Coronavirus: Eva, l’intelligence artificielle au secours du testing touristique efficace

Pour faire face à la pandémie et pouvoir rouvrir ses frontières, la Grèce a opté pour un modèle de testing assez inédit en Europe. Basé sur l’intelligence artificielle, un algorithme bien entraîné a aidé les autorités à tester ses touristes de manière plus efficace.

Ce sont neuf chercheurs qui ont mis au point ce système pendant l’été 2020. A l’époque de la réouverture des frontières après le premier lockdown 'dur', les autorités grecques faisaient face à un dilemme : comment rouvrir les frontières tout en gardant sous contrôle l’épidémie ? Pour un pays qui vit quasi exclusivement de tourisme, l’enjeu était capital.

Selon le journal Nature, le chercheur Kimon Drakopoulos, spécialiste de la data à la University of Southern California de Los Angeles, a contacté par mail le Premier ministre grecque Kyriakos Mitsotakis. Il lui proposait son expertise et ses conseils. Assez incroyablement, le Premier lui répond en l’espace de quelques heures. L’offre du chercheur d’origine grecque était trop belle à un moment où l’Union européenne commençait à empresser les 27 membres d’autoriser à nouveau les voyages non-essentiels.

C’est à peu près ainsi qu’est née Eva, le système d’apprentissage par renforcement qui a aidé les autorités à mieux cibler le testing des passagers arrivant sur le sol grec. Un système d’apprentissage par renforcement n’est 'rien d’autre' qu’un système de machine learning où l’algorithme apprend tout seul de ses expériences grâce à un système de récompenses et de pénalités. Eva a été alors déployée partout en Grèce, dans l’objectif de "limiter l’afflux de personnes contaminées au SARS-CoV-2 mais asymptomatiques", affirme l’étude. Le système devait également permettre d’optimiser les moyens très limités du pays en matière de testing.

À LIRE AUSSI

Comment ça marche ?

Concrètement, le système croisait les informations de voyage et les données démographiques (genre, âge, etc.) des passagers obtenues grâce au Passenger Locator Form (PLF) avec les données et les résultats de passagers précédents. Eva calculait alors le risque (ou plutôt la probabilité) d’un voyageur d’être positif au coronavirus, donnant aux autorités des recommandations sur les stratégies de testing à suivre, tout en respectant les contraintes logistiques et budgétaires grecques.

Utilisée entre août et novembre 2020, Eva a permis d’atteindre deux objectifs : l’un était évidemment de tester celles et ceux qui couraient un risque plus élevé d’être positives/positifs. L’autre était "d'explorer des modèles plus méconnus en testant des passagers sur lequel l’algorithme n’avait pas beaucoup d’informations", détaille-t-on dans Nature. Ainsi, l’algorithme apprenait par lui-même à combler les informations manquantes.

Fin septembre 2021, les résultats menés par les chercheurs, disponibles sur Nature.com, montrent que par rapport aux modèles, Eva a permis d’identifier 1,85 fois plus de voyageurs positifs au coronavirus mais asymptomatiques par rapport à des tests menés de manière aléatoires, et jusqu’à 2 à 4 fois plus d’asymptomatiques positifs dans les périodes de haute saison. Par rapport à des modèles épidémiologiques sur lesquels se basent généralement les autorités nationales, ce système a permis d’identifier 1.25-1.45 fois plus d’asymptomatiques positifs. Selon les chercheurs, si Eva s’est avérée gagnante, c’est que cet algorithme est plus à même de prévoir qui pourrait être asymptomatique et positif au covid par rapport aux autres stratégies de testing, basées, elles, sur des tests aléatoires ou sur la provenance des voyageurs.

À LIRE AUSSI

Eva a tout de même quelques défauts

Si le système ainsi décrit paraît une panacée, la réalité est plus nuancée. "D’une part, il faut bien reconnaître que le testing aléatoire effectué aujourd’hui dans les aéroports n’est pas très efficace. En théorie, il faudrait tester tout le monde, ce qui est, dans les faits, impossible. Le système adopté en Grèce est sûrement plus ciblé", détaille Axel Legay, professeur à l’Ecole polytechnique de Louvain et expert dans le domaine de l’intelligence artificielle.

"D’autre part, l’utilisation d’un algorithme dans ce genre de cas peut créer des biais en raison de la base de données de départ. Il peut nous faire voir des corrélations qui ne sont pas pertinentes, poursuit-il. A cela il faut ajouter qu’un algorithme peut prendre une décision mais ne sait pas expliquer pourquoi. Et cela, dans un contexte délicat comme celui de la crise sanitaire, peut être difficile à vivre pour les utilisateurs. C’est l’une des grandes faiblesses de l’intelligence artificielle aujourd’hui."

À LIRE AUSSI

L’avenir de ce système

Ce qui interpelle également le spécialiste, c’est l’utilisation d’un tel système à un stade de la pandémie où le virus n’est pas très connu.

"Je suis assez dubitatif quant à l’efficacité d’un modèle prédictif sur le court terme, puisqu’on ne connaît pas encore assez bien le Sars-Cov-2. En revanche, quand nous aurons une vraie connaissance de l’épidémie, ce système pourrait permettre une systématisation des procédures et donc une certaine rapidité", poursuit Axel Legay. L’expert craint en effet des taux d’erreur assez élevés et le peu de données contenues dans l’article à cet égard ne dissipent pas tous les doutes.

Le véritable problème, en effet, est que l’épidémie varie et le virus mute : les bases de données utilisées par Eva risquent de devenir rapidement obsolètes. Ou alors il faudra les remettre à jour régulièrement… Ce qui nuit quelque peu à l’efficacité de l’outil. Là, on trouve une autre limite d’Eva, reconnue à la fois par le spécialiste belge et par les auteurs de l’étude.

Pour Axel Legay, cet algorithme reste un outil d’aide aux nombreux avantages, si on prend la précaution de laisser toujours un humain derrière lui et qu’on aura une bonne connaissance de l’épidémie et du virus. "A ce moment-là, cette intelligence artificielle pourrait faire ressortir des corrélations que l’humain ne voit pas. Mais il est trop tôt pour la déployer à large échelle", détaille-t-il.

Quid du RGPD ?

Le dernier point plus controversé reste le respect de la vie privée et des données du citoyen. Pour recadrer le contexte de l’étude, l’algorithme visé ici a été développé avec des experts et des juristes afin de prendre en compte le RGPD. D’ailleurs, le respect du RGPD a contraint l’algorithme à ne pas utiliser certaines données qui étaient pourtant disponibles.

En ce sens, Axel Legay rappelle que le RGPD vise une collecte des données proportionnelle aux besoins ainsi qu’un consensus éclairé.

Pourtant, malgré les balises légales, l’enjeu est véritablement démocratique, à la croisée de chemins entre l’équilibre entre les fins et les moyens et la transparence et l’explication donnée au citoyen.

 

Newsletter info

Recevez chaque matin l’essentiel de l'actualité.

OK