L’intelligence artificielle pour la distanciation sociale

29 septembre 2020

Dans un effort de contrôler l’actuelle pandémie de Covid-19, plusieurs entreprises et instituts de recherche ont développé des applications mobiles utilisant l’intelligence artificielle pour aider au maintien de la distanciation sociale. Comment fonctionnent-ces applications ?

La fin du confinement en temps de Covid-19 a mené à la mise en place de différentes mesures de distanciation sociale et de prévention. Différentes applications mobiles furent développées dans les derniers mois dans le but d’aider les citoyens dans leur maintien de ces règles de distanciation. En particulier, l’institut québécois d’intelligence artificielle (MILA) a proposé une application nommée COVI, dont l’algorithme permettrait de calculer la probabilité d’être atteint de la Covid-19. Pour être plus facile d’utilisation, ses usagers recevraient des recommandations personnalisées adaptées à la valeur de cette probabilité : aller se faire tester, privilégier la livraison à domicile, éviter de sortir dans des lieux publics, etc.

Une application basée sur des données

Pour faire des recommandations, les applications ont besoin de données, dont certaines peuvent être obtenues par l’appareil mobile à l’aide du protocole de communication Bluetooth. En effet, les appareils numériques dont le Bluetooth est activé peuvent se reconnaître mutuellement lorsqu’ils sont proches l’un de l’autre. Ainsi, lorsqu’une personne recevrait un diagnostic positif, un avertissement serait envoyé aux personnes l’ayant croisé.

Outre l’interaction avec autrui via Bluetooth, l’application COVI prévoyait utiliser encore davantage de données, telles l’état de santé des utilisateurs ou leurs caractéristiques (âge, sexe, …), en vue de faire ses recommandations.

Ces informations servent de données d’entrée à l’algorithme d’intelligence artificielle sous-jacent à l’application. Le principe derrière un tel algorithme est de prendre des données d’entrée, ici donnée par l’utilisateur, pour ensuite trouver des liens menant à une conclusion en sortie. Lorsqu’il y a plusieurs données d’entrées, ces liens sont très difficiles voire impossibles à identifier par un humain.

Prenons un exemple simplifié: un patient asthmatique âgé de 70 ans ayant eu peu de contact avec l’extérieur. L’algorithme liera l’âge et l’asthme au fait d’être vulnérable à la Covid et fera un lien entre le peu de contact et une plus petite probabilité d’avoir contracté le virus. En pondérant ces facteurs, la conclusion en sortie sera alors probablement de limiter les activités à l’extérieur sans pour autant devoir aller faire le test de dépistage. Ces liens se trouvent dans l’algorithme à travers différentes équations.

Un apprentissage préalable nécessaire

Mais comment cet algorithme a-t-il trouvé ces liens et établi l’importance relative des différents facteurs en premier lieu? Il doit s’entraîner avec des données dont on connaît déjà les conclusions. L’algorithme peut alors tester différents liens (plusieurs milliers d’hypothèses !) jusqu’à trouver les bons, ceux qui unissent les données d’entrées à la bonne conclusion en sortie. Ainsi, lorsque l’algorithme rencontre, lors de son entraînement, plusieurs données de patients de plus de 70 ans avec comme conclusion le fait d’éviter les activités à l’extérieur, l’algorithme « apprend » à lier ces 2 éléments. L’équipe du MILA avaient prévu que certains utilisateurs puissent fournir leurs données volontairement pour l’entraînement de l’algorithme.

Des questions éthiques furent soulevées concernant la protection des données personnelles face à l’implantation de l’application COVI. L’implantation de celle-ci n’ira donc pas de l’avant. D’autres applications pour la Covid-19 ont vu le jour, mais ne sont toujours pas implantées au Québec à ce jour. Cela reste donc un dossier à suivre!

AUTEURE: FLORENCE VÉRONNEAU-VEILLEUX
SOURCE: POINT-SCIENCE

Vous aimerez aussi