Confinement, 2ème vague... pourquoi les prédictions sur le COVID-19 sont fausses ?

Les prédictions sur l'épidémie de COVID-19 sont alarmistes. En France, un rebond épidémique est annoncé dès la levée du confinement. Quelle crédibilité apporter à ces modèles, sachant qu’aucune de leurs prédictions initiales ne s’est vérifiée ? Nous verrons qu’ils reproduisent les mêmes incohérences en s’appuyant sur des postulats erronés et en omettant de nombreux paramètres dans leurs calculs.

Après un confinement strict démarré le 17 mars 2020, la France entame son déconfinement progressif depuis le 11 mai dernier. Cette période est considérée à haut risque par les autorités. La prudence s’affiche donc à court terme : restriction de déplacements, maintien des fermetures pour certains lieux accueillant du public (restaurants, salles de sport…), réouverture partielle des écoles, limitation des rassemblements… au moins jusqu’au 2 juin prochain. Dans le même temps, des décisions à plus long terme ont été adoptées dès le mois d’avril : annulation des grandes compétitions sportives jusqu’au mois d’août, interdiction des événements rassemblant plus de 5000 personnes jusqu’en septembre ou encore par exemple, soutenance des thèses à huis clos jusqu’en octobre dans certaines universités. Si les mesures à court terme semblent pleinement justifiées, celles à long terme interrogent forcément, compte tenu de l’incertitude régnant autour de l’évolution immédiate de l’épidémie.

Alors pourquoi de telles mesures anticipées aussi longtemps à l’avance ? Car les modèles épidémiologiques qui dictent les décisions politiques passées et futures sont extrêmement pessimistes. Ceux publiés dès la fin du mois d’avril prétendent démontrer l’efficacité du confinement et prévoient un rebond épidémique dès la levée des restrictions. Pourtant, ces modèles se sont largement trompés dans leurs prédictions initiales. De plus, ils reproduisent les mêmes incohérences en s’appuyant sur des postulats de départ erronés et en omettant la prise en compte de nombreux paramètres dans leurs calculs. Il existe en effet de nombreuses données indiquant que :

  1. La baisse du nombre de cas en France ces dernières semaines ne peut s’expliquer en totalité par les mesures de confinement
  2. Le taux de contagiosité du SARS-COV-2 n’est pas stable ni dans le temps, ni dans l’espace, évoquant une influence de l’environnement sur l’efficacité de transmission du virus
  3. L’immunité de la population n’est en aucun cas pas un prérequis au déclin d’une épidémie et que le taux d’immunité nécessaire pour enrayer l’épidémie a été exagéré.

Après avoir détaillé ces 3 points, nous étudierons leurs implications sur la fiabilité des modèles épidémiologiques prédisant l’épidémie de COVID-19. Nous verrons par exemple pourquoi l’étude portant sur l’estimation du nombre de morts évités par le confinement en France (environ 60 000) et sur laquelle Edouard Philippe s’est appuyée lors de son allocution du 28 avril est erronée, ou pourquoi toutes les prédictions alarmistes d’un nouveau pic épidémique 6 à 8 semaines après le déconfinement ne sont pas crédibles.

1. Pourquoi le confinement ne permet pas d’expliquer le déclin de l’épidémie en France ?

Si l’effet du confinement en France est indéniable, comme le montre les dernières données publiées par une équipe de l’institut Pasteur dans la revue Science (Salje et al., 2020), il ne peut expliquer à lui seul la spectaculaire diminution du nombre de cas en France ces dernières semaines.

Tout d’abord, des disparités régionales constatées à l’échelle de la France, permettent de démontrer et mieux comprendre l’existence d’une dynamique naturelle du virus SARS-COV-2. Dans une représentation graphique, l’ARS Occitanie a par exemple rapporté l’évolution du nombre d’hospitalisations de COVID-19 en Occitanie à la même échelle que celle de la France (figure 1). Sur cette base, il est possible de constater que la diminution du nombre d’hospitalisations a démarré environ 10 jours plus tôt en Occitanie. Or, l’Occitanie a pourtant bien été confiné à partir du 17 mars en même temps que la totalité du pays. 

Figure 1 : évolution des hospitalisations pour COVID-19 en France d’après l’ARS Occitanie – Bulletin du 15 mai 2020 (https://www.occitanie.ars.sante.fr/system/files/2020-05/%40ARSOC_%23COVID-19_BulletinInfo66_20200515.pdf) Figure 1 : évolution des hospitalisations pour COVID-19 en France d’après l’ARS Occitanie – Bulletin du 15 mai 2020 (https://www.occitanie.ars.sante.fr/system/files/2020-05/%40ARSOC_%23COVID-19_BulletinInfo66_20200515.pdf)

A l’échelle nationale, l’impact du confinement sur la diminution du nombre de cas de COVID-19 a pu être récemment quantifiée (Salje et al., 2020). En effet, il est possible d’estimer le nombre de cas théorique journalier de COVID-19, à partir du nombre connu de nouvelles hospitalisations. Cette estimation est possible compte tenu du taux d’hospitalisation connu (3,6 % des patients atteints de COVID-19) et du délai moyen connu entre la contamination et l’admission à l’hôpital. A partir de cette estimation, les auteurs rapportent une diminution du nombre de nouveau cas de COVID-19 en France, dès le 17 mars, soit au 1er jour du confinement, soulignant l’impact positif de cette mesure. Par extrapolation, à partir de la figure 1, nous pouvons donc en déduire que le nombre de cas de COVID-19 aurait commencé à diminuer dans la région Occitanie 10 jours plus tôt qu’au niveau national, soit aux alentours du 7 mars, avant le début du confinement.

Un autre exemple marquant concerne le respect de moins en moins important du confinement et des mesures de distanciation sociale au fur et à mesure du temps en France, alors même que l’épidémie poursuivait son déclin. Alors que fin mars 70,3 % des français déclaraient respecter le confinement, la limitation des interactions et les gestes barrières, ce chiffre est descendu à 57,3 % début mai, soit une chute de 13 points (enquête CoviPrev). Le moindre respect de ces mesures aurait dû théoriquement se traduire par une reprise de l’épidémie, ou du moins, un déclin moins rapide. Or, c’est exactement tout le contraire qui s’est produit. Dans la version initiale de leur article le 20 avril, Salje et al. ,(2020) prédisait, sur la base d’un modèle mathématique, que 3,7 millions de français auraient contractés le COVID-19 au 11 mai 2020. Ces chiffres sont toutefois revus à la baisse 3 semaines plus tard, dans la publication finale de leur article, en tenant compte des dernières données de l’épidémie au 7 mai 2020 (Salje et al., 2020). Le nombre de français ayant contracté le virus est finalement estimé à 2,8 millions soit environ 25% de moins qu’initialement envisagé. Dans leur conclusion, les auteurs louent l’efficacité des mesures de confinement sur le ralentissement de l’épidémie, qui a vraisemblablement dépassé les espérances fournies par leur modèle mathématique. Ce déclin plus rapide que prévu de l’épidémie parait pourtant très paradoxal au regard du respect de moins en moins marqué des règles sanitaires. Ce paradoxe montre ainsi qu’un ou plusieurs phénomènes indépendants du confinement, explique au moins en partie le déclin brutal de l’épidémie.

Enfin, il semble évident que le confinement ne peut à lui seul contenir l’épidémie de COVID-19. Pour le comprendre, il convient de s’intéresser à l’évolution du nombre de cas récents dans certaines autres régions du monde pourtant déjà confinées. Fin mars dernier, certains états du Brésil optent pour le confinement (Sao Paulo, Rio de Janeiro…) face à l’augmentation du nombre de cas, pourtant bien moins rapide que celle constatée dans le même temps en Europe. Dans un premier temps, l’épidémie est plutôt bien contenue et le confinement semble porter ses fruits. Puis subitement, à compter du 20 avril 2020, l’épidémie semble modifier sa dynamique, avec une envolée spectaculaire du nombre de cas, et ce alors même que la quasi-totalité du pays est déjà confiné depuis 3 semaines (figure 2). Le Brésil n’est pas le seul pays touché par ce curieux phénomène. Le nombre de cas journalier a par exemple été multiplié par 3 début mai en Argentine, par rapport aux données du mois d’avril, en dépit d’un confinement démarré le 20 mars dernier. En Afrique du Sud, il a été multiplié par 6, malgré un confinement entamé le 27 mars. L’explication probable de ce phénomène se trouve dans la 2ème partie de cet exposé.

Figure 2 : évolution du nombre de cas quotidien de COVID-19 au Brésil. Figure 2 : évolution du nombre de cas quotidien de COVID-19 au Brésil.

2. Le COVID-19 est-il sensible à l’environnement et pourrait-il devenir saisonnier ?

Il existe un certain nombre de données évoquant une influence de l’environnement sur la vitesse de propagation du COVID-19. Ce dernier semble en effet se comporter comme un virus saisonnier, avec une propagation loin d’être linéaire et homogène dans chaque région du monde.

Fin mars 2020, Bukhari et al. sont parmi les premiers à rapporter une propagation géographique inégale du COVID-19, avec 90% des cas concentrés entre 30 et 50 degrés de latitude nord sur la planète. Ce phénomène est interprété comme l’indication d’un probable caractère saisonnier du COVID-19. L’évolution observée au cours des mois d’avril et mai n’a fait que renforcer cette possibilité. Comme évoqué précédemment, certains pays ont récemment observé une augmentation spectaculaire du nombre de cas de COVID-19 (Bresil, Argentine, Colombie, Afrique du Sud, Pérou, Inde…), alors même qu’ils étaient déjà confinés depuis plusieurs semaines. A l’inverse, dans les pays d’Europe du Sud et centrale, ou les Etats-Unis, situés entre 30 et 50 degrés de latitude nord, un ralentissement de l’épidémie est observé après qu’un pic ait été atteint. Force est de constater que le confinement n’a pas coïncider avec l’atteinte d’un pic épidémique précoce dans toutes les régions du monde. Dans certains pays, le pic semble encore se faire attendre, en raison d’une épidémie plus tardive et malgré des mesures de confinement déjà en place. L’explication la plus probable est un déplacement de l’épidémie dans les régions où les conditions environnementales lui sont optimales à cette période, après avoir dans un premier temps atteint son pic dans les régions du monde où les conditions environnementales lui étaient d’abord plus favorables.

En effet, si les conditions environnementales optimales à la propagation du SARS-COV-2 ne sont pas clairement connus à cette date, l’hypothèse d’une influence de l’environnement sur la dynamique naturelle de l’épidémie est pour autant hautement probable. La majorité des virus sont sensibles à l’environnement et ont besoin de conditions optimales, propres à chacun d’entre eux, pour se propager. Il est notamment démontré que la vitesse de propagation du virus de la grippe saisonnière n’est pas la même en hiver qu’en été dans les régions tempérés, avec un pic entre novembre et mars dans l’hémisphère nord et entre mai et septembre dans l’hémisphère sud (Tamerius et al., 2013). Ce phénomène de saisonnalité a été majoritairement attribué aux variations de température et d’humidité (Lowen et al., 2014 ; Tamerius et al., 2013). Contrairement aux idées reçues, il existe plusieurs conditions environnementales favorables au développement d’une épidémie grippale. En plus de l’air froid et sec, un taux d’humidité élevé en lien avec des épisodes de précipitations importants, même en environnement chaud, augmente l’efficacité de transmission des virus grippaux (Tamerius et al., 2013, Thai et al., 2015). Des premiers travaux ont également observé une sensibilité du SARS-COV-2 aux variations de températures et d’humidité (Prata et al., 2020 ; Wang et al., 2020). Ces données suggèrent qu’à l’instar des virus grippaux, SARS-COV-2 présente un degré de contagiosité variable dans le temps (c’est-à-dire à différents mois de l’année) et dans l’espace (c’est-à-dire dans les différentes régions du monde).

Par ailleurs, il est important de noter qu’une saisonnalité est retrouvée pour l’ensemble des coronavirus endémiques humains : les virus HCoV-229E, -NL63, -HKU1 et OC43. En Europe, ces 4 virus connaissent chacun un seul pic annuel, pas forcément tous au même moment, mais toujours entre novembre et mars (Gaunt et al., 2010 ; Aldridge et al., 2020). Concernant les deux autres coronavirus humains connus, leur sensibilité à l’environnement est également probable. L’épidémie de SRAS, induite par le virus SARS-COV-1, s’est déclarée en novembre 2002 en Chine, soit à une période comparable au SARS-COV-2, avant de disparaitre plus au sud en juillet 2003, puis de réapparaitre de manière très brève en janvier 2003, à nouveau en Chine. Pour l’épidémie de MERS, induite par MERS-COV et qui sévit toujours à ce jour, 80% des cas mondiaux sont observés en Arabie Saoudite, majoritairement entre mai et septembre. Si l’existence d’une saisonnalité est décrite pour 100% des autres coronavirus humains connus, il semble difficile d’écarter qu’il n’en sera pas de même pour le virus SARS-COV-2, au moins en première intention.

Enfin, une des données importantes à prendre en compte concerne la date réelle d’apparition du premier cas en France, discréditant toutes les prédictions mathématiques appliqués jusqu’à présent pour expliquer le pic de COVID-19. Initialement estimé fin janvier dans l’Oise, le patient zéro est en réalité apparu bien plus tôt. Des réanalyses d’échantillon ont permis de détecter un cas fin décembre en région parisienne, à l’hôpital de Bondy. Il convient de rappeler que la probabilité d’être hospitalisé pour un patient contaminé par le COVID-19 est d’environ 1/28 (Salje et al., 2020). Ainsi, il semble raisonnable de penser que le virus ait pu contaminer de nombreux autres cas avant ce patient, qui n’auraient pas été détectés faute de symptômes suffisamment élevés pour les conduire à l’hôpital. Dans la région Grand-Est, les chiffres convergent vers cette circulation précoce, puisque des premiers cas ont été identifiés dès le 16 novembre à l’hôpital de Colmar par le docteur Schmitt. Si l’on se base sur les modèles épidémiologiques, et notamment le très répandu modèle SIR, le pic de COVID-19 apparait en théorie 6 à 8 semaines après le premier cas (un article très accessible à ce sujet est disponible sur le média The Conversation). Sur cette base, un pic aurait donc dû se produire dès mi-janvier dans la région Grand-Est.

Or, dans son communiqué de presse, le docteur Schmitt indique constater 2 phases distinctes dans l’épidémie : 1) une propagation du COVID-19 initialement très lente, avec quelques cas sporadiques identifiés tout au long des mois de décembre et janvier, puis 2) une accélération brutale à la fin février. L’idée selon laquelle SARS-COV-2 était déjà présent à bas bruit, mais n’avait pas rencontré les conditions environnementales optimales pour se propager rapidement, fait donc son chemin. En effet, nul ne peut opposer l’idée qu’aucun grand rassemblement n’ait eu lieu entre novembre et janvier dans le Grand-Est (marchés de Noël de Strasbourg ou Colmar, fêtes de fin d’année, matches de foot, concerts…). Il est de même difficile d’opposer que le respect des gestes barrières aurait pu freiner la propagation de l’épidémie : à cette période, les campagnes pour l’adoption des gestes barrières n’avaient encore pas démarré. Les embrassades et serrages de main étaient encore la norme.

3. Pourquoi l’immunité de la population n’est en aucun cas pas un prérequis au déclin d’une épidémie

Une des données régulièrement avancée pour prédire le regain du nombre de contamination après la levée des mesures de confinement est l’absence d’immunité suffisante de la population (ou immunité de groupe). Ainsi, alors qu’il est considéré qu’un taux de 70% de la population sera nécessaire pour enrayer l’épidémie en France (Kwok et al., 2020), une étude a estimé que seuls 4,4 % de français ont été pour le moment contaminés, avec des chiffres maximaux situés autour de 10% dans les régions les plus touchées (Salje et al., 2020). La conclusion des auteurs est sans appel : la faible immunité des français face au virus va entraîner un rebond après levée du confinement si des mesures strictes ne sont pas appliquées (Salje et al., 2020). Avec cette conclusion, les auteurs commettent deux erreurs majeures :

  • Un taux d’immunité de 70 % surestime largement le taux d’immunité nécessaire pour enrayer l’épidémie. Le modèle, très basique, ayant servi à établir ce seuil de 70% considère que l’ensemble de la population présente la même probabilité d’être contaminée (Kwok et al. 2020). En pratique, ce postulat est faux, car les individus ayant le plus d’interactions sociales (professionnelles, privées) ou étant les plus fragiles (ex : faible immunité naturelle) sont davantage susceptibles d’être infectés en premier et deviennent immunisés, ce qui fait baisser le seuil (Ferrari et al., 2006). A l’inverse, pour les personnes de nature un plus casanière ou exerçant une profession avec peu d’interactions sociales, la probabilité d’être exposée au virus est réduite. En tenant compte de ces paramètres, Gomes et al. (2020) parviennent à des estimations beaucoup plus optimistes : un taux d’immunité de seulement 10 à 20% serait en réalité nécessaire pour stopper l’épidémie de COVID-19.
  • L’immunité de groupe n’a jamais été un pré-requis pour stopper une épidémie. Il est par exemple estimé qu’entre 2,8 et 26% de la population est contaminée chaque année par l’un des 2 coronavirus endémiques 229E et OC43, selon les années (Walsh et al., 2013). Or, la mémoire immunitaire (c’est-à-dire la période durant laquelle nous sommes immunisés après avoir contracté un virus) face à ces coronavirus ne dépasse pas 1 an (Callow et al., 1990). Cela veut donc dire que chaque année, une proportion très importante de la population, voire presque la totalité, est susceptible d’être à nouveau contaminée. Pour autant, ce phénomène n’empêche pas leur saisonnalité. Ainsi, tandis qu’ils présentent un pic de contamination durant les mois d’hiver en Europe, ils ralentissent en été et circulent uniquement à bas bruit, même en l’absence d’immunité de groupe (Gaunt et al., 2010 ; Aldridge et al. 2020).

 

Les 3 points que nous venons de développer de manière détaillée ont de nombreuses implications pour les modèles épidémiologiques ayant prédit l’évolution passée et future de l’épidémie de COVID-19. Ci-dessous, en voici les principales :

Les prédictions réalisées en Suède, selon le modèle de Neil Ferguson, épidémiologiste à l’Imperial College London, prévoyaient 40 000 décès au 1er mai 2020 pour ce pays, en l’absence de confinement et en maintenant les mesures en vigueur (Gardner et al., 2020). Le postulat de départ de ce modèle est erroné. En effet, il considère que le taux de contagion du SARS-COV-2 est stable dans le temps et qu’en l’absence de mesures strictes, le virus va se propager de manière exponentielle. Or, nous avons vu précédemment que le virus comporte une dynamique naturelle liée à des variations environnementales et à l’augmentation du taux d’immunité, qui fausse tous les calculs si elle n’est pas intégrée. Deux mois plus tard, les chiffres nous donnent raison : au 16 mai 2020, « seuls » 3700 décès sont constatés au lieu des 40 000 annoncés, avec un taux de mortalité par millions d’habitants près de 25% inférieur à celui de la France confinée. Forcément, le fait que ce modèle de l’imperial College London, par ailleurs très décrié, ait inspiré les choix du gouvernement français en mars dernier, interroge.

L’étude de Roux et al., (2020) sur laquelle s’est appuyé Edouard Philippe le 28 avril dernier lors de son allocution, a estimé à 61 000 le nombre de vies épargnées en 1 mois par le confinement en France. Les postulats de départ de cette étude sont contestables. Tout d’abord, pour parvenir à cette estimation, les auteurs calculent un taux de contagion fixe pour chacune des 13 régions françaises, à partir du taux de contagion observée avant le confinement. En procédant de la sorte, à l’instar du modèle de Ferguson cité dans l’exemple précédent, ces derniers considèrent que le taux de contagion est fixe à travers le temps, s’affranchissant de la dynamique naturelle liée aux variations environnementales et à l’augmentation du taux d’immunité. De plus, le modèle utilisé considère qu’en l’absence de mesure de confinement, l’épidémie se serait propagée de manière exponentielle et que le confinement explique 100% du ralentissement de l’épidémie. Or, nous avons vu dans la première partie de cet exposé que le confinement n’a eu qu’un impact partiel sur la dynamique de l’épidémie. Au final, le raisonnement de Roux et al., (2020) est biaisé et les chiffres de 61 000 vies épargnées sont donc largement surestimés.

L’étude de Hoertel et al., (2020), réalisée fin avril, prédit un rebond de l’épidémie de COVID-19 dès la fin du confinement, avec plusieurs centaines de milliers de morts et une saturation des services d’urgence très rapidement. Il convient tout d’abord de souligner que ce modèle mathématique est beaucoup plus complet que les deux modèles présentés précédemment. En effet, il intègre de nombreux paramètres susceptibles d’influencer la propagation de l’épidémie telle que le nombre moyen d’interaction sociale par individu, la prédisposition à des facteurs de risques (diabète, obésité…) ou le respect de certains gestes barrières. Cependant, un paramètre majeur n’a toujours pas été intégré dans les calculs, à savoir, la dynamique naturelle du virus liée à l’influence de l’environnement. Ainsi, le taux de contagion de à 3,1 utilisé par les auteurs pour parvenir à ces prédictions alarmistes, est le taux calculé avec les données du mois de mars avant les mesures de confinement. En agissant ainsi, ce modèle, comme l’ensemble des modèles de prédictions publiés sur le COVID-19, considère que le taux de contagion naturel du virus est une donnée stable, qui ne peut être influencé que par une intervention humaine (ex : confinement, fermeture des écoles, distanciation sociale…). Or, comme nous avons pu le voir dans les deux premiers points de cet exposé, ce postulat est erroné. Le fait que SARS-COV-2 soit sensible à l’environnement, qu’il ne se propage pas à la même vitesse et à la même période dans toutes les régions du monde, et que le confinement n’explique pas la totalité du ralentissement de l’épidémie, démontrent que le taux de contagion calculé il y a 2 mois, n’est probablement plus le même aujourd’hui. Malheureusement, le taux de contagion réel est presque impossible à calculer, puisque la dynamique naturelle du SARS-COV-2 est inconnue et a justement été masquée par les différentes interventions mises en place pour le contenir (confinement, distanciation sociale, port du masque…). En réalité, ces modèles sont donc tout simplement inapplicables en l’état.

 

Conclusion et perspectives :

L’essentiel des modèles mathématiques qui prédisent l’évolution de l’épidémie de COVID-19 partent du principe que le virus se propagerait de manière exponentielle dans toutes les régions du monde sans mesures de contrôles drastiques, jusqu’à l’atteinte d’une immunité de groupe. Pourtant, cette propagation exponentielle n’a pour le moment jamais été vérifiée. Au contraire, les données sur lesquelles nous nous sommes appuyées indiquent une probable dynamique naturelle du SARS-COV-2, avec un taux de contagion variable dans le temps et dans l’espace. Cela peut être expliqué par la sensibilité du virus à l’environnement (température, humidité) à l’instar de l’ensemble des autres coronavirus humain connus, ainsi qu’à l’évolution du taux d’immunité, dont le taux de 70% requis pour enrayer l’épidémie a vraisemblablement été gonflé.

Compte tenu du potentiel de saisonnalité de ce virus, une vigilance accrue particulière semble nécessaire au cours des prochaines semaines dans les pays de l’hémisphère sud. A ce titre, une explosion du nombre de cas est observée depuis fin avril en Amérique du Sud. Dans les pays pour le moment relativement épargnés (ex : Afrique de l’Ouest), il n’est actuellement pas possible de prédire si SARS-COV-2 pourrait un jour rencontrer les conditions environnementales optimales à son accélération. Concernant les pays Européens, le principe de saisonnalité n’implique pas pour autant que le virus disparaitra totalement cet été. Si l’on s’appuie sur les données des autres coronavirus, une circulation est observée tout au long de l’année, bien que les cas se font de plus en plus rares en été. Nous pouvons donc nous attendre à un phénomène similaire pour le COVID-19, avec une circulation à bas bruit pendant plusieurs mois, sans pour autant risquer un regain de l’épidémie dans un futur proche.

Au final, cet article démontre que les modèles mathématiques, dans leur format actuel, ne peuvent et ne doivent pas être pris comme référence par les autorités sanitaires et les gouvernements pour prendre les mesures de demain. En revanche, il semble évident que nous devons tous nous préparer du mieux que possible à une réactivité maximale en cas de nouvelle épidémie à l’automne ou l’hiver prochain, si le virus venait à devenir endémique. Pour ce qui est de la nouvelle vague annoncée, tout porte à croire qu’elle n’aura pas lieu dans les prochaines semaines.

Toutefois, il faut avancer avec prudence et humilité. Le COVID-19 n’a certainement pas encore livré tous ses secrets. Dans le doute, il est évidemment souhaitable que la population française maintienne ses efforts encore quelques semaines. Si le regain n’a pas lieu et que l’accalmie est bien confirmée d’ici fin mai, alors il sera temps, pour le gouvernement, d’envisager la levée de toutes les restrictions et les barrières (et espérons qu’il en aura le cran). Ma plus grande crainte est que par des peurs infondées, des mesures de restrictions soient durablement maintenues. Cela aurait des conséquences catastrophiques injustifiées tant pour notre économie que notre santé mentale. Nous devons dans cette crise apprendre à avancer avec vigilance mais lucidité. Ce texte est un appel à la fête de la musique, aux festivités du 14 juillet, aux stades et salles de spectacles remplis, aux prélassements sur les plages, aux célébrations des mariages…, afin que nous puissions profiter pleinement de cet été bien mérité et souffler un peu, avant de potentielles nouvelles restrictions l’hiver prochain si le virus revient.

Le Club est l'espace de libre expression des abonnés de Mediapart. Ses contenus n'engagent pas la rédaction.