Analyse d’ordre fractionnaire d’un modèle écoépidémiologique prédateur–proie induit par la peur avec contrôle optimal et dynamique de bifurcation

Pourquoi la peur et la mémoire comptent en nature

Dans de nombreux écosystèmes sauvages, les animaux font face non seulement au risque d’être consommés, mais aussi au stress constant lié à la présence de prédateurs et à la propagation de maladies infectieuses. Cette étude examine comment la peur des prédateurs et la « mémoire » des événements passés façonnent ensemble les montées et les chutes des populations animales. À l’aide d’outils mathématiques avancés, les auteurs montrent que tenir compte de ces effets peut atténuer les oscillations des populations sauvages et réduire l’effort nécessaire pour contrôler les épidémies.

Prédateurs, infection et rôle caché de la peur

Le point de départ est une chaîne alimentaire comprenant trois acteurs clés : les proies saines, les proies infectées et les prédateurs. Dans de nombreux systèmes réels, les prédateurs ciblent souvent les animaux malades, et la maladie chez les proies peut se transmettre par contact. Au-delà des attaques réelles, la simple présence de prédateurs peut déclencher la peur, qui modifie le comportement des proies. Les animaux effrayés peuvent moins se nourrir, se reproduire moins ou éviter les zones ouvertes, ce qui réduit les taux de natalité et les contacts entre individus. Le modèle intègre toutes ces idées en faisant décroître la croissance des proies lorsque les prédateurs sont nombreux, tandis que la maladie continue de se propager au sein des proies et que les prédateurs se nourrissent à la fois des individus sains et malades.

Ajouter la mémoire aux changements de population

Les modèles de population classiques supposent que l’état présent dépend uniquement des conditions actuelles. Les auteurs utilisent au contraire une approche d’ordre fractionnaire, qui permet aux états passés d’influencer les variations présentes. Concrètement, cela signifie que le système possède une mémoire : les tailles de population et les niveaux de maladie passés continuent d’importer, mais leur influence diminue progressivement. Ce cadre convient bien à l’écologie, où des facteurs comme une immunité durable, des comportements appris et des rétroactions environnementales lentes entraînent des réponses décalées. Mathématiquement, cela modifie la façon dont la croissance, l’infection et la prédation sont combinées, et change les critères déterminant si une coexistence stationnaire des espèces est stable ou si elle cède la place à des cycles et des flambées.

Quand la peur et la mémoire stabilisent le système

À l’aide d’outils de stabilité et d’expériences numériques, les auteurs montrent que la peur et la mémoire agissent de concert pour limiter les fluctuations sauvages. À mesure que l’intensité de la peur augmente, les proies se reproduisent moins, ce qui réduit la propagation de l’infection et diminue la nourriture disponible pour les prédateurs. Cela peut empêcher des cycles explosifs de booms et d’effondrements, voire supprimer certains états de coexistence lorsque la peur est très forte. Parallèlement, la diminution de l’ordre fractionnaire, qui renforce le rôle de la mémoire, élargit les conditions sous lesquelles les populations se stabilisent au lieu d’osciller. Les simulations révèlent des transitions progressives : sans mémoire, le système peut présenter de larges oscillations, voire des comportements complexes ; avec une mémoire plus forte, ces oscillations diminuent ou disparaissent, menant à une dynamique plus calme.

Concevoir des mesures efficaces pour réduire la maladie

Le modèle est étendu pour inclure deux types d’interventions humaines : des mesures qui réduisent la probabilité de transmission de la maladie, et des mesures qui retirent ou traitent les proies infectées. Les auteurs formulent cela comme un problème de contrôle optimal, visant des stratégies qui maintiennent l’infection à un niveau bas tout en minimisant le coût global des actions. Ils déduisent des conditions décrivant comment ajuster les efforts de contrôle au fil du temps, en fonction de l’évolution des populations et d’un ensemble de variables « d’ombre » qui mesurent l’impact futur des choix présents. Les tests numériques montrent que, lorsque les effets de mémoire sont inclus, les pics d’infection sont plus faibles et les interventions requises sont plus modérées et moins coûteuses que dans les modèles sans mémoire.

Ce que cela signifie pour la gestion des maladies sauvages

Globalement, l’étude suggère que la peur des prédateurs et une mémoire écologique durable peuvent stabiliser les systèmes prédateur–proie–maladie et réduire le coût du contrôle des infections. Pour les gestionnaires de la faune et les planificateurs de la conservation, cela signifie que les réponses comportementales naturelles et les rétroactions écologiques retardées peuvent soutenir discrètement les efforts de contrôle des maladies, si elles sont correctement prises en compte. Bien que le travail soit théorique, il offre un prisme plus riche pour penser les écosystèmes réels, où le stress, les perturbations passées et des interventions minutieusement programmées façonnent ensemble la santé et la stabilité des communautés animales.

Citation: Alomari, F.A.H., Bahaa, G.M. Fractional-order analysis of a fear-induced ecoepidemiological predator–prey model with optimal control and bifurcation dynamics. Sci Rep 16, 16130 (2026). https://doi.org/10.1038/s41598-026-52826-8

Mots-clés: prédateur proie, écoépidémiologie, calcul fractionnaire, contrôle optimal, effet de la peur