Un modèle par morceaux interprétable pour la mortalité humaine : le modèle Christopher–Samba

Pourquoi cela compte dans la vie quotidienne

Comment vos chances de mourir évoluent avec l’âge peut sembler morbide, mais cela façonne discrètement tout, des systèmes de retraite et des primes d’assurance‑vie à la planification hospitalière et aux politiques de santé publique. Cet article présente une nouvelle manière de décrire ces risques changeants au cours de la vie en n’utilisant que quelques nombres faciles à comprendre. En rendant ces profils plus clairs et plus comparables entre pays et au fil du temps, le modèle aide à voir comment les progrès de la médecine, du niveau de vie et du vieillissement redessinent la durée de vie humaine.

Une image simple de la vie et de la mort

Partout dans le monde, la mortalité humaine suit un schéma étonnamment régulier. Le risque de décès est élevé juste après la naissance, diminue rapidement pendant la petite enfance, reste très faible durant la jeunesse, puis augmente de nouveau avec l’âge, pour s’élever fortement à la vieillesse. Les modèles mathématiques classiques reproduisent cette forme générale, mais ils s’appuient souvent sur de nombreux paramètres abstraits difficiles à interpréter pour les non‑spécialistes et même pour les décideurs. Cela complique l’utilisation directe des résultats des modèles pour comparer des pays, suivre des progrès ou planifier les besoins futurs en santé et retraites.

Une vue en deux parties du parcours de vie

Les auteurs proposent le modèle Christopher–Samba (C–S), une nouvelle approche « par morceaux » qui traite séparément la petite enfance et le reste de la vie. La première partie couvre les âges de 0 à 5 ans. Ici, le risque de décès décroît de façon lisse et exponentielle, capturant les améliorations rapides de la survie qui suivent la période néonatale fragile. Deux paramètres décrivent cette phase : l’un reflète la probabilité de mourir durant la première année de vie, l’autre décrit la vitesse à laquelle ce risque diminue d’une année à l’autre. Ensemble, ils fournissent un résumé compact des conditions de survie infantile et juvénile dans une population.

Points de basculement clés du vieillissement

Après 5 ans, le modèle C–S bascule vers une version retravaillée d’une courbe logistique, qui monte lentement au début puis plus fortement à des âges élevés avant de se stabiliser. Plutôt que d’utiliser des constantes mathématiques opaques, les auteurs réexpriment cette courbe en termes de deux âges concrets. Le premier est l’âge auquel la probabilité annuelle de mourir atteint environ 1 %, qu’ils nomment le début de l’augmentation de la mortalité. Le second est l’âge auquel cette probabilité atteint environ 10 %, décrit comme l’âge de mortalité sévère. Ces deux âges servent de jalons le long du parcours du vieillissement, indiquant quand le risque de décès commence à peser sur la dynamique de la population et quand il devient très élevé pour les rares personnes atteignant un âge extrême.

Ce que le modèle révèle entre les pays

Pour tester leur approche, les auteurs ont appliqué le modèle C–S à des données détaillées de mortalité provenant de dix pays tirées de la Human Mortality Database, notamment Australie, Canada, Chili, Allemagne, Hong Kong, Italie, Japon, Corée, Royaume‑Uni et États‑Unis. Pour chaque pays, ils ont examiné une année ancienne (à partir de 1921) et une année récente autour de 2020–2023. Le modèle ajuste bien les données observées dans tous les cas et donne des performances comparables à plusieurs modèles classiques de mortalité, malgré un nombre de paramètres inférieur. Les résultats illustrent clairement des tendances historiques familières : les décès infantiles sont passés de pourcentages à deux chiffres au début du XXe siècle à bien en‑dessous de 1 % dans la plupart des pays à revenus élevés aujourd’hui, et la survie d’une année d’enfance à la suivante s’est nettement améliorée.

Déplacement des âges de risque et données inégales

Les nouveaux paramètres éclairent aussi la manière dont le vieillissement lui‑même a évolué. Dans des pays comme l’Australie, le Canada et les États‑Unis, l’âge auquel le risque annuel de décès atteint 1 % s’est déplacé d’une à trois décennies, ce qui signifie que les personnes passent aujourd’hui beaucoup plus d’années dans une phase de mortalité très faible. En revanche, l’âge de mortalité sévère — le seuil de 10 % — n’a bougé que modestement, généralement de moins de dix ans, et varie encore nettement entre pays. Hong Kong et le Japon, par exemple, se distinguent par des âges particulièrement tardifs pour l’apparition et la sévérité de la mortalité, reflétant leurs populations exceptionnellement longévives. Lorsque les auteurs ont tenté d’appliquer le modèle à des pays disposant de données de mortalité plus pauvres ou plus grossières, comme l’Inde, ils ont constaté que les résultats étaient moins stables, soulignant la nécessité d’enregistrements de bonne qualité ou de méthodes de lissage prudentes.

Ce que cela signifie pour notre compréhension de la longévité

En termes simples, le modèle Christopher–Samba offre une manière claire et compacte de décrire comment le risque de décès diminue en début de vie puis remonte avec l’âge, en utilisant quatre nombres qui se rattachent directement à des concepts quotidiens : le risque de décès infantile, la vitesse d’amélioration de la survie en enfance, et deux âges jalons marquant le début d’une mortalité notable et l’arrivée d’un risque très élevé. Parce que ces nombres sont faciles à interpréter et à comparer, ils donnent aux chercheurs, assureurs et décideurs une vision plus nette de qui meurt et quand, de l’évolution observée au cours du dernier siècle et des évolutions possibles à mesure que les sociétés vieillissent. Le modèle ne remplace pas tous les autres, mais il constitue un outil pratique et interprétable qui aide à traduire des schémas complexes de mortalité en informations utiles pour des décisions concrètes.

Citation: Lalromawia, C., Pasupuleti, S.S.R. An interpretable piecewise model for human mortality: the Christopher–Samba model. Sci Rep 16, 12361 (2026). https://doi.org/10.1038/s41598-026-40550-2

Mots-clés: mortalité humaine, schémas du vieillissement, modélisation de la mortalité, espérance de vie, santé publique démographie