Le projet, intitulé « AI-Driven Behavioural Epidemic Models for Intervention Design (Aibem) », recevra 970.139 euros sur trois ans et sera coordonné par le professeur Yamir Moreno, directeur de l’Institut universitaire de biocomputation et de physique des systèmes complexes (BIFI) et membre du département de physique théorique de l’Université de Saragosse. Le consortium comprend également l’équipe de recherche du professeur Joan Benach, de l’Université Pompeu Fabra (UPF), directeur du Grup de Recerca en Desigualtats en Salut – Employment Conditions Network (GREDS-EMCONET) et codirecteur du JHU-UPF Public Policy Center ; ainsi que l’équipe du professeur Anxo Sánchez, chercheur au sein du Groupe interdisciplinaire des systèmes complexes (GISC) de l’Université Carlos III de Madrid (UC3M).
Aibem fait partie des 32 projets sélectionnés parmi les 800 propositions présentées dans le cadre de l’appel à projets 2026, soit un taux de réussite de 4 %. Au total, la Fondation « la Caixa » consacrera 25,7 millions d’euros aux projets retenus lors de cette édition.
Cette attribution constitue également une étape importante pour la recherche aragonaise. Depuis sa première édition en 2018, l’appel à projets Recherche en santé de la Fondation « la Caixa » a financé environ 260 projets de recherche biomédicale en Espagne et au Portugal. AIBEM est le premier projet aragonais dirigé par l’Université de Saragosse en tant qu’organisation principale (host organization).
« Depuis deux décennies, la science nous permet de modéliser avec précision la dynamique de propagation d’un agent pathogène à travers les réseaux de contacts. Cependant, le véritable défi a toujours résidé dans l’imprévisibilité de notre propre nature. Représenter la complexité du comportement humain face à une crise sanitaire reste un défi non résolu. L’émergence de l’intelligence artificielle générative change la donne en notre faveur : en dotant des agents informatiques autonomes de capacités de raisonnement et d’influence mutuelle, nous pourrions faire en sorte que les modèles épidémiologiques cessent d’être de simples projections mathématiques et deviennent un reflet fidèle du facteur humain à l’échelle sociale », explique le chercheur principal du projet, Yamir Moreno, directeur de l’Institut universitaire de biocomputation et de physique des systèmes complexes (BIFI) et membre du département de physique théorique de l’Université de Saragosse.
DES MODÈLES DESTINÉS À IMITER LE COMPORTEMENT HUMAIN
La pandémie de Covid-19 a montré que le respect de mesures telles que la vaccination, le port du masque ou la réduction de la mobilité variait considérablement selon les groupes sociaux et au fil du temps, sous l’influence également de la perception du risque, de la confiance dans les institutions, de la désinformation, de l’environnement socio-économique, de la vulnérabilité et des inégalités matérielles. Pourtant, les modèles épidémiologiques couramment utilisés continuent de traiter le comportement humain comme un paramètre fixe ou exogène, ce qui limite considérablement leur utilité comme outil d’aide à la décision.
Aibem propose ainsi un changement de paradigme : les modèles fondés sur des agents génératifs (GABM), dans lesquels chaque individu simulé est piloté par un grand modèle de langage (LLM) configuré à partir d’un profil spécifique. Il s’agit de la même technologie que celle qui sous-tend des plateformes d’intelligence artificielle comme ChatGPT ou Gemini. Ces agents auront leur propre identité, leurs objectifs, leur mémoire et leurs outils. Dans ce contexte, ils interagiront entre eux, prendront des décisions, formeront des attentes et généreront des normes sociales. En outre, leurs réponses seront systématiquement validées au regard d’expériences menées avec de vraies personnes.
« Les épidémies ne sont pas uniquement des phénomènes biologiques : leur propagation et leurs conséquences sont profondément conditionnées par les inégalités sociales, les conditions de vie et de travail et les relations de pouvoir », souligne un autre chercheur du projet, Joan Benach, directeur du Grup de Recerca en Desigualtats en Salut – Employment Conditions Network (GREDS-EMCONET) et codirecteur du JHU-UPF Public Policy Center de l’Université Pompeu Fabra (UPF).
Dans ce contexte, Benach estime qu’il ne suffit pas de développer des modèles épidémiologiques plus sophistiqués, mais qu’il faut intégrer les causes structurelles qui exposent davantage certains groupes sociaux aux épidémies, les rendent plus vulnérables ou leur offrent moins de possibilités de se protéger. Depuis l’UPF, les chercheurs apporteront leur expertise en matière d’inégalités de santé, de déterminants écosociaux et de politiques publiques, en dirigeant la conception et l’évaluation d’interventions tenant compte à la fois de leur efficacité et de leurs effets sur l’équité.
« Notre défi est de faire en sorte que l’intelligence artificielle ne se limite pas à mieux prévoir les épidémies, mais qu’elle contribue à les expliquer et à élaborer des réponses de santé publique socialement justes », souligne Benach. Ces réponses devront impliquer les acteurs concernés et contribuer à réduire les inégalités existantes, plutôt qu’à les reproduire.
Le projet s’articule autour de trois grands axes de travail. L’UC3M mènera des expériences comportementales avec des participants issus de milieux socio-économiques divers grâce à la plateforme IBSEN, mise en œuvre dans le cadre du projet européen H2020 du même nom. L’Université de Saragosse développera pour sa part des agents génératifs capables de reproduire le comportement humain et les intégrera dans des modèles épidémiologiques, en s’appuyant sur l’infrastructure de supercalcul du BIFI (CESAR) et sur la vaste expérience du Groupe de recherche sur les réseaux et les systèmes complexes (COSNET) dans la modélisation mathématique et informatique des épidémies. L’UPF traduira les résultats en outils d’aide à la décision pour les autorités sanitaires, y compris une évaluation explicite de l’impact distributif de chaque intervention.
L’ÉQUITÉ COMME RÉSULTAT DU MODÈLE
L’une des caractéristiques d’AIBEM est que l’équité n’est pas ajoutée à la fin de l’analyse, mais traitée comme un résultat primaire du modèle lui-même. Les matrices de contacts par âge seront complétées par des dimensions socio-économiques — profession, revenus, quartier — à partir de données du recensement espagnol, d’enquêtes sur la population active et de registres épidémiologiques stratifiés, afin que les différences en matière de charge de morbidité et de capacité de réponse découlent des conditions matérielles de chaque groupe.
Le projet intègre également un cadre éthique et de gouvernance aligné sur le Règlement européen sur l’intelligence artificielle (EU AI Act), avec des audits des biais, une supervision humaine et des examens indépendants de l’équité. Tous les modèles, les données et les protocoles de validation seront publiés en libre accès conformément aux principes FAIR.
Parmi les résultats attendus figurent des agents comportementaux validés à partir de données expérimentales humaines, présentant une diversité socio-économique explicite ; des modèles épidémiologiques couplés capables de quantifier l’influence de l’hétérogénéité des comportements sur la transmission ; une méthodologie systématique pour concevoir et évaluer des interventions dans des conditions sociales réalistes ; ainsi qu’une boîte à outils d’aide à la décision destinée aux autorités sanitaires espagnoles et européennes, comprenant des rapports sur les politiques publiques, des guides éthiques et des logiciels de simulation.
