Covista est une application web qui permet d’illustrer les dynamiques auxquelles on peut s’attendre en France dans l’évolution du Covid-19. Développée par l’entreprise réunionnaise Data-prisme, cette application web a un objectif pédagogique.
Face à la propagation du Covid-19, l’entreprise locale Data-Prisme propose un outil de simulation de propagation de la maladie.
Covista permet aux utilisateurs de se projeter dans le futur en choisissant des scénarios de propagation de la maladie. Le visiteur peut choisir une date et envisager combien de personnes auront été contaminées à cette date ou combien de personnes seront hospitalisées en réanimation.
L’objectif du projet est surtout pédagogique et vise à sensibiliser sur les conséquences d’un changement d’attitude dans la propagation de l’épidémie. L’estimation calculée est le résultat d’une simulation et non l’état réel de la propagation du Covid-19.
"Ce site a pour nous été une évidence. Il nous est apparu comme un outil pédagogique qui pourra contribuer à la prise de conscience de la population de l’impact des changements de comportement individuel sur l’évolution de l’épidémie. Les comportements humains sont souvent illogiques, les mathématiques viennent implacablement rappeler la réalité de la situation", explique Matthieu Neveu, directeur de Data-Prisme.
La modélisation mathématique d’une épidémie a pour objectif d’évaluer les hypothèses en cours afin d’indiquer une tendance.
Les épidémies commencent toutes selon un processus qui obéit à une fonction exponentielle, autrement dit le nombre d’infectés augmente de plus en plus vite. Cette vitesse de propagation est appelée R0. R0 représente le nombre de personnes infectées par un malade. Une vitesse de propagation de 3 (R0=3) signifie qu’un patient malade infectera 3 personnes. En dessous de 1, la propagation de la maladie est maîtrisée.
Pour développer cette application web, Data-Prisme s’est appuyé sur des recherches scientifiques anglo-saxonnes et a utilisé un modèle épidémiologique.
Covista intègre automatiquement les nouvelles données publiées par le ministère de la santé. Le système les récupère, les nettoie, les intègre et les analyse, grâce un algorithme de machine learning développé par l’entreprise. "Le modèle que nous avons développé est particulièrement fiable, nous sommes maintenant en mesure d’y intégrer d’autres variables, comme par exemple la possibilité qu’une partie de la population qui a été malade ne soit pas pour autant immunisée. Pour les institutions, cette application peut être une aide à la prise de décision précieuse pour l’avenir et nous nous tenons prêt à répondre à toutes demandes en ce sens", conclut Matthieu Neveu.
