L’épidémiologie évolutive des maladies infectieuses vise à comprendre les interactions entre les processus épidémiologiques et évolutifs. Cette approche est particulièrement pertinente pour étudier la dynamique transitoire des maladies émergentes, lorsque les échelles de temps épidémiologiques et évolutives se chevauchent. Il est par exemple crucial pour comprendre la pandémie de COVID-19 de tenir compte de l’évolution du virus et de la succession des variants préoccupants. Cette adaptation peut affecter des traits phénotypiques clés et diminuer notre capacité à contrôler les épidémies. L’avènement des méthodes de séquençage haut-débit permet aujourd’hui de collecter des données génétiques et de suivre à la fois spatialement et temporellement la distribution des différentes souches. Dans cette thèse, je combine épidémiologie évolutive théorique et inférence statistique en utilisant des données épidémiologiques et génétiques pour estimer les phénotypes des agents pathogènes, dans le domaine de la santé publique et de la microbiologie expérimentale. Mon travail repose sur l’analyse de modèles déterministes basés sur des systèmes dynamiques d’équations différentielles ordinaires. Tout d’abord, je m’intéresse au variant Alpha du SARS-CoV-2 en Angleterre et j’étudie les caractéristiques phénotypiques à l’origine de son avantage sélectif. Pour cela, je développe une approche en deux étapes basée sur des modèles épidémiologiques SEIR (Susceptible-Exposed-Infectious-Recovered). Dans une première étape, avant l’émergence du variant, j’estime l’impact des interventions non pharmaceutiques sur la propagation du virus. Dans une deuxième étape, après l’émergence du variant, j’exploite la dynamique lente-rapide des processus éco-évolutifs pour estimer les différences phénotypiques entre les deux lignées virales en compétition. Je montre que l’avantage sélectif du variant Alpha est davantage dû à un taux de transmission accru qu’à une période de contagiosité plus longue. Deuxièmement, je m’intéresse à une expérience d’évolution expérimentale qui suit la dynamique épidémiologique et évolutive du bactériophage tempéré λ au cours de sa propagation dans une population bactérienne d’Escherichia coli. Je développe ici une nouvelle approche d’inférence pour estimer les phénotypes viraux à différents stades de l’épidémie – y compris des traits phénotypiques très difficiles à estimer par ailleurs. Je modélise des processus cachés tels que la lyse et la lysogénie et j’ajuste ce nouveau modèle à un jeu de données incomplètes. Troisièmement, j’analyse comment la migration entre des populations d’hôtes peut impacter l’épidémiologie et l’évolution transitoire d’un agent pathogène. Pour cela, je simule la dynamique évolutive transitoire de la compétition entre deux souches dans un modèle SIRS. Je montre comment la migration peut biaiser la quantification de la force de la sélection et fausser les interprétations de l’avantage sélectif réel des variants. Ces trois projets me permettent de développer de nouveaux outils pour exploiter des jeux de données donnant une description incomplète (processus cachés et données manquantes) de la dynamique d’agents pathogènes se propageant et évoluant dans un environnement hétérogène. Je montre notamment que prendre en compte la structure de l’habitat du pathogène dans différents compartiments peut être essentielle pour estimer les paramètres des modèles, d’où l’importance de la disponibilité de données stratifiées. Ce travail souligne comment l’analyse théorique et statistique des dynamiques épidémiologiques et évolutives des maladies infectieuses peut éclairer notre compréhension de l’évolution phénotypique et de l’adaptation des agents pathogènes.