@Thierry :
J'ai vu que dans ton modèle SEIRD tu as prévu (au moins dans le schéma) le cas où l'immunité n'est pas permanente (avec une flèche R->S). Je ne sais pas si tu l'as implémenté dans ta simulation (même en fixant une durée d'immunité arbitraire).
Cela ne serait peut-être pas trop coûteux d'ajouter une règle du genre P(R->S)=f(t) où t est la date de la transition I->R; avec par exemple f une fonction logistique tendant plus ou moins rapidement vers 1, avec un paramètre dont la valeur permettrait de fixer ce "plus ou moins rapidement" (par ex. la durée au bout de laquelle la f(t) vaut 0,5).
Idem pour la sous-population vaccinée, mais avec possiblement une autre valeur de ce paramètre (puisque la durée de l'immunité procurée par le vaccin n'est pas forcément la même que par une infection).
Sans modifier le modèle ça ne permet pas de modifier la probabilité de cas grave (ou dans ta simu, de décès), mais ça permettrait déjà de se faire une idée de l'impact possible des réinfections sur la progression de l'épidémie.
Pour aller plus loin il faudrait prévoir une sous-population par exemple Sr (susceptible d'être réinfectée), devenant Er puis Ir, avec un autre taux de décès (paramétrable) que la sous-population S.
Si l'idée te paraît intéressante et si tu as le temps
En particulier la probabilité de réinfection deviendra un facteur non négligeable si les variants sud-africain ou brésilien se répandent. Et comme le but de ces simulations est de pouvoir envisager tous les scénarios, même le pire...
-----