×L'Editorialjustice régions Dossiers Compétences & RH Société Brèves International Brèves internationales Courrier des Lecteurs LE CERCLE DES EXPERTS Documents Lois à polémiques Docs de L'Economiste prix-de-la-recherche Prix de L'Economiste Perspective 7,7 Milliards by SparkNews Earth Beats Solutions & Co Impact Journalism Day cop22Spécial Cop22 Communication Financière

Economie

Le formidable potentiel de l’intelligence artificielle!

Par Ahlam NAZIH | Edition N°:5739 Le 13/04/2020 | Partager
Fabriquer une copie du virus pour le vaccin, diagnostic en 30 secondes, télémédecine…
Prédiction des infections: pos­sible, mais aucun modèle ne peut être réaliste!
hajar-mousannif-039.jpg
Hajar Mousannif, professeure de Machine Learning et d’Analyse de données massives à l’université de Marrakech, chercheure en intelligence artificielle: «Les mesures recommandées par l’IA permettront non seulement d’optimiser les décisions de santé publique, mais également d’atténuer les conséquences économiques de ces mesures à long terme» (Ph. HM)

- L’Economiste: Vous êtes à l’ori­gine du seul modèle de deep-lear­ning prédisant le nombre quotidien de contaminations au Maroc. Com­ment ça marche?
- Hajar Mousannif:
En effet, il s’agit d’un modèle qui se base sur l’apprentissage automatique, un sous-domaine de l’Intelligence artificielle (IA). Il permet d’apprendre, à partir d’exemples ou d’expériences passées, à résoudre des problèmes. Concrète­ment, c’est un algorithme qui utilise les réseaux de neurones artificiels. Il prend plusieurs variables en entrée, telles que le nombre de cas actifs, les nouveaux cas par jour, les profils ayant côtoyé de près les porteurs de virus, ceux qui ont été exclus de la contamination, et prédit avec une très grande précision le nombre de nouvelles infections par jour. La précision de l’algorithme depuis l’apparition du premier cas au Maroc est de l’ordre de 97%. Pour un démarrage à chaud, lorsque peu de datas marocaines étaient disponibles, l’algorithme s’est entraîné avec des données recueillies de pays ayant été à un stade similaire de la pandémie, à savoir la Chine, l’Italie et la France.

- Peut-on à ce stade prévoir le pic d’infections?
- Le modèle peut effectivement fournir ce genre de prévisions, mais j’évite de les publier pour deux raisons: Même si nos prédictions se sont avé­rées justes jusque-là, dans la mesure où elles prédisent correctement les chiffres annoncés par le ministère, par honnête­té scientifique, je ne peux prétendre que notre modèle est réaliste! Je défie, par la même occasion, tout autre modèle de prévision de l’évolution du Covid-19 d’être réaliste. La prévision dépend lar­gement du nombre de personnes tes­tées et de l’interaction entre les porteurs du virus et les non-porteurs. Donc, à moins que l’on teste tout le monde (et là encore, le test peut être négatif le jour du dépistage et devenir positif le lende­main!), et à moins que l’on modélise de façon précise les interactions entre les porteurs et les sains (avoir une sorte de carte géographique d’habitat dans chaque quartier, le nombre de personnes non confinées, tracking de leurs déplacements, leur degré de res­pect des règles sanitaires…), aucune prévision ne peut refléter la réalité. Même en Chine, où tout déplacement était surveillé, via des caméras, drones, applications mobiles ou autre, et où des mesures drastiques de confinement ont été appliquées, les prévisions établies étaient loin de la réalité!

- Cela ne peut-il pas donner au moins un peu de visibilité?
- Justement, la deuxième raison de notre abstention de publier ces pré­visions est leur influence sur la perti­nence des décisions stratégiques, qui risquent d’être biaisées par ce genre de prédictions. Pire encore, en avan­çant une fin de la pandémie à une date donnée, nous risquons de tomber dans un biais psychologique, et de baisser la garde. Les algorithmes peuvent aider, mais notre bon sens doit toujours pri­mer sur toute décision.

- Comptez-vous travailler sur de nouvelles pistes?
- Notre équipe, constituée de jeunes chercheurs et de Data Scientists, tra­vaille actuellement d’arrache-pied sur l’application de l’IA pour une meil­leure gestion de la pandémie. Nous avons déjà développé un simulateur que nous allons bientôt mettre à dispo­sition du public. Ce simulateur permet de tracer l’évolution de la pandémie, en tenant compte des différentes straté­gies de confinement, de la capacité des hôpitaux, du respect des règles sani­taires. Ce travail permettra aux autorités sanitaires et aux décideurs de bien gérer cette pandémie, en déterminant les me­sures les plus convenables en fonction de chaque contexte, et en temps réel.

- Globalement, que pourrait ap­porter l’IA contre les pandémies?
- A part la prévision de la tendance épidémique, l’IA peut être utilisée comme outil de découverte de traite­ment potentiel, «Drug/Vaccine dis­covery». L’IA peut aider à identifier, développer et mettre à l’échelle de nou­veaux traitements et vaccins dans des délais réduits, en recréant rapidement et efficacement la séquence du génome du virus, et en en élaborant une copie. Disposant d’une séquence génomique précise et d’une réplique exacte du vi­rus, le développement et la validation de tests et de diagnostics deviennent alors rapides. Un vaccin potentiel peut dès lors entrer dans la phase d’essais cliniques en seulement quelques mois.
L’IA peut aussi être utilisée comme outil efficace de diagnostic via l’ima­gerie médicale. Les méthodes assistées par ordinateur peuvent aider les clini­ciens à identifier les patients infectés par le Covid-19 en utilisant simplement des images CT des poumons, autre­ment dit un scanner thoracique.

- Mais cela suppose que le patient soit déjà dans un stade avancé de la maladie?
- Un système de diagnostic CT basé sur l’apprentissage profond (Deep Pneumonia) a été développé pour identifier les patients atteints. Les résul­tats expérimentaux ont montré que le modèle peut distinguer les patients Co­vid-19 des autres, avec une précision de 99%. Le système peut même déceler les microlésions, indétectables par les médecins spécialistes. Les tests utilisés aujourd’hui, dits PCR, sont trop coû­teux et prennent beaucoup de temps. L’apprentissage profond permet de donner un diagnostic en 30 secondes!
En télémédecine, l’IA peut alléger le personnel des centres d’appels, grâce aux «AI chatbots». Les chatbots per­mettent d’avoir une sorte d’interlocu­teur, un robot, pouvant répondre aux questions des appelants, et optimiser ainsi les ressources.

Propos recueillis par Ahlam NAZIH

                                                                        

Gérer la politique de confinement en temps réel

politique-de-confinement-039.jpg

Avec son équipe, Hajar Mou­sannif a développé un simulateur permettant de suivre l’évolution de la population: Saine susceptible d’être infectée (en bleu), malade (en rouge) et immune, c'est-à-dire guérie et ne rentrant pas dans une infection future (en vert). Ceci, en fonction du degré de confine­ment imposé par les autorités et de la capacité hospitalière. Dans cet exemple, avec un degré de confi­nement de 50% et une capacité de 0,6 lit par patient (les données sont rentrées dans une plateforme en ligne), la courbe des malades aug­mente de manière substantielle. Les décideurs peuvent ainsi ajuster leur politique en fonction des résultats obtenus.

 

  • SUIVEZ-NOUS:

  1. CONTACT

    +212 522 95 36 00
    [email protected]
    [email protected]
    [email protected]
    [email protected]
    [email protected]

    70, Bd Al Massira Khadra
    Casablanca, Maroc

  • Assabah
  • Atlantic Radio
  • Eco-Medias
  • Ecoprint
  • Esjc