fondamentaux de la modélisation, et notamment son lien avec la linguistique. En 2015, ses activités de recherche se centrent autour de la modélisation d’écosystèmes d'information appliqués à la gestion du risque et à la régulation (par ex. RGPD). Cette modélisation d’écosystème associée au traitement de données et à l'intelligence artificielle mène à la notion de Digital Twin, fondamentale pour prévoir et gérer des situations de crise.