De nombreux modèles mathématiques ont été proposés pour aider les gouvernements à gérer l’épidémie de Covid-19 : vitesse de propagation de la pandémie, mesure de l’efficacité des dispositifs mis en place etc. Les modèles épidémiologiques les plus courants, ceux notamment sur lequel repose le calcul du taux de reproduction initial du virus, R0 et prédisant la dynamique d’une épidémie, sont fondés sur une décomposition en compartiments de la population. On les désigne comme les modèles SIR, qui reposent sur une trois catégories : Susceptible d’être infecté-Infecté-Rétabli. Aucun ne prend en compte de manière explicite l’environnement, ou les facteurs sociaux (conditions de vie et de logement, intensité de la sociabilité, etc.) susceptibles d’influer sur l’épidémie.
Le projet Space-Covid, financé par le programme Résilience Hauts de France, en partenariat avec l’Agence Nationale de la Recherche (ANR), rassemble des mathématiciens, qui entendent développer une modélisation alternative des dynamiques, notamment spatiale, de l’épidémie, des praticiens hospitaliers et des sociologues. La proposition de modélisation repose tout d’abord sur l’introduction d’une quatrième catégorie d’individus : « Susceptibles d’être infectés », « Exposés », « Infectés », « Retirés » (ne participent plus à la propagation du virus). Constatant que dans ces modèles compartimentaux, la seule particularité d’un individu est la classe épidémiologique à laquelle il appartient, le projet entend par ailleurs inclure dans l’analyse les hétérogénéités physiques et sociales.
L’équipe de chercheurs en sciences humaines réunie dans Space-COVID interroge donc les soubassements sociaux des modèles afin d’y réintroduire la pesanteur du social, l’un des objectifs étant de fournir de nouveaux indicateurs de l’épidémie de Covid-19 et de mieux prédire son évolution.