Tài liệu Modélisation multi-échelles à base d’agents permettant de simuler la propagation d’épidémies de dengue

MEMOIRE DE FIN D’ETUDES afin d’obtenir le diplôme de MASTER DE RECHERCHE EN INFORMATIQUE option : Système Intelligent et Multimédia Modélisation multi-échelles à base d’agents permettant de simuler la propagation d’épidémies de dengue Rédigé par : RAJAONARIVO Hiary Landy Sous l’encadrement de : M. Nicolas Marilleau, Ingénieur de Recherche IRD-UMMISCO M. Christophe Cambier, Maître de Conférence IRD/UPCM M. Alexis Drogoul, Directeur de Recherche IRD-UMMISCO ——————- Novembre 2014——————– Remerciements Je tiens à remercier dans un premier temps, toute l’équipe pédagogique de l’Institut de la Francophonie pour l’Informatique (IFI) de Hanoï Vietnam et les intervenants professionnels responsables de la formation en master de recherche en informatique, pour avoir assuré la partie théorique de celle-ci. Je remercie Monsieur Tuong Vinh Ho, Directeur de recherche du laboratoire MSI-IFI, Hanoï, qui m’a proposé cette offre de stage. Je souhaite remercier également Monsieur Jean-Daniel Zucker, Directeur de l’UMIUMMISCO, de m’avoir acceptée comme stagiaire au sein de son département. Je tiens à exprimer toute ma reconnaissance à M. Christophe Cambier, M. Nicolas Marilleau, M. Alexis Drogoul, et M. Serge Stinckwich, chercheurs à l’IRD-UMMISCO/UPMC, pour leur encadrement sans faille, le suivi qu’ils ont apporté à mon stage, leurs conseils, les nombreuses discussions que nous avons pu avoir tout au long de la réalisation de ce stage, aussi pour l’inspiration, et pour le temps qu’ils ont bien voulu me consacrer. Mes sincères remerciements s’adressent aussi à l’ensemble de l’équipe du projet PICURS pour sa collaboration dans le cadre de ce projet, et en particulier, Mlle Julie Blot, Post-Doctorante en géographie, pour l’aide apportée par les données sur les enquêtes qu’elle m’a fournie, M. Frédérick Gay, Spécialiste en statistique et M. Bernard Gazelles, Spécialiste en épidémiologie, pour des nombreuses discussions à propos des hypothèses considérées dans notre modèle et pour la mise en place de la base de données du projet. Je tiens à remercier également Mme Kathy BAUMONT, secrétaire de l’IRD-UMMISCO, et Mlle Pham Thi Hai Anh, secrétaire de l’IFI pour ses aides à plusieurs reprises. Je remercie l’ensemble du département "UMI-UMMISCO" du centre de recherche IRD, Bondy, France, pour son accueil très chaleureux. Enfin, j’adresse mes plus sincères remerciements à ma famille, qui m’a toujours soutenue et encouragée au cours de la réalisation de ce mémoire. Merci à tous et à toutes. i ii RÉSUMÉ La maladie de dengue est une maladie virale transmis par les moustiques Aedes aegypti à l’homme. Cette maladie se propage géographiquement très vite si certaines mesures ne sont pas prises au moment opportun. La vitesse de propagation d’épidémies de dengue dépend fortement des différents facteurs tels que les facteurs climatiques, les facteurs démographiques, et les facteurs hydrologiques. Mise à part ces trois facteurs, la mobilité de la population est aussi un facteur non négligeable lors de la propagation d’épidémies de dengue vis à vis des risques sanitaires. Dans ce travail, nous essayons de comprendre les liens qui pourrait exister entre la mobilité de la population et la propagation d’épidémies de dengue. Nous avons construit deux modèles à base d’agents permettant de simuler la propagation d’épidémies de dengue au niveau microscopique et au niveau macroscopique. Nos modèles s’appuient sur les données réelles de la population des deux grandes villes à risques : Can Tho (Vietnam) et Phnom Penh (Cambodge). Ces données sont récupérées à partir des enquêtes. Nous avons constaté lors des expérimentations que plus il y a beaucoup de déplacements d’individus vers les points de rencontres, plus la maladie s’étend très vite. Ce qui nous permet de dire que la mobilité de la population a un impact direct sur le ralentissement ou l’accélération de la vitesse de propagation d’épidémies de dengue. Nous avons constaté aussi que les risques d’accéssibilité à l’eau courante provoquent la reproduction rapide des moustiques, qui peuvent favoriser la propagation d’épidémies de dengue dans une courte durée. Nos modèles pourraient aider les décideurs à comprendre le rôle de la mobilité de la population face à la propagation d’épidémies de dengue. iii ABSTRACT The dengue disease is a viral disease transmitted by Aedes aegypti mosquitoes to humans. This disease is spread geographically very quick if some measures are not taken at the right time. The speed of propagation of epidemics of dengue is highly dependent on various factors such as climatic factors, demographic factors, and hydrology factors. Aside from these three factors, the mobility of the population is also a significant factor in the spread of dengue epidemics. In this work, we try to understand the relationships that may exist between the mobility of the population and spread of dengue epidemics overlooked health risks. We built two agents based models to simulate the spread of dengue epidemics at the microscopic level and the macroscopic level. Our models are based on the actual data of the population of the two cities at risk : Can Tho (Vietnam) and Phnom Penh (Cambodia). These data are collected from the surveys. We found in experiments that more there are many displacements of individuals towards the meeting points, more the disease spreads quickly. This allows us to say that the mobility of the population has a direct impact on slowing or accelerating the rate of spread of dengue epidemics. We also found that the risks to the accessibility of running water causes rapid breeding of mosquitoes, which can promote the spread of dengue outbreaks in a short time. Our models can help decision makers to understand the role of population mobility upon the spread of dengue epidemics. Table des matières Remerciements i Table des matières iv Liste des Figures vi Liste des Tableaux vii 1 Présentation Générale 1.1 Présentation de l’établissement d’accueil . . . . . . 1.1.1 Présentation de l’IRD . . . . . . . . . . . . 1.1.2 Sa mission et son ambition . . . . . . . . . 1.1.3 Données et chiffres clés de l’IRD . . . . . . 1.1.4 Les recherches à l’IRD centre Bondy . . . . 1.1.5 Présentation de l’UMI UMMISCO . . . . . 1.1.6 Quelques partenaires de l’UMI UMMISCO 1.2 Déscription du stage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 3 3 4 4 4 5 5 5 2 Contexte du sujet 2.1 Contexte de la maladie de dengue . . . . . . 2.1.1 Dengue et la dengue hémorragique . 2.1.2 Vie d’un moustique . . . . . . . . . 2.1.3 Propagation de dengue . . . . . . . . 2.1.4 Lutte contre la dengue . . . . . . . . 2.2 Contexte de la modélisation et la simulation 2.2.1 Quelques définitions . . . . . . . . . 2.2.2 Domaine d’application . . . . . . . . 2.2.3 Principaux outils existants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 8 8 8 9 10 10 10 11 11 3 Existants 3.1 Modèles existants . . . . . . . . . . . . . . . . . . . . . . . . . 3.1.1 Modèles à base des systèmes d’équations différentielles 3.1.2 Modèles à base de système multi-agents (SMA) . . . . 3.2 Données à la disposition . . . . . . . . . . . . . . . . . . . . . 3.2.1 Données sur la ville de Can Tho (Vietnam) . . . . . . 3.2.2 Données sur la ville de Phnom Penh (Cambodge) . . . 3.3 Outils à la disposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 12 12 15 21 21 22 22 iv . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Table des matières 4 Modèles proposés 4.1 Synthèse sur les modèles existants 4.2 Intérêt des modèles proposés . . . 4.3 Modèle microscopique . . . . . . . 4.3.1 Hypothèses . . . . . . . . 4.3.2 Conception . . . . . . . . 4.4 Modèle macroscopique . . . . . 4.4.1 Hypothèses . . . . . . . . 4.4.2 Conception . . . . . . . . v . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 Implémentation et expérimentation 5.1 Implémentation . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.1.1 Mise en place de la base de données venant des enquêtes 5.1.2 Implémentation du modèle microscopique . . . . . . . . 5.1.3 Implémentation du modèle macroscopique . . . . . . . . 5.2 Expérimentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 24 26 26 28 31 32 33 34 . . . . . 36 36 36 39 41 42 Table des figures 3.1 3.2 3.3 3.4 Environnement de simulation du modèle . . . . . Conception du modèle IBM . . . . . . . . . . . . carte SIG du district de NinhKieu Vietnam . . . carte SIG du district de Phnom Penh Cambodge . . . . . . . . . . . . . . . . 18 19 21 22 4.1 4.2 4.3 4.4 4.5 4.6 Activités quotidiennes des individus . . . . . . . . . . . . . . . . . . Règle de contamination dans l’espace temporelle . . . . . . . . . . . Règle de contamination dans l’espace spatiale . . . . . . . . . . . . . Changement de compartiments au niveau d’un paquet de moustiques Diagramme de classe du modèle micro . . . . . . . . . . . . . . . . . Diagramme de classe du modèle macro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 29 30 30 32 35 5.1 5.2 5.3 5.4 5.5 5.6 5.7 5.8 5.9 5.10 5.11 5.12 5.13 5.14 Extrait de la base de données . . . . . . . . . . . . . . . . . . . . . . . . . Effectifs de la population par village . . . . . . . . . . . . . . . . . . . . . Mobilité de la population . . . . . . . . . . . . . . . . . . . . . . . . . . . Effectifs des individus infectés par la dengue selon l’âge . . . . . . . . . . Effectifs des individus infectés par la dengue par année . . . . . . . . . . . plan du village An Hoa (district Ninh Kieu, Vietnam) . . . . . . . . . . . plan du district Phnom Penh Cambodge . . . . . . . . . . . . . . . . . . . Contamination de l’épidémie de dengue au niveau de l’espace . . . . . . . SEIR avec un taux de mobilité :48% . . . . . . . . . . . . . . . . . . . . . SEIR avec un taux de mobilité :20% . . . . . . . . . . . . . . . . . . . . . Effectifs des moustiques dans les foyers du village Tropeang Angchang Chah Effectifs des moustiques dans les foyers du village Toul Snao . . . . . . . . SEIR de la population du village Tropeang Angchang Chah . . . . . . . . SEIR de la population du village Toul Snao . . . . . . . . . . . . . . . . . 37 38 38 38 38 41 42 43 43 43 45 45 46 46 vi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Liste des tableaux 4.1 4.2 Liste des agents du modèle microscopique . . . . . . . . . . . . . . . . . . 27 Liste des agents du modèle macroscopique . . . . . . . . . . . . . . . . . . 33 vii Introduction 1 INTRODUCTION La dengue a été décrite dès le 18ème siècle. Cette maladie est transmise à l’homme par des moustiques Aedes aegypti. Elle est classée parmi les maladies émergentes du fait de son extension géographique rapide : contamination d’un village à un autre, d’une ville à une autre, voir même d’un pays à un autre. Aujourd’hui, Aedes aegypti est présent dans pratiquement toutes les zones tropicales et intertropicales du globe, 2,5 milliards de personnes, soit plus de 40% de la population mondiale sont menacés par la dengue. Dans un rapport que l’Organisation mondiale de la santé (OMS) a publié, elle estime que la maladie pourrait toucher chaque année 50 à 100 millions personnes dans le monde. La maladie est aujourd’hui endémique dans plus de 100 pays en Afrique, dans les Amériques, en Méditerranée orientale, en Asie du Sud-Est et dans le Pacifique occidental, indique l’OMS. La progression de la propagation d’épidémies de dengue est fortement dépendante des facteurs environnementaux, aussi bien naturels (température, précipitation et humidité) qu’aux activités produites par l’Homme (les modes de stockage des réserves d’eau, les eaux stagnantes produites par les vases, les gouttières). Au cours de ces 20 dernières années, la dengue a émergé ou ré-émergé dans les pays asiatiques, et provoquant des épidémies importantes et de nombreux décès humains. Plus, il y a beaucoup de voyages, plus, le nombre de cas de dengue importée augmente. Jusqu’à maintenant, il n’existe aucun traitement spécifique ni vaccin contre la dengue. "Actuellement, la seule méthode pour prévenir ou combattre la transmission du virus consiste à lutter contre les vecteurs", souligne l’OMS. L’émergence de la dengue dans des différents pays est un phénomène complexe qui conduit les chercheurs à s’intéresser à la fois aux maladies elles-mêmes et aux conditions de leur émergence et de leur propagation. Le grand défi est de comprendre les liens pouvant exister entre la propagation d’épidémies de dengue et les différents facteurs dynamiques comme les facteurs climatiques, les facteurs hydrologique, et les facteurs démographiques. Cette étude est une analyse du système complexe du fait que les dynamiques de chaque facteur à prendre en comptes sont déjà des systèmes complexes. Mise à part les facteurs climatiques et les facteurs hydrologiques, la progression et l’émergence rapide d’épidémies de dengue dépendent aussi d’autres facteurs tels que : l’amplification des voyages et l’urbanisation. L’amplification des voyages facilitent la dissémination des différents sérotypes du virus de la dengue. Et l’urbanisation telle que l’accessibilité à l’eau courante joue un rôle important sur l’évolution de la propagation d’épidémies de dengue du fait que l’existence des eaux stagnantes dans des maisons entraîne la production rapide des œufs des moustiques de dengue qui amène à la gravité de la propagation d’épidémies. Notre travail se focalise sur la compréhension de l’évolution de la propagation d’épidémies de dengue face à la mobilité au niveau de la population et aux risques Introduction 2 d’accéssibilité à l’eau courrante. Ce travail consiste à concevoir un modèle multi-échelles à base d’agents pour pouvoir comprendre cette évolution de propagation d’épidémies au niveau d’une petite échelle tel qu’un quartier et au niveau d’une grande échelle tel qu’un district. Nos modèles proposés pourraient aider les décideurs à comprendre les impacts de la mobilité de la population sur la progression rapide de l’épidémie de dengue et à prendre des mesures convenables en cas de l’épidémie. Ce présent rapport se divise en cinq grandes parties. La première partie présente l’Institut de Recherche pour le Développement (IRD) et le sujet du stage. La deuxième partie définie le contexte du sujet. La troisième partie consiste à présenter les existants. La quatrième partie montre la conception des modèles proposés. Et la cinquième partie concerne l’implémentation et l’expérimentation. Chapitre 1 Présentation Générale 1.1 Présentation de l’établissement d’accueil Dans cette section, nous présentons l’organisation et la structure de l’établissement d’accueil. 1.1.1 Présentation de l’IRD L’Institut de recherche pour le développement (IRD), créé en 1944, est un organisme français de recherche, original et unique dans le paysage européen de la recherche pour le développement. L’IRD est placé sous la tutelle conjointe des ministères chargés de la Recherche et des Affaires étrangères. Il déploie ses activités à l’international depuis son siège, à Marseille, et ses deux centres métropolitains de Montpellier et de Bondy. L’IRD / Ird Centre De Bondy, fondé en 1950, a été conçu comme un lieu de Formation et de Recherche destiné à des chercheurs travaillant sur le monde tropical. Ce centre constitue ses activités autour de 6 pôles : Risques naturels, climats et ressources non renouvelables : impacts pour l’environnement et les populations du Sud Gestion durable des écosystèmes du Sud Eaux continentales et côtières : ressources et usages au Sud Sécurité alimentaire dans le Sud Sécurité sanitaire, politiques de santé et accès aux soins Développement et mondialisation : dynamiques socio-économiques, identitaires et spatiales Le site IRD de Bondy est aussi un centre de ressources avec des services : de documentation scientifique, de cartographie, de réalisations audio visuelles, de diffusion d’ouvrages. Il est le siège de l’administration déléguée pour la région Ile-de-France et les régions du Nord et de l’Est de la France. 3 Chapitre 1. Présentation Générale 1.1.2 4 Sa mission et son ambition L’IRD a pour ambition de répondre, avec ses partenaires des Suds , aux enjeux internationaux du développement . L’institut vise à améliorer les conditions sanitaires, comprendre l’évolution des sociétés, préserver l’environnement et les ressources constituent les piliers de son action dans la perspective d’atteindre les objectifs du millénaire pour le développement. Les activités de l’IRD se focalise sur le développement de projets scientifiques centrés sur les relations entre l’homme et son environnement dans la zone intertropicale, sur la recherche, l’expertise, la valorisation et la formation pour le développement économique, social et culturel des pays du Sud. 1.1.3 Données et chiffres clés de l’IRD – 230,03 M€ de budget – 32 M€ de recettes sur conventions et produits valorisés – 2 208 agents dont 829 chercheurs, 1 040 ingénieurs et techniciens et 339 personnels locaux. 38% des agents présents hors métropole dont environ 50% en Afrique et en Méditerranée – 60 unités de recherche dont 51 unités mixtes avec des universités ou d’autres établissements de recherche – 1 250 articles référencés dans le "Web of sciences" soit 2 articles signés par chercheur et par an et près de 2500 articles pour le périmètre UMR 41% cosignés avec des partenaires du Sud – 285 articles en sciences humaines et sociales (données 2008) – 7 400 heures d’enseignement dispensées par des scientifiques de l’IRD dont un tiers dans des pays du Sud – 816 doctorants encadrés dont 477 originaires du Sud – 160 bourses attribuées à des scientifiques du Sud dont 129 pour des thèses – 25 Jeunes Équipes Associés soutenues – 81 brevets détenus 1.1.4 Les recherches à l’IRD centre Bondy Les recherches à l’IRD centre de Bondy sont axées sur : – les sciences du milieu : paléoclimats, écologie des sols, biodiversité – les sciences humaines : les villes au Sud, société et environnement – la modélisation (UMI UMMISCO) Chapitre 1. Présentation Générale 1.1.5 5 Présentation de l’UMI UMMISCO L’unité mixte internationale UMMISCO (Unité de Modélisation Mathématique et Informatique des Systèmes Complexes), créée en janvier 2009 , est administrativement rattaché à deux tutelles : – IRD, Institut de Recherche pour le Développement – l’Université Pierre et Marie Curie (UPMC) L’équipe de direction de l’UMMISCO est formée par le directeur nord et l’ensemble des directeurs et responsables de centres Sud. Les recherches à l’UMMISCO sont axés sur les deux points suivant : – Développement des outils pour la modélisation des systèmes complexes – Développement de méthodes mathématiques de modélisation – Développement de méthodes informatique de modélisation – Mettre en œuvre les outils de la modélisation des systèmes – Maladies émergentes infectieuses : Epidémiologie et santé – Changement climatique et aléas naturels – Ecosystèmes et ressources naturelles – Modèles bio-économique et sociaux L’équipe de UMMISCO est formée par les membres suivants : – Enseignants-chercheurs : 3 UPMC + 40 dans les centres partenaires – Chercheurs : 11 IRD – Doctorants : 70 1.1.6 Quelques partenaires de l’UMI UMMISCO L’unité UMI UMMICO travaille directement avec les partenaires suivants : – Université de Cadi Ayyad de Marrakech, Maroc – Université Gaston Berger de Saint-Louis, Sénégal – Université Cheikh Anta Diop de Dakar, Sénégal – Université de Yaoundé 1, Cameroun – Institut de la Francophonie pour l’Informatique, Hanoï, Viêt-Nam 1.2 Déscription du stage Historiquement, la dengue frappait surtout les populations urbaines et suburbaines. Autrement dit, la dengue s’amplifie rapidement dans les zones où il y a beaucoup des mouvements des individus. Mais les épidémies récentes, comme celle qui a frappé le Cambodge en 2007, montrent qu’elle se produit maintenant également dans les zones rurales. Chapitre 1. Présentation Générale 6 C’est dans ce cadre que le projet PICURS (Impact des Changements Climatiques et Urbains sur le Risque Sanitaire) a été crée. Le projet PICURS vise à comprendre les liens pouvant exister entre, d’une part, les formes spécifiques de croissance urbaine de métropoles situées dans la région du Delta du Mékong et d’autre part, l’exposition accrue de leurs populations aux deux risques sanitaires que sont le risque hydrique (accessibilité à l’eau potable) et le risque et le risque épidémiologique (vagues épidémiques de Dengue, par exemple). Deux villes, sur lesquelles les partenaires du projet ont déjà travaillé, et pour lesquelles de nombreuses données ont été récoltées, ont été choisies comme cas d’étude principaux : Can Tho, capitale régionale du Delta du Mékong Vietnamien et Phnom Penh, capitale du Cambodge, située à l’apex du delta. L’un des enjeux du projet PICURS consistera donc à les modéliser sous la forme de systèmes complexes dont la dynamique résultera des interactions entre trois circulations (celles des hommes, de l’eau et des vecteurs), à différentes échelles de temps et d’espace, avec l’objectif affirmé de pouvoir offrir des éléments d’appréciation aux politiques d’aménagement urbain. Le projet PICURS est formé par les membres suivants : – IRD-UPMC : – Christophe Cambier (Maître de conférence) – Bernard Cazelles (Professeur) – Alexis Drogoul (Directeur de Recherche) – Nicolas Marilleau (Ingénieur de Recherche) – Landy Rajaonarivo (Master 2) – UPMC-INSERM : – Frédérik Gay (Professeur) – Paris IV : – Julie Blot (Post-Doctorante) – Olivier Sevin (Professeur) – UTC : – Céline Pierdet (Maître de conférence) Le stage s’inscrit dans le cadre du projet PICURS. Ce stage a pour but de recueillir des données du terrain et de concevoir des modèles de différentes échelles à base d’agents, mettant en avant l’exposition accrue de la population des deux villes (Can Tho et Phnom Penh) aux risques à la mobilité de la population, et au travers de la question de l’accessibilité à l’eau potable. Plus concrètement, le travail de ce stage consiste à faire du recueil des données via les partenaires du projet et de concevoir des modèles à base d’agents permettant de simuler la propagation de la maladie de dengue au niveau microscopique (au niveau d’un village) et au niveau macroscopique (au niveau d’une ville formée par plusieurs villages). Ces derniers seront construits à partir d’un ensemble de données mises en commun : cartes Chapitre 1. Présentation Générale 7 géo-référencées (aménagement du territoire, cours d’eau), données démographiques, résultats d’enquête (sur l’accessibilité à l’eau potable, sur les pratiques d’adaptation au risque d’épidémies, sur les activités économiques). Cet ensemble hétérogène de données et de (sous-)modèles sera couplé en utilisant la plate-forme de modélisation et simulation GAMA. Nous proposons dans ce travail des modèles sous la forme de systèmes complexes capables de restituer, à différentes échelles temporelles et spatiales, les interactions entre les trois dynamiques en présence (celle des hommes, de l’eau et des vecteurs de la maladie). Chapitre 2 Contexte du sujet 2.1 Contexte de la maladie de dengue Nous présentons dans cette section quelques notions sur la dengue afin de mieux comprendre l’évolution de sa propagation dans un village ou dans une ville. 2.1.1 Dengue et la dengue hémorragique La dengue est une infection transmise par les moustiques qui sévit dans les régions tropicales et subtropicales du monde entier, selon OMS. Ces dernières années, la transmission a surtout progressé dans les zones urbaines et périurbaines et cette maladie est devenue un sujet majeur de préoccupation pour la santé publique [1]. La dengue sévère (que l’on appelait auparavant dengue hémorragique) a été reconnue pour la première fois dans les années 1950, au cours d’épidémies aux Philippines et en Thaïlande. Aujourd’hui, les pays d’Asie et d’Amérique latine sont les plus touchés et elle est devenue une cause majeure d’hospitalisation et de mortalité pour les enfants dans ces régions, souligne OMS. 2.1.2 Vie d’un moustique La vie d’un moustique se déroule sous quatre formes distinctes : l’œuf, la larve, la nymphe et l’adulte. La durée de chaque phase de transformation dépend du conditions climatiques (le temps que l’embryon se développe peut durer d’une semaine en été, mais de plusieurs mois en hiver) et de la caractéristique de la ville (accessibilité de la population à l’eau courante, existence des eaux stagnantes) [2]. 8 Chapitre 2. Contexte du sujet 9 La femelle ne s’accouple généralement qu’une seule fois. Pour pondre des œufs, la femelle a besoin de prendre du repas. Ce repas la permet chaque fois de développer une portée de 200 œufs environ. Elle prend un repas de sang tous les deux jours et si les conditions de température et d’humidité sont favorables, elle est capable de pondre à chaque prise de nourriture. Pourtant, elle s’arrête de pondre si les conditions ne soient pas bonnes et attendre jusqu’à ce que la belle saison soient revenue. La durée de vie d’une femelle est d’environ 4 semaines. Pendant cette durée, elle peut prendre jusqu’à 15 fois de repas, ce qui la permet de pondre environ 3000 oeufs. Les moustiques adultes se reposent dans les zones sombres (sous les lits et dans les placards des maisons) et se reproduisent en pondant des oeufs [13]. Les oeufs sont pondus dans l’eau, il s’agit d’eau stagnante et peu chargée en matière organique (eau claire) : marécage, égouts, creux d’arbres, vieux pneus, bassins divers, fût d’eau de pluie, . . . , mais pas dans les piscines ni dans la mer. Les oeufs des moustiques Aedes peuvent rester dans des milieux humides, peuvent se dessécher et rester intacts pendant plusieurs années et éclore normalement lorsqu’il y a présence d’eau[3]. 2.1.3 Propagation de dengue Le moustique Aedes aegypti est le principal moustique responsable de la propagation d’épidémies de dengue [13]. Cette maladie se propage à partir des piqûres de ce moustique à l’homme. Le moustique Aedes aegypti dispose d’un faible rayon de vol Il ne s’éloigne pas de plus de 100 mètres de son gîte d’origine mais cela peut augmenter s’il y a présence forte des vents et si ces derniers sont chauds et humides [3]. La femelle peut piquer plusieurs personnes pour un seul repas. En effet, une femelle infectée, en piquant 3 ou 4 personnes pour un seul repas sanguin, peut propager la maladie 3 ou 4 fois plus efficacement. Le virus de dengue est transmis du moustique à l’homme, de l’homme au moustique, et, dans une moindre mesure, du moustique à sa descendance [13]. En effet, l’homme ne peut pas contaminer l’homme. L’importance des échanges humains et commerciaux, le climat tropical et le réchauffement climatique, la poussée démographique favorisent la propagation rapide de l’épidémie de dengue [13]. Il existe quatre types de virus de dengue (dengue 1, 2, 3, 4). En effet, l’homme ne peut pas immuniser totalement de la maladie de la dengue que lorsqu’il est infecté par ces 4 souches. Chapitre 2. Contexte du sujet 2.1.4 10 Lutte contre la dengue Il n’existe pas encore du vaccin pour lutter contre la dengue, le seul moyen pour lutter contre la dengue est de limiter au maximum la prolifération des vecteurs de dengues. Pour cela, les solutions proposées sont l’élimination ou vérification de toutes sortes d’eau stagnantes qui peuvent favoriser la production des œufs (vases et coupelles des pots de fleurs , gouttières, réservoirs d’eau, creux d’arbres, pneus , gouttières ), la portée des habits à manches longues, l’utilisation des moustiquaires, usage de ventilation par brasseur d’air ou de climatisation, emploi des insecticides, protection des réserves d’eau [13]. 2.2 2.2.1 Contexte de la modélisation et la simulation Quelques définitions La modélisation est une construction abstraite qui permet de comprendre le fonctionnement d’un système de référence en répondant à une question qui le concerne [4]. Un modèle est lié à un point de vue et relève d’une question spécifique. Le niveau d’abstraction dépend alors de ce point de vue et de cette question. Un modèle ne peut être le système lui même mais une simplification de ce dernier, qui est facile à manipuler et à comprendre par rapport au système lui même. Il est fondé à partir des hypothèses spécifiques au domaine, ou limités selon le niveau de complexités à considérer. Un modèle s’appuie généralement sur la théorie. L’usage du modèle se fait en simulation pour obtenir des résultats. C’est à partir des résultats obtenus lors de la simulation que le modèle peut être validé ou non. D’une manière générale, la résolution analytique d’un modèle permet d’obtenir un résultat en un seul calcul alors que la simulation d’un modèle consiste a faire évoluer le temps dans le modèle et ainsi calculer, pour chaque valeur du temps de simulation, un résultat partiel [5]. La simulation permet donc au modèle de changer d’état par rapport à son état précédant en fonction du temps d’exécution et des valeurs des paramètres en entrées du modèle. La modélisation à base d’agents est une modélisation fondée par des entités informatique appelés agents. Les agents évoluent et interagissent entre eux dans un environnement commun. L’interaction entre les agents est la spécificité du modèle à base d’agents au lieu de considérer chaque agent et son évolution indépendamment des autres [6]. Chapitre 2. Contexte du sujet 2.2.2 11 Domaine d’application Le système multi-agents est appliqué dans plusieurs domaines dont nous allons citer ci-après [7] : – Systèmes de production : ordonnancement d’ateliers, conduite de processus industriels, systèmes multi-capteurs, ... – Diagnostic : diagnostic à multiples niveaux – Taches de contrôle : contrôle du trafic routier, trafic aérien, distribution d’énergies, ... – Taches d’interprétation : interprétation de signaux, reconnaissance de la parole, cristallographie, reconnaissance et compréhension des formes, ... – Télécommunications, systèmes de transports, réseaux : routage, équilibrage de charges, recouvrement d’erreurs, management et surveillance de réseaux, ... – Travail collaboratif assisté par ordinateur : agents assistants, agents médiateurs, workfows, gestion des rendez-vous, personal digital assistants (PDA), ... – Robotique distribuée : planification multi-robot, robots autonomes mobiles, ... – Télématique (Internet) : agents "intelligents", agents d’interface, agents mobiles, ... – Simulation de systèmes complexes : simulation individu-centrée, ... – Commerce électronique – Data Mining 2.2.3 Principaux outils existants Il existe plusieurs plate-forme de simulation des systèmes multi-agents mais les plus répandus et les plus utilisés sont les suivants [8] : – RePast S : appliqué principalement dans le domaine de sciences sociales (The Repast Suite). – NetLogo : très utilisé dans les domaines de sciences sociales et naturelles. Il aide les utilisateurs débutants pour la création des modèles (Netlogo). – GAMA : permet de faire de modélisation et de développement de la simulation de l’environnement pour la construction de simulations à base d’agents spatialement explicites (utilise des données SIG arbitrairement complexes que les environnements pour les agents). GAMA est développé par l’IRD/UPCM UMMISCO Unité de Recherche International (GAMA). – FLAME : permet de faire des grandes simulations, des systèmes complexes avec des grandes populations d’agents sur les systèmes HPC utilisant MPI et OpenMP. Il est développé grâce à une collaboration entre STFC Rutherford Appleton Lab et de l’Université de Sheffield, Royaume-Uni [9]. Chapitre 3 Existants 3.1 Modèles existants Dans cette section, nous allons voir les différents travaux sur la modélisation de la propagation d’épidémies de dengue. Ces modèles sont classifiés en deux grandes catégories : les modèles mathématiques qui sont basés sur les système d’équations différentielles et les modèles à base de système multi-agents. 3.1.1 Modèles à base des systèmes d’équations différentielles – SEIR model for transmission of dengue fever in Selangor Malaysia[14] Ce travail propose un modèle mathématique, sous forme des systèmes d’équations différentielles, qui permet de comprendre la dynamique de la population humaine et de la population du vecteur de transmission de dengue. Le modèle proposé est un modèle de compartiments SEIR (Susceptible, Exposé, Infecté et Retiré ou immunisé). Ce modèle considère deux catégories de population : la population humaine (Nh ) et la population du vecteur moustiques (Nv ). La population humaine ou les êtres humains est divisée en quatre groupes selon leurs états de santé : les personnes susceptibles (Sh ), les personnes exposées de la maladie (Eh ), les personnes infectées (Ih ) et les personnes immunisées de la maladie (Rh ). Pour la population des moustiques, elle se répartie en trois groupes : les vecteurs susceptibles (Sv ), les vecteurs exposés de la maladie (Ev ) , et les vecteurs infectés (Iv ). Le système d’équations différentielles pour la population humaine se présente comme suit : βh bIv dSh dt = µh Nh − ( Nh + p + µh )Sh βh bIv dEh dt = ( Nh + p + µh )Sh − (µh + dIh dt = ϕh Eh − (µh + γh + αh )Ih ϕh )Eh 12