L'un des images durables De l'épidémie de coronavirus (COVID-19) au Royaume-Uni, c'est le Premier ministre Boris Johnson, nerveux et mal à l'aise, flanqué de ses conseillers scientifiques lors des conférences de presse régulières. Avec trois hommes blancs en costume dans une pièce lambrissée, le but était vraisemblablement de projeter un sentiment de contrôle et d’autorité. La rhétorique – selon laquelle la réponse du gouvernement était toujours « guidée par la science » – a été renforcée.
De nombreuses incertitudes
Certes, les conseillers du gouvernement britannique ont été calmes, clairs et convaincants, articulant efficacement leurs positions dans les médias. Mais bientôt des débats ont émergé au Royaume-Uni sur l’opportunité d’annuler les rassemblements de masse, d’isoler les groupes à risque et de fermer les écoles. La position du Royaume-Uni était apparemment en décalage avec d'autres politiques « dirigées par la science » ailleurs. La « science » ne semblait soudain plus aussi singulière et certaine, alors que des points de vue scientifiques concurrents se confrontaient.
Comme le savent tous les scientifiques concernés, les choses sont en effet très incertaines. La définition d’une politique est une question de jugement, basée sur l’évaluation de nombreuses positions concurrentes. En effet, bon nombre de décisions sont actuellement prises dans l’ignorance – dont les résultats et leurs probabilités ne sont tout simplement pas connus. La liste des incertitudes est énorme : on ne connaît ni la période d'incubation, ni le pouvoir infectieux avant les symptômes. Nous ne connaissons pas les dimensions saisonnières de la maladie. Nous avons peu d’indices quant à la spécificité de la maladie pour certains groupes de population. Nous ne savons pas si une réinfection peut survenir ni si une immunité collective est possible. On ne connaît même pas les chiffres cruciaux pour l'épidémiologie – le R0 le nombre (le nombre d’infections ultérieures à partir d’un seul cas) ou le taux de mortalité – ou seulement de vastes fourchettes possibles.
Comme Graham Medley, professeur de modélisation des maladies infectieuses à la London School of Hygiene and Tropical Medicine, l'a récemment déclaré dans une interview à la BBC : « Quiconque dit savoir ce qui se passera dans six mois ment ». Il a raison. Alors pourquoi accorde-t-on autant d'importance à « la science », alors qu'elle est si plurielle, contestée et incertaine ? Devrions-nous vraiment dépendre autant des « modèles » qui offrent des prévisions et guident la planification des mesures d’urgence ?
S'appuyer sur des modèles
Avec des paramètres si incertains, la modélisation n’est bien sûr qu’une conjecture éclairée. Il se peut qu'il soit très bien informé par ceux qui ont beaucoup d'expérience, mais il ne faut pas réifier le processus, ni se fier entièrement aux résultats. Les modèles peuvent restreindre l’expertise, exclure d’autres perspectives, et ils peuvent bien sûr aussi se tromper énormément, comme l’admettra volontiers tout modélisateur digne de ce nom.
Un excellent exemple en est l'expérience du Épidémie de fièvre aphteuse de 2001 au Royaume-Uni, lorsqu'un modèle particulier développé par l'une des équipes fortement impliquées aujourd'hui a été utilisé comme base de conseils scientifiques, ignorant les opinions des agriculteurs, des vétérinaires de première ligne et d'autres personnes vivant à la campagne (y compris les membres de la royauté). Le résultat a été doublé 'carnage par ordinateur', impliquant la fermeture des campagnes et l'abattage massif d'animaux. Il n’existe bien sûr aucun contrefactuel permettant d’évaluer si cette décision était la bonne ou non, mais l’étroitesse des avis scientifiques a été largement critiquée.
Avec le COVID-19, il existe bien plus de modèles, associés à un éventail plus diversifié de scientifiques (voir quelques liens dans ce fil Twitter). Il y a un débat et une délibération entre eux dans le processus de planification d’urgence. Tout cela est sain et devrait donner lieu à des conseils plus solides. Les incertitudes sont reconnues et de multiples scénarios sont proposés. Les scientifiques conseillent et les politiciens décident, c’est du moins ce que dit l’adage.
La science est-elle suffisamment vaste ?
Mais « la science » – et donc les conseils – sont-ils suffisamment larges ? Pouvons-nous tirer des leçons de l’expérience vécue avec une pandémie de manière à ouvrir le débat et à encourager une délibération plus démocratique ? Ce n’est pas facile car le rythme est si rapide et l’ampleur est si énorme, mais c’est un défi important. Les « modèles à compartiments » épidémiologiques ne sont que des histoires sur le monde, avec la transmission des maladies et leur impact sur les populations, construites en termes de formules mathématiques. Mais il existe également d’autres histoires, racontées par différentes personnes de différentes manières, et celles-ci peuvent être tout aussi importantes pour comprendre et réagir à une nouvelle maladie.
Dans nos études de réponses aux la grippe aviaire épidémie au milieu des années 2000, les limites (voire les dangers) d’un approche basée sur les risques « réductrice-agrégative » à la modélisation et à la prescription politique ont été soulignés. En 2005, des publications très médiatisées de modèles ont structuré la réponse autour du « confinement à la source », ce qui a donné lieu à une série de mesures draconiennes affectant considérablement les moyens de subsistance des producteurs de poulets de basse-cour dans toute l'Asie du Sud-Est. Pourtant, d'autres évaluations, qui appréciaient davantage l'incertitude et la complexité dépendant du contexte, présentaient des possibilités contradictoires, mais tout aussi « fondées sur des preuves ».
Celles-ci ont mis en évidence, par exemple, l'interaction de l'écologie virale et de la génétique (par exemple, les schémas de déplacement et de dérive antigéniques), les mécanismes de transmission (tels que le rôle des oiseaux sauvages, des poulets de basse-cour ou des grands élevages industriels de volailles) et les impacts (y compris les conséquences sur les individus et les populations immunodéprimés). Ceux-ci suggéraient des récits alternatifs sur les causes et les conséquences et suggéraient des réponses politiques très différentes de celles adoptées à la suite des résultats des modélisations traditionnelles.
Leçons d’apprentissage
Même si la grippe aviaire ne se transmet pas aussi facilement entre humains que le COVID-19, cette expérience permet de tirer quelques leçons importantes. Le premier d’entre eux est l’importance de reconnaître les incertitudes, d’ouvrir le débat sur les résultats possibles et d’accepter l’importance de connaissances et de perspectives diverses et plurielles.
En réfléchissant à la modélisation des maladies zoonotiques (celles qui se transmettent des animaux aux humains, tout comme le COVID-19) de manière plus générale, il y a quelques années, un groupe d'entre nous (comprenant des modélisateurs mathématiques, des anthropologues et des praticiens de terrain participatifs) a fait valoir que une approche plurielle de la modélisation est nécessaire pour combine les 3P dans une approche de modélisation : processus (le fonctionnement de la dynamique des populations de maladies), modèle (la propagation spatiale de la maladie et la corrélation avec divers facteurs) et participation (compréhension de la dynamique des maladies du point de vue des populations locales).
Ce dernier point, presque totalement absent de la réponse actuelle au COVID-19, est particulièrement crucial car il peut contribuer à améliorer le paramétrage d’autres modèles, mais, plus important encore, il peut aider à ancrer les résultats des scénarios de modèles dans des contextes locaux, avec une plus grande probabilité que les informations soient prises en compte. . Comme nous l'avons appris de la crise Ebola En Afrique de l’Ouest, sans lier la réponse aux maladies aux connaissances pratiques locales et aux compréhensions culturelles, il y a peu de chances de succès. Cela va bien au-delà des messages de « science comportementale » et de « théorie du nudge » conçus par des experts, et nécessite un engagement auprès des personnes touchées et vivant avec la maladie.
Car, en fin de compte, les pandémies sont mieux vaincues grâce à des formes locales de solidarité, d’entraide et d’innovation ancrées dans des contextes particuliers, et les modèles scientifiques et les plans d’urgence doivent fonctionner avec de tels processus. Les réponses aux maladies peuvent être éclairées par la science (ou plutôt par plusieurs sciences), mais elles doivent être dirigées par les gens.
Ce blog est initialement apparu sur le Site Web de l'Institut d'études sur le développement.
