Accidents de la route - Le secours prédictif grâce au big data

Le secours prédictif, c’est l’art d’analyser des données sur les foules pour évaluer la probabilité de survenue d'un accident, donc d’anticiper les ressources nécessaires. Un modèle complexe à mettre en oeuvre. Déjà testé par la police allemande, il doit encore faire ses preuves.

Le big data pour la prévision des accidents et la gestion dynamique des ressources

Minority Report (2002) : des agents doués de précognition arrêtent des criminels avant qu’ils ne commettent leurs méfaits. Un modèle pour la médecine d’urgence ? Le secours prédictif, c’est l’art d’analyser des données sur les foules pour évaluer la probabilité de survenue d'un accident. Donc d’anticiper les ressources nécessaires. 

En Allemagne, des algorithmes sont déjà utilisés par les forces de police pour calculer la probabilité de survenue de délits, notamment des cambriolages. Le dépassement d’un seuil déclenche l’envoi de patrouilles dans les zones ainsi surveillées car particulièrement vulnérables. Le projet « Precobs » a été expérimenté en Bavière et en Suisse, et l’est encore dans les commissariats de Karlsruhe et de Stuttgart.

Optimiser le déploiement des premiers secours 

Marie-Thérèse Mennig est responsable du projet de recherche « preRESC » déployé en Rhénanie du Nord-Westphalie (état situé à l’ouest, dont la capitale est Düsseldorf). Cette spécialiste de l'analyse des données de mobilité explique : « Nous pouvons créer des profils d'utilisateurs à partir de données provenant de différentes applications. Nous savons où se trouvent les personnes au cours d’une journée, mais de manière anonyme. Cela permet par exemple d'analyser les points d'intérêt et le comportement de groupes spécifiques quant à leur mobilité. »

C'est là que réside le potentiel pour les services d'urgence : calculer la probabilité de survenue d'un accident en raison de la densité du traffic et de l'historique pour déployer des véhicules d’intervention sur zone et optimiser la planification de leur itinéraire. Autre intérêt, des équipements de premiers secours peuvent être positionnés dans les espaces publics en utilisant des informations dynamiques sur les lieux à risque. Jusqu'à présent, l’anticipation des besoins reposait surtout sur l'expérience des professionnels des secours. Ceux-ci pourraient à terme s’appuyer aussi sur une base de données fiable, actualisée en temps réel.

Une idée séduisante, un projet complexe

En Allemagne, de telles innovations rencontrent plusieurs freins. La collecte des données à grand échelle reste sensible. Autre difficulté : il faut identifier et analyser les bonnes sources de données mais aussi les relier entre elles, ce qui implique notamment un travail sur la reconnaissance des formes. Il s’agit donc de projets au long cours, qui nécessitent une volonté de coopérer, des conditions techniques préalables, l’analyses des données puis l’élaboration de recommandations. Selon Mme Mennig, une phase d'auto-apprentissage par deep learning et des simulations sont nécessaires pour optimiser la planification des ressources des services de secours, y compris sur le plan économique.

Ce secours prédictif est-il la panacée ? Pas si sûr. Les études menée sur les projets pilotes de la police ne sont pas convaincantes. Trop de facteurs entrent en jeu pour que leur efficacité puisse être avérée. Un sondage réalisé auprès de plus de 700 policiers sur leur expérience de la police prédictive a révélé des opinions fortement polarisées. Reste aussi à savoir dans quelle mesure le travail des forces de police et celui des services d'urgence est comparable pour ce type de modèles prédictifs
 


Vous êtes médecin ?
Pour recevoir une sélection de nos articles ou les commenter, il vous suffit de vous inscrire.

Sources :
1- 10e Congrès national de télémédecine de Berlin (13-14 janvier 2020)
2- https://www.mpicc.de/de/forschung/projekte/predictive-policing/