⚡ electrical engineering

Optimal Control of an SIR Model with Noncompliance as a Social Contagion

Cet article propose un modèle SIR incorporant la non-conformité en tant que contagion sociale, établit l'existence de stratégies de contrôle optimal pour minimiser les coûts liés à la maladie et au comportement, et démontre numériquement comment les préférences des décideurs politiques influencent les stratégies d'intervention optimales en utilisant la méthode hamiltonienne quadratique séquentielle.

Auteurs originaux : Chloe Ngo, Christian Parkinson, Weinan Wang

Publié 2026-06-23

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Chloe Ngo, Christian Parkinson, Weinan Wang

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez une ville essayant d'arrêter un virus contagieux. Habituellement, les scientifiques modélisent cela en supposant que tout le monde suit les règles de la même manière : si le gouvernement dit « portez un masque », tout le monde en porte un. Mais en réalité, certains écoutent, et d'autres non.

Cet article construit un nouveau type de modèle qui traite le fait de ne pas suivre les règles (la non-conformité) comme un virus en soi. Tout comme un rhume se propage de personne à personne, l' attitude consistant à dire « je ne vais pas porter de masque » se propage dans la foule. Si vous fréquentez des gens qui ne respectent pas les règles de sécurité, vous êtes plus susceptible de cesser de les suivre aussi.

Voici une décomposition de ce que les auteurs ont fait, en utilisant des analogies simples :

1. Les deux groupes : les « Conformistes » et les « Rebelles »

Les auteurs ont divisé la population en deux équipes :

Les Conformistes : Ces personnes portent des masques, restent chez elles et se font soigner si elles tombent malades. Parce qu'ils suivent les règles, le virus se propage plus lentement parmi eux.
Les Non-Conformistes : Ces personnes ignorent les règles. Le virus se propage plus rapidement parmi eux.

Le rebondissement : Les auteurs ont réalisé que l'attitude « Rebelle » n'est pas fixe. Elle se propage comme une contagion sociale. Si une personne « Conformiste » passe du temps avec des « Rebelles », elle peut commencer à penser : « Eh bien, s'ils ne portent pas de masque, pourquoi devrais-je le faire ? » Cela la transforme en Rebelle.

2. La boîte à outils du décideur politique

L'article imagine un « Décideur politique » (comme un maire ou un responsable de la santé) qui veut arrêter la maladie mais qui dispose également d'un budget limité. Cette personne possède quatre leviers qu'elle peut actionner pour contrôler la situation :

Le levier des IPM (Interventions Non Pharmaceutiques) : Rendre les mesures de port du masque et de distanciation sociale plus strictes. Cela réduit la vitesse du virus pour le groupe des Conformistes.
Le levier du Traitement : Soigner plus rapidement les personnes Conformistes qui tombent malades.
Le levier « Arrêter la propagation » : Mener des campagnes pour empêcher l' attitude Rebelle de se propager (ex. : « Ne laissez pas vos amis vous convaincre de ne pas respecter les règles de sécurité »).
Le levier de « Rééducation » : Des campagnes éducatives pour convaincre les Rebelles de redevenir Conformistes.

3. L'équilibre délicat (Le problème du coût)

Le Décideur politique doit résoudre un casse-tête mathématique. Il veut :

Garder le nombre de personnes malades bas.
Garder le nombre de Rebelles bas.
Mais il veut aussi économiser de l'argent. Chaque fois qu'il actionne un levier (comme imposer le port du masque ou lancer des publicités), cela coûte de l'argent.

Les auteurs ont demandé : Quelle est la combinaison parfaite de ces leviers pour obtenir le meilleur résultat au moindre coût ?

4. La méthode mathématique « Magique »

Pour trouver la réponse, les auteurs ont dû inventer une nouvelle façon de faire les mathématiques.

Le Problème : Les outils mathématiques standards supposent souvent que si vous voulez un peu plus de contrôle, vous payez un peu plus d'argent de manière fluide. Mais dans la réalité, vous pourriez décider de passer en mode « tout ou rien » avec un confinement strict pendant une semaine, puis d'arrêter complètement. C'est un interrupteur de type « bang-bang », ce qui est difficile à gérer pour les mathématiques standards.
La Solution : Ils ont utilisé une méthode appelée Hamiltonien Quadratique Séquentiel (SQH). Considérez cela comme un GPS très intelligent et étape par étape pour le Décideur politique. Au lieu de deviner tout l'itinéraire d'un coup, il fait de petits pas, vérifie si le coût diminue et ajuste la direction. Il est prouvé que cette méthode est plus fiable que les anciennes méthodes qui se bloquent parfois ou donnent de mauvaises réponses.

5. Ce qu'ils ont trouvé (Les Résultats)

Les auteurs ont fait tourner des simulations avec différentes « personnalités » de décideurs politiques pour voir comment ils agiraient :

Le Leader « Équilibré » : Ce leader se soucie à la fois de la santé et de l'argent. Sa stratégie ? Il utilise les leviers « Arrêter la propagation » et « Rééducation » tôt pour maintenir le niveau de l'attitude Rebelle bas. Une fois que la population est majoritairement Conformiste, il utilise les leviers « IPM » et « Traitement » pour écraser le virus. Il autorise une infime épidémie car cela coûte moins cher que d'essayer de l'arrêter à 100 %.
Le Leader « Priorité à la Santé » : Ce leader se soucie uniquement d'arrêter le virus, peu importe le coût. Il frappe fort sur tous les leviers immédiatement. Il force la population à être Conformiste et maintient le taux de virus si bas que la maladie disparaît rapidement.
Le Leader « Priorité à l'Économie » : Si le virus se propage trop vite ou si trop de personnes sont déjà Rebelles, ce leader peut décider qu'il est trop coûteux de lutter. Il peut simplement laisser la maladie suivre son cours parce que le coût de la lutte est plus élevé que le coût de la maladie elle-même.

Idée clé : L'article montre que vous ne pouvez pas seulement combattre le virus, vous devez aussi combattre l' attitude de ne pas suivre les règles. Si vous ignorez le fait que le « comportement Rebelle » se propage, vos plans pour arrêter le virus échoueront.

Résumé

Cet article crée un modèle où le mauvais comportement se propage comme un virus. Il utilise des mathématiques avancées pour déterminer comment un dirigeant doit dépenser son argent pour arrêter à la fois la maladie et le mauvais comportement. Ils ont découvert que la meilleure stratégie dépend entièrement de la manière dont le dirigeant arbitre entre l'argent et la santé, et que ignorer la propagation de la « rébellion » rend impossible le contrôle efficace de la maladie.

Résumé Technique : Contrôle Optimal d'un Modèle SIR avec la Non-conformité comme Contagion Sociale

Formulation du Problème
L'article traite du défi consistant à intégrer la dynamique comportementale humaine dans la modélisation épidémiologique, en se concentrant spécifiquement sur la propagation de la non-conformité aux interventions non pharmaceutiques (INP). Les auteurs proposent un modèle compartimenté de type Susceptible-Infecté-Rétabli (SIR) qui divise la population en deux groupes distincts : ceux qui respectent les mesures de santé publique (conformes) et ceux qui ne les respectent pas (non conformes).

Contrairement aux modèles traditionnels où le comportement est traité comme un paramètre fixe, ce modèle traite la non-conformité comme une « contagion sociale » qui se propage parallèlement à la maladie via un mécanisme d'action de masse. La population conforme ( $S, I, R$ ) bénéficie d'une infectiosité réduite grâce aux INP, tandis que la population non conforme ( $S^*, I^*, R^*$ ) n'en bénéficie pas. Le modèle inclut quatre variables de contrôle représentant les interventions du décideur politique :

$\alpha(t)$ : Réduction de l'infectiosité/du mélange pour la population conforme (application des INP).
$\eta(t)$ : Augmentation du taux de rétablissement pour les individus infectés conformes (efforts de traitement).
$\mu(t)$ : Réduction du taux de propagation de la non-conformité (initiatives d'information de santé publique).
$\nu(t)$ : Taux de « rétablissement » de la non-conformité (campagnes éducatives).

L'objectif est de formuler un problème de contrôle optimal où un décideur politique minimise une fonction de coût qui équilibre les coûts des infections, les coûts de la non-conformité et les coûts économiques de la mise en œuvre des contrôles.

Méthodologie
Les auteurs emploient un cadre mathématique rigoureux combinant la théorie des systèmes dynamiques, la théorie du contrôle optimal et l'analyse numérique :

Analyse du Modèle : Ils dérivent le taux de reproduction de base ( $R_0$ ) du système et analysent la stabilité des équilibilibres sans maladie (DFE). Ils établissent les conditions sous lesquelles le système reste stable ou devient instable en fonction de l'interaction entre la transmission de la maladie et les paramètres de transmission comportementale.
Existence de Contrôles Optimaux : Une contribution théorique majeure est la preuve de l'existence de contrôles optimaux. Les auteurs l'établissent pour un scénario générique où :
- Les variables de contrôle apparaissent de manière non linéaire dans la dynamique.
- Les coûts de contrôle ne sont pas nécessairement lisses ou fortement convexes (permettant des coûts de contrôle de type $L^1$ ).
- L'ensemble des contrôles admissibles inclut des applications de contrôle discontinues (spécifiquement, des fonctions de variation bornée, $BV$).
  La preuve utilise la méthode directe du calcul des variations, s'appuyant sur la fermeture faible de l'opérateur état-contrôle et la semi-continuité inférieure de la fonction de coût.
Résolution Numérique : Pour résoudre le problème de contrôle optimal, les auteurs utilisent la méthode du Hamiltonien Quadratique Séquentiel (SQH). Ils soutiennent que la méthode SQH est supérieure à la méthode classique de balayage avant-arrière (FBSM) car elle possède une théorie de convergence robuste. L'algorithme met à jour de manière itérative les applications de contrôle en utilisant des perturbations quadratiques du Hamiltonien, garantissant une diminution suffisante de la fonction de coût à chaque étape. Les auteurs prouvent la convergence des itérations SQH.

Résultats Clés
Les auteurs présentent des simulations numériques à travers trois scénarios distincts pour démontrer comment les stratégies optimales dépendent des régimes de paramètres et des préférences du décideur politique (encodées dans les poids de coût) :

Scénario 1 (Référence) : Avec des taux d'infection modérés et une population initiale conforme, la stratégie optimale dépend fortement des priorités du décideur.
- Un décideur « équilibré » (pesant les coûts d'infection et de non-conformité) emploie une stratégie synergique : utiliser $\mu$ et $\nu$ pour supprimer la non-conformité tôt, permettant ainsi à $\alpha$ et $\eta$ de réduire efficacement $R_0$ sans le faire descendre immédiatement sous 1, acceptant ainsi une petite épidémie pour minimiser le coût total.
- Un décideur « orienté santé publique » (coût d'infection élevé, coût de non-conformité nul) utilise agressivement tous les contrôles pour pousser $R_0 < 1$ et éradiquer la maladie, tirant parti de la stabilité de l'équilibre sans maladie entièrement conforme.
- Sensibilité : Supprimer le traitement ( $\eta=0$ ) réduit l'efficacité des efforts de contrôle d'environ un tiers. Supprimer les contrôles comportementaux ( $\mu=\nu=0$ ) rend les contrôles de la maladie largement inefficaces, car la population bascule vers la non-conformité, réduisant la réduction des coûts à environ 10 %.
- Coûts $L^1$ : La méthode gère avec succès les coûts de contrôle $L^1$ (où $d_2=0$ ), entraînant des contrôles de type « bang-bang » pour $\eta, \mu, \nu$ (prenant uniquement les valeurs 0 ou maximales), tandis que $\alpha$ reste lisse en raison de la nature quadratique de la dynamique de $\alpha$ .
Scénario 2 (Forte Propagation) : Lorsque le taux d'infection de la maladie et le taux de propagation de la non-conformité sont élevés, et qu'une partie importante des nouvelles naissances est non conforme, les contrôles deviennent moins efficaces. Seul un décideur avec des poids de coût d'infection très élevés ( $c_1 \ge 6$ ) juge optimal de supprimer totalement la maladie ; sinon, la stratégie optimale consiste à laisser la maladie suivre son cours en raison du coût prohibitif du contrôle.
Scénario 3 (Proclivité de Base) : L'augmentation de la proportion de base des nouvelles naissances non conformes ( $\xi$ ) révèle un seuil critique. Lorsque $\xi < 0,5$ , il est optimal de supprimer la non-conformité. Cependant, lorsque $\xi \ge 0,5$ , les contrôles comportementaux ( $\mu$ ) deviennent inefficaces (tombant à zéro), et le système ne peut être guidé vers un équilibre sans maladie.

Signification et Revendications
L'article revendique trois contributions principales :

Sociologique/Modélisation : Il fournit un cadre mécaniste où l'adhésion aux INP est une quantité épidémiologique dynamique plutôt qu'un paramètre fixe. Il démontre que les stratégies de contrôle optimal sont hautement sensibles aux préférences du décideur et que ignorer la dynamique de la non-conformité conduit à des stratégies sous-optimales ou inefficaces. Il souligne que les interventions ciblant la non-conformité sont justifiées par leurs effets en aval sur la transmission de la maladie, même si la non-conformité elle-même n'entraîne aucun coût direct.
Mathématique (Existence) : Il fournit un cadre d'existence général pour les contrôles optimaux dans les modèles biologiques qui permet des dynamiques non linéaires, des coûts non lisses/non convexes (spécifiquement $L^1$ ), et des contrôles discontinus. Cela relaxe les hypothèses courantes (comme les systèmes affines au contrôle et les coûts $L^2$ ) souvent utilisées pour la commodité analytique mais qui sont physiquement irréalistes pour certaines interventions de politique publique.
Numérique : Il préconise l'utilisation de la méthode SQH en épidémiologie, arguant qu'elle offre de meilleures propriétés de convergence que la méthode FBSM largement utilisée tout en restant implémentable. Les auteurs démontrent que la méthode SQH peut résoudre efficacement des problèmes de contrôle optimal complexes impliquant des coûts $L^1$ et des solutions discontinues.

Les auteurs concluent que bien que l'étude soit qualitative, elle souligne la nécessité d'intégrer la dynamique comportementale dans les modèles épidémiologiques et suggère que les travaux futurs pourraient incorporer la stochasticité, les structures de réseaux, la théorie des jeux évolutionnaires et des variables de contrôle plus granulaires (par exemple, la vaccination, le contrôle des médias).