Cet article fait partie de notre guide: Machine learning : les clés pour contrôler les biais

Coronavirus : l’IA cumule les erreurs de diagnostic

Jusqu’à maintenant, l’intelligence artificielle n’a pas apporté d’aide convaincante concernant la pandémie du coronavirus. La cause : le manque de données fiables, d’autant que de nombreuses personnes infectées ne le savent pas elles-mêmes.

par

Pierre Berlemont

Publié le: 12 mars 2020

L’épidémie du Covid-19 aurait dû être un terrain d'exercice idéal pour toutes les entreprises œuvrant dans le domaine de l’intelligence artificielle. Las ! Force est de constater que l’apport de l’IA reste marginal, voire à côté de la plaque. Revue de détail des différentes annonces.

La découverte

La startup canadienne Bluedot s’est vantée d’avoir lancé une alerte sur le coronavirus à ses clients (les ministères de la Santé du Canada et de Singapour, entre autres) avant même que l’OMS n’en parle. Plus exactement, ses équipes ont repéré des cas de pneumonie suspects dans la région de Wuhan. L’entreprise s’appuie pour cela sur différentes sources relativement fiables : communications des organismes de santé, publications scientifiques, journaux en ligne, données démographiques, soit une centaine de milliers de sources.

Bluedot a certes prévu que l’épidémie s’étendrait aux alentours de Wuhan et dans certaines villes de l’Extrême-Orient, avec plus ou moins de succès – aucun cas n’a été répertorié à Phuket par exemple, contrairement aux prévisions. La jeune pousse s’est entre autres appuyée sur les billets de réservation d’avions pour effectuer ses analyses. Mais Bluedot n’avait pas détecté l’amplitude de la pandémie.

La propagation

On se souvient de Google Flu Trends, un service web de Google censé prévoir la propagation de la grippe, qui s’appuyait sur les requêtes du moteur de recherche. Google a arrêté l’expérience en 2015 : trop de bruits parasites. Aujourd’hui, des sites proposent en temps réel le nombre de cas répertoriés du Covid-19, notamment le The Center for Systems Science and Engineering (CSSE) de l’Université Johns Hopkins. Mais pas de prévisions. « À partir du moment où un phénomène est nouveau, aucune IA ne saura déterminer ce qui va se passer. Pour parvenir à des résultats, il faut plusieurs millions de données. Sur le Covid-19, aujourd’hui, le nombre de cas déclarés se compte en milliers », explique Ramzi Larbi, fondateur de VA²CS.

Des chercheurs chinois ont bien utilisé un modèle d’intelligence artificielle prévoyant la fin de l’épidémie en Chine pour mi-avril. Dans leur article scientifique, ils s’appuient pour cela sur un grand nombre de données récoltées durant pratiquement 2 mois, soit à peu près la moitié de la durée prévue de l’épidémie sur le territoire chinois, l’équivalent d’une grippe classique…

Le nombre de victimes

Pour le coup, les chiffres donnés par toutes sortes d’organisations concernant les décès relèvent plus de la boule de cristal que de l’IA. Les algorithmes d’une startup américaine prévoyaient 2 millions de morts en 15 jours. Ils s’appuyaient sur une prévision des décès d’un jour au lendemain, pour extrapoler ses résultats. Inversement, une équipe australienne, prévoyait un chiffre de 3 700 décès au niveau mondial au 11 mars – contre 4 400 établis en réalité à cette date – et 110 000 cas, pour 122 000 recensés. Pourtant, ces prédictions aidées par l’IA se limitent à une semaine.

La principale raison de l’impossibilité de prévoir le nombre de victimes tient à la nature du coronavirus : de nombreuses personnes sont porteuses, mais ne présentent aucun symptôme, notamment les enfants. Ces cas non déclarés sont la cause de ces erreurs. « Il faudrait aussi intégrer toutes les mesures mises en œuvre par les États, le confinement, par exemple. On a une équation à plusieurs inconnues et on oublie d’intégrer certaines d’entre elles », résume Ramzi Larbi.

L’aide au diagnostic

Dans ce domaine, plusieurs sociétés ont annoncé des solutions à base d’IA pour reconnaître les patients atteints du Covid-19, à partir du scanner de leur thorax. Rien de très novateur sur ce point : l’analyse d’image est le domaine où l’IA, ou plus exactement l’apprentissage automatique, est la plus performante.

Les avancées de Alibaba, de Baidu ou encore d’Infervision permettent de reconnaître si une pneumonie est causée par le Covid-19 en moins d’une minute, contre au moins 15 minutes par des méthodes classiques.

La recherche d’un traitement

Google, via sa startup Deepmind, a modélisé la structure de 6 protéines du virus. Ces résultats ont été obtenus grâce à son programme à base d’IA Alphafold, qui modélise en 3D les protéines. La structure tridimensionnelle des protéines joue un rôle important dans la transmission d’un virus. Deepmind reconnaît que ses modèles n’ont pas été testés en laboratoire, mais souhaitait les mettre à disposition des chercheurs le plus rapidement possible.

En France, la startup Iktos, qui exploite l’IA pour la synthèse de médicaments, travaille avec SRI International (successeur du Stanford Research Institute) pour chercher des traitements antiviraux.