La Grèce a déployé Eva, un système d'apprentissage par renforcement dirigeant les tests COVID-19 vers les voyageurs à haut risque dans plus de 40 points d'entrée, détectant 2× plus de cas asymptomatiques que le dépistage aléatoire, en traitant plus de 40 000 ménages par jour.
2x
Taux de détection des cas asymptomatiques par rapport aux tests de surveillance standard (6 Aug-30 Oct 2020)
up to 4x
Taux de détection des cas asymptomatiques par rapport aux tests de surveillance standard, haute saison (August-September 2020)
85% more tests
Tests supplémentaires que les tests aléatoires nécessiteraient pour égaler la détection d'Eva
17%
Part des foyers arrivants orientés vers un test PCR
>40,000 households/day
Foyers traités par jour en haute saison
40+
Points d'entrée nationaux couverts
Details
Maturity
Discontinued
Promoter
Greek Ministry of Civil Protection / Ministry of Tourism
Period
2020
Keywords
border management, public health, reinforcement learning, epidemiology, targeted testing, COVID-19
Context
Eva était un système d'apprentissage par renforcement en temps réel, développé bénévolement pour le gouvernement grec par une équipe interdisciplinaire de chercheurs en recherche opérationnelle, d'épidémiologistes et d'ingénieurs logiciels de USC Marshall, Wharton et AgentRisk. Il a été déployé dans plus de 40 points d'entrée nationaux de la Grèce (aéroports, postes-frontières terrestres, ports maritimes) du 6 août au 30 octobre 2020, pendant la pandémie de COVID-19.
Objectives
Allouer un budget quotidien limité de tests COVID-19 parmi les voyageurs arrivants afin de maximiser la détection des infections asymptomatiques, à partir de données anonymisées soumises par les voyageurs avant leur arrivée.
Activities
Les voyageurs soumettaient un formulaire de localisation des passagers au moins 24 heures avant leur arrivée. Eva agrégeait des données démographiques et d'origine anonymisées, sans conserver d'identifiants individuels, pour orienter dynamiquement environ 17 % des foyers arrivants vers un test PCR, les autres faisant l'objet d'un échantillonnage de routine. Le gouvernement grec a partagé des estimations de prévalence en temps réel avec l'UE afin d'éclairer les protocoles de voyage régionaux, et l'algorithme sous-jacent a ensuite été mis en open source pour une adaptation internationale.
Results
L'étude évaluée par les pairs publiée dans Nature (septembre 2021) a révélé qu'Eva détectait deux fois plus d'individus infectés asymptomatiques que les tests de surveillance standard, jusqu'à quatre fois plus en haute saison (août-septembre) ; égaler cette détection par des tests aléatoires aurait nécessité 85 % de tests supplémentaires. Le système a traité les données de plus de 40 000 foyers par jour en haute saison et a remporté le prix Daniel H. Wagner de l'INFORMS pour l'excellence en pratique de la recherche opérationnelle.
Conclusions
Eva constitue un exemple rare et techniquement bien étayé de réponse à une crise assistée par l'IA, mais l'Association hellénique d'informatique a soulevé en novembre 2020 des questions de gouvernance et de confidentialité concernant le système qui n'ont pas été pleinement traitées publiquement, illustrant qu'une preuve technique solide ne résout pas à elle seule les enjeux de redevabilité.
Implementation
Indicative cost
Medium (€50k–€500k) — Core system was developed pro bono by an academic/industry team; the practice description does not itemise the government's own operating costs for running the system across 40+ entry points.
Time to results
Short (< 1 year) — Deployed across a single COVID-19 tourist season, 6 August to 30 October 2020 (about three months).
Staffing & skills
Interdisciplinary pro-bono team of operations researchers, epidemiologists and software engineers (USC Marshall, Wharton, AgentRisk), Greek Ministry of Civil Protection / Ministry of Tourism officials administering border testing
Conditions for success
Mandatory Passenger Locator Form submitted at least 24 hours before arrival
Centralised, anonymised aggregation of traveller demographic/origin data feeding a dynamic daily testing-budget allocation
Coordination across all national entry points and real-time data sharing with EU authorities
Common failure modes
Hellenic Informatics Association raised governance and privacy questions about the system's conception in November 2020 that were not fully publicly addressed
Where it fits
Governance type
national government (Ministry of Civil Protection / Ministry of Tourism)
Scale
national, 40+ border points
Income level
high-income
Data sources
Where this practice's information was retrieved from, and when.
Statistics Sierra Leone and the GRID3 partnership use machine-learning building-footprint detection on satellite imagery to map population at 1-hectare resolution, …
