L'IA au chevet des maladies infectieuses : une innovation majeure de chercheurs de l'INRAE de Clermont-Ferrand

En utilisant une méthode d'Intelligence Artificielle (IA), des scientifiques de l'INRAE peuvent désormais analyser des paramètres épidémiologiques beaucoup plus rapidement. Pour la première fois, cette méthode pionnière a été appliquée à des données issues d'une épidémie de virus Ebola.

C'est une innovation de taille que viennent de réaliser des scientifiques de l'INRAE (Institut national de la recherche pour l'agriculture, l'alimentation et l'environnement). Xavier Bailly, ingénieur de recherche et directeur d’unité à l’INRAE de Clermont-Ferrand, détaille une avancée majeure publiée dans la revue "Proceedings of the Royal Society", fin août. Dans le cadre de travaux menés par Francesco Pinotti, son unité a développé une méthode permettant de calibrer beaucoup plus rapidement des modèles de diffusion des agents infectieux grâce à l’Intelligence Artificielle, ouvrant la voie à une meilleure gestion des crises sanitaires.

Un expert au cœur de la surveillance sanitaire

Basé entre Clermont-Ferrand et Marcy-l'Étoile dans le Rhône, Xavier Bailly dirige une unité de recherche de l’INRAE dédiée à l'épidémiologie des maladies animales et zoonotiques. Face à la multiplication des crises sanitaires, son équipe s'est penchée sur la création de nouveaux outils mathématiques pour anticiper la propagation des pathogènes. "On a besoin de disposer de modèles, de représentation mathématiques, qui nous permettent de comprendre comment les pathogènes vont se diffuser", explique-t-il, précisant que l'objectif est de "mieux comprendre ce qui se passe d'un point de vue épidémiologique et envisager comment lutter contre les maladies".

La phylodynamique : lire l'histoire dans les gènes

Le cœur de cette innovation repose sur une discipline émergente : la phylodynamique. Cette méthode consiste à utiliser les données de séquençage génomique des pathogènes pour reconstruire leur historique de transmission. Pour vulgariser son approche, Xavier Bailly explique : "On compare différents génomes des pathogènes, leur matériel génétique. On regarde lesquels sont les plus proches génétiquement les uns des autres, on reconstruit leur arbre généalogique. Plus ils sont proches génétiquement, plus ils sont issus de transmissions qui ont eu lieu il y a peu de temps". En remontant ainsi le fil du temps, les chercheurs parviennent à comprendre les processus de diffusion avec une précision nouvelle.

L'IA comme accélérateur de calcul

L'apport majeur de cette étude réside dans l'utilisation de l'Intelligence Artificielle, et plus précisément des réseaux de neurones, pour trier des scénarios : une technique d’apprentissage automatique notamment utilisée en physique et en astrophysique. Ces modèles complexes demandaient autrefois des capacités de calcul colossales. "Le développement des algorithmes d'Intelligence Artificielle nous permet de comparer plus facilement si une simulation, en faisant certaines hypothèses, est proche des observations ou non", souligne le chercheur. Ce gain de temps est crucial : contrairement aux méthodes classiques qui nécessitent de relancer toute l'analyse à chaque nouvelle donnée, ce modèle peut être réinvesti en continu. Une fois entraîné, il peut être réutilisé rapidement pour analyser de nouvelles données compatibles, sans devoir reprendre l’ensemble des calculs.

Le test probant d'Ebola

Pour démontrer l'efficacité de leur méthode, les chercheurs ont travaillé rétrospectivement sur l'épidémie d'Ebola de 2014 en Sierra Leone. Les résultats sont encourageants : la méthode a permis de retrouver des connaissances pertinentes de manière extrêmement réactive. "Ce qu'on a surtout montré, c'est qu'avec la méthode en question, on arrivait à retrouver des connaissances qui étaient pertinentes dans un temps qui était très rapide par rapport à ce qui était fait" affirme Xavier Bailly. Or cette réactivité pourrait être un atout vital pour des situations d'urgence, comme l’épidémie d’Ebola en cours, en République Démocratique du Congo.

Vers une application aux maladies d'élevage et respiratoires

Au-delà d'Ebola, cette brèche technologique ouvre des perspectives pour de nombreuses autres maladies. Dans le cadre du projet AVEEC, financé par l’Agence Nationale de Recherche, l'équipe travaille déjà sur les maladies vectorielles touchant l'élevage, telles que la fièvre catarrhale ovine ou la maladie hémorragique épizootique, dont la diffusion dépend fortement de la météo et de l'activité des insectes. Dans le projet GeoAI4EI, soutenu par un financement Horizon Europe, elle aborde un autre volet concernant les maladies respiratoires humaines, comme la grippe ou le Covid, afin d'anticiper la pression sur le système de santé dès l'émergence de nouveaux variants.

Une recherche d'avenir sobre et collaborative

Malgré la puissance de l'outil, Xavier Bailly se veut rassurant sur l'impact énergétique de ces recherches, précisant qu'ils n'utilisent pas de modèles génériques gourmands comme les LLM. "On a certes une phase de simulation et d'entraînement qui est un peu gourmande pour les réseaux de neurones. Mais comme on réinvestit la connaissance qui est acquise au départ, on a une économie potentielle d'énergie". Fruit de deux ans de travail impliquant quatre chercheurs, cette étude publiée le 26 août dernier dans les "Proceedings of the Royal Society B" suscite déjà un vif intérêt dans la communauté scientifique et attire de nouveaux talents.