Ce travail se situe en marge : les travaux les plus proches dans les archives étudient les épidémies à travers les contacts, les flambées virales et la progression de la maladie en ville, mais presque personne ne construit une image microscopique avec des agents auto-propulsés. Les modèles classiques SIR et SI décrivent bien l'évolution temporelle d'une épidémie, mais restent muets sur la manière dont le mouvement et l'organisation spatiale des personnes influencent la transmission de l'infection. Les tentatives précédentes d'introduire l'activité des particules en épidémiologie ont déjà montré que la vitesse des agents et le rayon d'infection modifient les courbes de la maladie, mais le rôle de la protection individuelle, comme la vaccination ou les masques, restait inexploré au niveau microscopique.
Les chercheurs ont modélisé 3000 agents comme des particules browniennes actives dans un domaine carré bidimensionnel avec des conditions aux limites périodiques. Chaque particule se déplace par elle-même à vitesse constante et subit des changements de direction aléatoires ; entre elles, les particules se repoussent selon le potentiel de Weeks–Chandler–Andersen. Les agents se répartissent en susceptibles, infectés et protégés ; un agent susceptible est infecté s'il se trouve à moins du rayon d'infection d'un agent infecté pendant un temps de contact donné. La proportion d'agents protégés a été variée de 0 à 50 %, et la densité de population a été modulée en changeant la taille du domaine à nombre de particules fixe. Pour chaque jeu de paramètres, dix simulations indépendantes ont été réalisées sur les supercalculateurs Miztli et Laboratorio de Supercómputo del Bajío, et les courbes d'infection ont été ajustées par une fonction d'erreur.
Les courbes du nombre d'infectés au cours du temps ont une forme sigmoïde, et leur dérivée, c'est-à-dire le taux d'infection, atteint un maximum au moment où l'épidémie se propage le plus rapidement. Lorsque la proportion de protégés est inférieure à 30 %, les courbes d'infection normalisées pour différentes densités se replient sur une courbe universelle unique, et le taux d'infection maximal croît comme la racine carrée de la densité. Cela concorde avec une estimation simple : la distance caractéristique entre particules est inversement proportionnelle à la racine carrée de la densité, donc la fréquence des rencontres est proportionnelle à la racine carrée de la densité. Lorsque la proportion de protégés dépasse 30 %, l'universalité disparaît : les courbes divergent, et la protection commence à dominer. Dans les populations clairsemées, la suppression de l'épidémie est plus marquée que dans les populations denses, où la fréquence élevée des rencontres compense en partie l'effet de la protection.
Ce travail se distingue des travaux voisins par le fait qu'il introduit pour la première fois de manière systématique des agents protégés dans un modèle microscopique de matière active et met en évidence un croisement net séparant deux régimes. Les études voisines considèrent soit la dynamique pure des contacts sans auto-propulsion, soit les flambées comme des chocs aléatoires, mais ne montrent pas comment la protection individuelle interagit avec la densité au niveau du mouvement des particules. Ici, on découvre une loi universelle pour une faible protection et sa violation pour une protection élevée, ce qui fournit une explication microscopique de la dépendance non linéaire des taux de contact à la densité, déjà observée dans les modèles spatiaux.
Le sujet pourrait évoluer vers une détermination plus précise du croisement : les auteurs prévoient d'explorer des valeurs supplémentaires de la proportion de protégés autour de 30 % pour comprendre si la transition est un phénomène critique net ou un croisement progressif. Il serait également prometteur de comparer avec des modèles de réseaux de percolation épidémique, afin de relier l'organisation spatiale des agents à l'émergence d'une infection à grande échelle et de déterminer l'origine microscopique de la loi d'échelle en racine carrée.
Les résultats pourraient influencer la modélisation des épidémies en milieu urbain, où la densité de population et le niveau de vaccination ou de port du masque varient d'un quartier à l'autre. Ils sont également utiles pour comprendre les flambées zoonotiques dans les lieux à forte densité animale, comme les élevages d'animaux à fourrure.
La prochaine étape consiste à étudier en détail la zone de croisement autour de 30 % de protection, en faisant varier la proportion de protégés par petits pas. Ensuite, on prévoit de confronter le modèle aux réseaux de percolation épidémique pour établir un lien quantitatif entre la structure spatiale et le seuil épidémique.
Ce travail aborde un problème ancien de l'épidémiologie : comment les taux de contact dépendent non linéairement de la densité de population et comment les mesures de protection individuelles modifient cette relation. Les modèles compartimentaux classiques supposent un mélange homogène, ce qui ne reflète pas l'hétérogénéité spatiale réelle ; cette étude montre que la prise en compte du mouvement et des interactions locales conduit à de nouveaux régimes impossibles à dériver des équations SIR.
Dans le modèle, avec une proportion de protégés exactement de 30 %, le temps d'atteinte du pic épidémique passe de 138 à 161 unités sans dimension, ce qui signifie que la protection non seulement réduit la hauteur du pic, mais le retarde également de manière notable.