L'IA peut-elle prédire la propagation du virus Hanta à partir de données d'actualités ?

En 2024, les systèmes d'IA peuvent ingérer de grands volumes de rapports d'actualité multilingues, les pré-traiter avec une reconnaissance d'entités nommées pour extraire les comptes d'événements et de cas, puis alimenter ces signaux dans des modèles épidémiologiques qui estiment le risque de transmission du virus Hanta. Plusieurs prototypes de recherche ont montré que la combinaison de modèles de langage basés sur des transformateurs avec des modèles compartimentaux peut reproduire les schémas historiques de flambées et fournir des prévisions à court terme avec une précision comparable aux systèmes de surveillance traditionnels, bien que les performances se dégradent lorsque la couverture des médias locaux est rare ou biaisée. Les agences de santé publique n'ont pas encore intégré ces pipelines d'IA dans leurs tableaux de bord de surveillance de routine.

— Enriched 12 mai 2026 · Source : Organisation mondiale de la Santé

Background

As of 2024, AI systems ingest large volumes of multilingual news reports, pre-process them with named-entity recognition to extract event and case counts, and then feed those signals into epidemiological models that estimate hantavirus transmission risk. Several research prototypes have shown that combining transformer-based language models with compartmental models can reproduce historical outbreak patterns and provide short-term forecasts with accuracy comparable to traditional surveillance systems [World Health Organization, 2026]. Performance degrades when coverage of local media is sparse or biased. Public-health agencies have not yet integrated these AI pipelines into routine surveillance dashboards.