AVANT-PROPOS
L'Institut Africain d'Informatique créé le 29
janvier 1971 à FORT-LAMY, ancien nom de la capitale politique de la
République du TCHAD, dans le cadre du renforcement de la
solidarité l'unité africaine est une école
inter-état d'enseignement supérieur. L'IAI comprend cinq
(5) filières : Licence, Analystes programmeurs, Maitrise en Informatique
Appliquée à la Gestion des Entreprises (MIAGE), Master et
Ingénieur.
Cette école de renommée internationale,
intègre dans le cursus de formation des ingénieurs de conception
en informatique, en fin de cycle, un stage de formation pratique d'une
durée de 5 (cinq) mois en entreprise ou dans un laboratoire de
recherche. Ce stage de fin d'études vise à mettre les
élèves ingénieurs dans un environnement pratique afin de
leur permettre une intégration en milieu professionnel plus
aisée.
Le présent document constitue donc l'aboutissement de
trois (3) années de formation à l'Institut Africain
d'Informatique de Libreville et cinq (5) mois de stage de recherche
effectué au sein du Laboratoire Africain d'Informatique et de
Mathématiques Appliquées. Il tient lieu de mémoire de fin
de formation d'ingénieurs de conception en Informatique et s'intitule
: « Évaluation de la dynamique spatio-temporelle de
l'évolution de la Covid-19 à Libreville : par une approche
Machine Learning »
RESUME
La crise de la covid-19 a rapidement dépassé le
domaine strictement médical pour impacter l'ensemble des secteurs
d'activités. Le système « Gabon » a été
soumis à une série de chocs majeurs successifs : une crise
sanitaire, suivie d'une crise économique. Relever le défi de la
santé dans un environnement fortement perturbé s'est
imposé aux autorités de santé publique : comprendre le
présent, anticiper le futur, comprendre les leviers d'actions possibles,
étudier des scenarii sont devenus des éléments clés
pour les décideurs. Les prévisions spatio-temporelles des
maladies infectieuses passent rapidement au premier plan des politiques et des
réponses de santé publique en raison de leur rôle
clé dans les stratégies d'atténuation des risques. La
modélisation et la simulation ont ainsi acquis une nouvelle
visibilité liée à ces nouvelles exigences. Mais
très vite des limitations sont apparues dans la seule prise en compte de
la dynamique temporelle de l'épidémie. D'autres facteurs se sont
révélés essentiels : la dimension géographique ou
spatiale. En raison de la complexité du problème
épidémiologique et de la disponibilité des données,
le Machine Learning a récemment attiré l'attention pour la
construction de modèles de prédiction d'épidémie.
Les approches Machine Learning visent à développer des
modèles avec une plus grande capacité de
généralisation et une plus grande fiabilité de
prédiction pour des délais plus longs.
La finalité de ce mémoire est d'explorer
l'application du Machine Learning pour modéliser la pandémie de
la COVID-19. Ainsi il est question d'une part de développer un
modèle de régression, basé sur l'algorithme de «
Facebook Prophet » pour prédire la dynamique temporelle de
l'épidémie dans la ville de Libreville. Ensuite de
développer un modèle de clustering, base sur l'algorithme K-means
et le système d'information géographiques(SIG), pour
déterminer les clusters à risques à l'échelle
d'arrondissements et à l'échelle de quartier. Enfin de concevoir
un tableau de bord intelligent de suivi de la dynamique spatio-temporelle d'une
épidémie
Mots-clés : Covid-19- le machine learning - Facebook
Prophet - K-means - SIG - Cluster - modélisation .
| 
