Les modèles Transformers dans la prévision des maladies infectieuses: cas du nombre de cas actifs de la COVID-19 en Côte d'Ivoire

Depuis son émergence en 2019, la COVID-19 a eu un impact dévastateur sur la santé publique, l'économie et la société à l'échelle mondiale. La Côte d'Ivoire, comme de nombreux autres pays, a été touchée par cette pandémie. Le suivi et la gestion des cas actifs de COVID-19 sont devenus des préoccupations majeures pour les autorités sanitaires ivoiriennes. Or, la quantité de données générées par la pandémie, y compris les cas confirmés, les cas actifs, les décès et les rétablissements, a augmenté de manière exponentielle. La problématique centrale est donc la suivante : comment optimiser la prévision de l'évolution des cas actifs de COVID-19 en Côte d'Ivoire à l'aide de modèles de prédiction avancés, tels que les Transformers, afin de permettre une gestion plus efficace de la pandémie et une prise de décision éclairée en matière de santé publique ? Ainsi, la capacité à prédire avec précision l'évolution des cas actifs de la pandémie est cruciale pour une prise de décision éclairée en matière de santé publique, de ressources allouées et de mesures préventives. L’objectif de ce travail consiste à mettre en place un modèle de prévision utilisant les modèles Transformers. Ces modèles, généralement utilisés dans le traitement du langage naturel, ont permis d’obtenir des prévisions (modèle LSTM-Transformer) en accord avec les tendances générales des cas actifs de la COVID-19 en Côte d'Ivoire, avec un RMSE (Root Mean Squared Error ou Erreur Moyenne Quadratique) de 18.28 et un MAE (Mean Absolute Error ou Erreur Moyenne Absolue) de 15.52. Sur la période test allant du 2022-12-31 au 2023-03-07, nous constatons que les prédictions suivent la tendance des données réelles. Le modèle parvient alors à capturer les variations et les fluctuations de manière satisfaisante. Ils offrent donc un potentiel prometteur pour l'analyse de données complexes, notamment dans le domaine médical et épidémiologique.