L’enjeu de ce postdoctorat porte sur l’optimisation du ciblage de mesures préventives, avec un accent spécifique mis sur la vaccination et les levées de restrictions associées. Dans ce cadre, je voudrais profiter de l’accès à une structuration des liens entre individus bien plus détaillée, en m'appuyant sur les derniers modèles individu-centrés proposés dans l'élan de recherche contre la Covid.
En tant que modélisateur, mon enjeu va d’abord être de savoir juger le niveau de description pertinent pour la mise en place du problème d’optimisation. Son évaluation en conditions plus réalistes et l’analyse de son incertitude constituent les étapes suivantes.
Pour le moment, je m’appuie sur les limites d’échelles en grande population pour lesquelles il est classique de supposer que tous les individus interagissent entre eux selon un taux fonction seulement de leurs types respectifs. Je déclare ”non-localisé” ce type de modèle. Car de nombreuses interactions sont en réalité modulées par des structures beaucoup plus figées entre individus ”voisins”. Sur des tels exemples de voisinage, je regarde donc par couplages quelles bornes je peux obtenir sur les écarts de contaminations par rapport aux modèles non-localisés correspondant. Cela permet de quantifier les répercussions des étapes de simplifications et ainsi d'éclairer ces choix.