8.4.2 SMA dans la
modélisation de la propagation des épidémies animales
Le premier travail de modélisation en
épidémiologie a été réalisé par
Bernoulli, vers la fin du dix-huitième siècle (1760), pour
évaluer l'efficacité de la variolisation : nombre de morts
évités et gain d'espérance de vie. La modélisation
« fonctionnelle » d'un système épidémique part
de l'apparaître des phénomènes observés,
l'expression du système, pour poser des hypothèses sur les
processus de contrôles sous-jacents [Sabatier, Bicout & al., 2005].
Les principaux modèles retrouvées dans la littérature sont
le modèle SI (Sensible-Infecté), le modèle SIR
(Sensible-Infecté-Guéri ou Immunisé) qui est le plus
utilisé et le modèle SEIR
(Sensible-Exposé-Infecté-Guéri) [Choisy, 2010].
Dans leur article, Ivorra et al. [Ivorra & al., 2009]
présentent un modèle hybride spatial développé pour
la propagation de la peste porcine classique (PPC). Ce modèle est
basé sur la combinaison d'un modèle stochastique
individu-centré, basé sur un modèle de
Sensible-infecté.
Un travail de modélisation multi-agents consacré
à la peste bubonique Malgache a été effectué par
Lepierre [Lepierre, 2006], pour représenter la dynamique des
interactions afin de mieux comprendre, par des simulations exploratoires,
l'expression spatiotemporelle de la peste à grande échelle, au
cours d'une phase d'épidémie. Cette modélisation passe par
la définition des diagrammes d'états UML pour caractériser
les agents qui interviennent dans l'expression de la peste.
Dans ses travaux de thèse, Weber présente une
simulation orientée agents pour la propagation d'un parasite dans un
écosystème : Cryptosporidium. Ce parasite infecte les
humains comme les animaux et qui se vit le plus dans l'élevage bovin
[Weber, 2007]. Au cours de ses travaux sur la race bovine, il définit
individuellement les caractéristiques des agents du domaine, ensuite les
interactions entre ces agents, avant de faire une simulation.
| 
