Des chercheurs ont mis au point un nouvel outil de modélisation basé sur l’intelligence artificielle capable de prédire avec précision la propagation des maladies infectieuses dans des environnements confinés et d’aider à définir des stratégies de containment plus efficaces. Cette étude présente le modèle AGID (AI-GIS Infection Dynamics), une innovation qui combine l’intelligence artificielle, les systèmes d’information géographique (SIG) et des données sur les comportements humains pour simuler la dynamique de diffusion des maladies dans des espaces clos comme les transports en commun, les hôpitaux, les écoles ou les usines. Contrairement aux modèles traditionnels, qui reposent souvent sur des hypothèses simplifiées sur les interactions humaines, l’AGID intègre des données réelles sur les déplacements, les interactions sociales et les caractéristiques physiques des lieux. Grâce à une analyse en temps réel et à des algorithmes d’apprentissage profond, le modèle peut anticiper les points chauds d’infection, identifier les zones les plus vulnérables et évaluer l’efficacité de différentes mesures de contrôle — comme le port du masque, la ventilation améliorée ou la désinfection ciblée. Les tests réalisés dans des scénarios simulés, notamment dans des salles de classe et des trains, ont démontré que l’AGID prédisait la propagation des maladies avec une précision significativement supérieure à celle des modèles classiques. Il a également permis de proposer des stratégies de containment adaptées, réduisant jusqu’à 40 % l’impact d’une épidémie dans certaines situations. Cette avancée ouvre des perspectives prometteuses pour la prévention des épidémies dans des environnements sensibles. En permettant une réponse rapide et ciblée, l’AGID pourrait devenir un outil essentiel pour les autorités sanitaires, les gestionnaires d’infrastructures publiques et les services d’urgence face aux menaces infectieuses.