Soutenance mémoire
Comment caractériser un système : définitions et concepts généraux
Un système se définit comme un ensemble d’éléments interreliés qui partagent des buts communs (Vicente 1999a). Chaque système se caractérise par ses frontières, ses buts, et son degré d’interaction avec l’environnement. Comme l’expliquent Flach & Voorhost (2016, p213), un système est dit ouvert lorsqu’il est couplé à son environnement de telle sorte que les événements de l’environnement peuvent avoir un impact sur le système. Ainsi, un système ouvert est sensible aux perturbations et les sources de variabilité (i.e. l’ensemble des évènements/perturbations pouvant impacter les comportements du système) ne peuvent pas toujours être spécifiées. À l’inverse, un système est dit fermé lorsqu’il est complétement isolé de son environnement. Un système fermé reste alors relativement stable et les sources de variabilité peuvent être énumérées. Un système peut être un acteur (e.g. un opérateur humain ou un système automatique) ; un objet sur lequel on agit (e.g. un domaine de travail) ; ou une combinaison des deux. Dans ce dernier cas, on parle de système sociotechnique. Ces derniers se définissent comme des systèmes composés d’éléments techniques, psychologiques et sociaux qui sont : l’opérateur, la machine, le domaine de travail. Le domaine de travail étant un environnement sur lequel l’opérateur agit indépendamment des opérateurs et machines (Vicente 1999b). Les interactions nombreuses entre ces trois entités rendent les systèmes complexes. Typiquement, sont considérés de nos jours comme systèmes complexes les centrales électriques, les centres de contrôle aériens, les centres d’intervention en cas d’urgence, ou encore les unités de soins intensifs (Vicente & Rasmussen 1990). Les systèmes sociotechniques se différencient selon la nature de leurs contraintes. En effet, tout système sociotechnique mets en interaction des humains, des machines et un domaine de travail. Comprendre ces systèmes nécessite de prendre en considération les contraintes qu’impose le domaine sur les comportements des opérateurs. Selon la nature des contraintes, les comportements du système sociotechnique diffèrent. Les contraintes peuvent être de nature causale ou intentionnelle, caractérisant ainsi deux types de systèmes (Rasmussen et al. 1994 ; Naikar et al. 2005) :
• Un système est causal lorsqu’il est gouverné par les lois de la Nature telles que la physique, la chimie ou la thermodynamique. Ainsi, une centrale nucléaire, un barrage hydraulique sont des systèmes causaux régis par des lois physiques. Les comportements des systèmes causaux peuvent alors être prédits, anticipés, sur la base des lois de la Nature. À noter qu’un système causal se contrôle.
• Un système est intentionnel lorsqu’il est gouverné par des intentions humaines. Ces systèmes sont caractérisés par des pratiques sociales, organisationnelles et des conventions plutôt que par Cadre théorique des lois physiques (Roth & Bisantz 2013, p241). Les systèmes intentionnels possèdent de nombreux degrés de liberté et des caractéristiques adaptatives importantes telle que l’autoorganisation. L’organisation interne d’un système intentionnel change couramment de sorte à répondre aux exigences situationnelles, aux buts et aux exigences de performance. Bien qu’il existe des lois sociales, il est difficile de prédire leurs comportements (Rasmussen 1985). À titre d’exemple, les industries, les universités sont des systèmes intentionnels. À noter qu’un système intentionnel se gère (« se manage ») plus qu’il ne se contrôle. Malgré des définitions spécifiques, la distinction dans les faits entre un système « causal » et un système « intentionnel » reste une démarche délicate. En effet, différents types de contraintes peuvent coexister dans le même environnement et un même objet ou un même domaine peut à la fois être causal et intentionnel selon le niveau de granularité avec lequel le système est étudié. Certains auteurs utilisent l’exemple de l’objet « maison » pour illustrer ce phénomène (Roth & Bisantz 2013, p311 ; Naikar et al. 2005). En effet, et comme l’indiquent les auteurs, si l’on perçoit la maison comme un système technique permettant de fournir un abri, alors le système « maison » sera jugé causal. À l’inverse, si l’on perçoit la maison comme un système social qui est supposé assurer le bien-être de ses habitants, alors le système « maison » sera jugé intentionnel. Ainsi, il existe un continuum « systèmes causaux – systèmes intentionnels » le long duquel chaque système oscille en fonction des objectifs de l’analyse et du niveau de granularité sélectionné par le chercheur ou l’analyste pour étudier le système. Rasmussen, Petjersen et Goodstein (1994) proposent en ce sens une représentation sous la forme d’un axe continu permettant d’identifier les environnements en fonction du degré relatif de leurs contraintes intentionnelles et causales.
Les particularités du système médical en situation d’urgence
Concernant l’identification de la nature des contraintes, le système médical peut occuper différentes positions sur le continuum « causal – intentionnel » défini préalablement (Figure 2). En effet, si l’on réduit le système médical à des actions appliquées sur un patient qui se définit comme un système biologique autonome composé d’un ensemble de sous-systèmes, eux-mêmes constitués d’organes et de composants ayant des fonctions communes, alors le système médical est principalement causal. Les lois de fonctionnement du corps humain (e.g. biophysique, biochimie, biomécanique, physiologie…) sont connues et permettent de comprendre les mécanismes impliqués dans le maintien de l’homéostasie. Les conséquences d’une défaillance physiologique ou encore la réponse du corps face à un potentiel traitement peuvent alors être estimées. Plus largement, si l’on considère le système médical comme un ensemble de structure de santé dont le contrôle nécessite une gestion précise des règlementations, des lois, des ressources humaines et matérielles, alors le système médical est essentiellement intentionnel. En effet, les intentions des acteurs, les politiques locales imposent des contraintes dans la gestion du système médical et impactent les décisions des gestionnaires. Situé entre ces deux extrémités du continuum, le système médical peut être perçu à l’échelle du soin, comme des actions qu’une équipe médicale réalise sur un patient pour maintenir son état stable, compte tenu du tableau clinique qu’il présente. Dans ce cas, le système médical est à la fois causal et intentionnel. En effet, le patient luimême reste principalement régi par des lois causales (i.e. lois de fonctionnement du corps humain), tandis que le contrôle de la situation de soin est gouverné majoritairement par les intentions des soignants et des choix en termes d’organisation des soins autour du patient. Dans ce travail, nous considérons le système médical comme situé au centre du continuum. En termes d’analyse, la coexistence des contraintes causales et intentionnelles confère au système médical une complexité toute particulière. En effet, le terme « complexe » reflète ici une double complexité provenant des propriétés de la dynamique de la situation et des propriétés de l’organisation (Flach et al.2013). Dans le cas d’une situation médicale, cette double complexité fait référence à l’incertitude concernant l’évolution dynamique des signes vitaux du patient et à la présence d’opérateurs nombreux, ainsi qu’à la présence d’équipements médicaux variés et parfois eux-mêmes complexes. Du côté de l’organisation, l’urgence médicale fait intervenir des équipes nombreuses, composées d’experts issus de disciplines et cultures multiples, tous accomplissant des tâches diverses et simultanées destinées à soigner le patient (Schull et al. 2001 ; Xiao et al. 1996). Même si certaines structures mettent en place des modes de fonctionnement standardisés, tels que les équipes de réaction rapide (RRT), les équipes d’urgence médicale (MET) ou les systèmes d’appel d’urgence (DeVita et al. 2004 ; Brilli et al. 2007 ; Brady et al. 2015) pour aider à la mise en place d’une organisation rapide et efficace, l’urgence est toujours unique et l’équipe médicale doit, de façon continue, coordonner et contrôler sa propre organisation dans le but de fournir au patient des soins adaptés (Carne et al. 2012). De plus, l’organisation se doit de sélectionner et manipuler, parmi les équipements médicaux présents, ceux adaptés à la mise en place des soins. Les réponses possibles en termes d’organisation sont alors nombreuses
Systèmes complexes et sécurité : des besoins méthodologiques spécifiques
Face aux nouveaux challenges imposés par les caractéristiques des nouveaux systèmes sociotechniques, l’atteinte des objectifs de sécurité et performance repose sur la capacité des analystes à identifier les événements qui pourraient conduire à des accidents et à comprendre pourquoi les accidents se produisent. Dans le passé, d’importants accidents tels que Three Miles Island (1979), Challenger (1986), ou Columbia (2003), ont contribué à faire évoluer les méthodes d’analyse des accidents dans le but d’adapter les outils aux particularités changeantes des systèmes étudiés. Cependant, et malgré des progrès considérables, des événements indésirables et accidents continuent de se produire (e.g. 737Max (2019)) remettant en question la pertinence des méthodes pour traiter de la complexité des systèmes actuels (Salmon et al. 2017). Comme l’écrivent Salmon et ses collaborateurs (2017), « il est dangereux de supposer que nos méthodes restent adaptées simplement parce que nous continuons à les utiliser ». Ainsi, et face aux nombres importants de méthodes disponibles, choisir la technique d’analyse la plus appropriée reste un exercice critique et délicat (Underwood & Waterson 2013) qui va conditionner la puissance de l’analyse et la qualité des résultats issus de cette dernière. Historiquement, la complexité croissante des systèmes s’est accompagnée d’une évolution des méthodes depuis les méthodes séquentielles aux méthodes systémiques, en passant par les méthodes épidémiologiques (Underwood & Waterson 2013 ; Salmon et al. 2011). Chaque méthode se caractérise en fonction des hypothèses qu’elle sous-tend et de la manière dont elle considère la sécurité et les accidents. Lorsque l’on considère l’accident comme une réponse directe à une erreur ou à une défaillance technique et que les relations entre « cause » et « événements indésirables » sont déterministes, alors les méthodes séquentielles sont utilisées pour modéliser la séquence ordonnée des événements et la cause ayant provoqué la défaillance. En effet, la modélisation séquentielle se focalise sur une succession d’évènements linéaires dont le dernier évènement est l’accident. En considérant la sécurité comme l’absence de défaillance, la stratégie principale repose ici sur l’identification puis la suppression de la cause afin d’éviter que l’accident ne se produise à nouveau. À titre d’exemple, la méthode de l’arbre des causes (Watson 1961) ou la méthode des dominos (Heinrich 1931) sont des méthodes séquentielles. Cependant, les méthodes séquentielles ont atteint leurs limites dès lors que les facteurs organisationnels et humains ont été identifiés comme jouant un rôle prépondérant dans certains accidents. En réponse à ce constat, les méthodes épidémiologiques ont alors été proposées. À l’image du modèle de Reason (Swiss Cheese Model), les modèles épidémiologiques envisagent l’accident comme une combinaison de conditions actives ou latentes qui se propagent au sein du système et qui peuvent s’exprimer de façon aléatoire. À l’inverse des défaillances actives, dont les effets sont immédiatement observables, les défaillances latentes peuvent rester « cachées » avant de s’exprimer inopinément (Shappell & Wiegmann 2000). L’expression aléatoire et inattendue des conditions latentes génère, à un moment donné, un contexte propice aux erreurs pouvant affecter la performance des opérateurs. Cependant, la plupart des méthodes épidémiologiques restent basées sur des principes séquentiels de causes à effets poussant les chercheurs à repenser les techniques d’analyse et à évoluer vers des outils systémiques destinés à capturer toute la complexité des systèmes sociotechniques (Underwood & Waterson 2013). Ces méthodes systémiquess’inspirent de la théorie des systèmes et tentent de fournir une analyse globale prenant en compte tous les éléments organisationnels, techniques et humains en interaction ayant pu contribuer à l’événement indésirable. Ce dernier n’est plus considéré comme le résultat d’une erreur identifiable sur la base d’une relation de cause à effet ou comme l’expression d’une défaillance latente, mais comme quelque chose qui émerge des interactions non linéaires entre tous les composants du système et plus particulièrement les éléments humains, technologiques et organisationnels (Leveson 2004 ; Underwood & Waterson 2013). Comme l’écrit Ottino (2003, p293) « les systèmes complexes ne peuvent être compris en étudiant les parties de façon isolées. L’essence même du système réside dans l’interaction entre les parties et le comportement global qui émerge de ces interactions.
Accimap
Sur la base de la théorie des systèmes, Accimap (Rasmussen 1997 ; Svedung & Rasmussen 2002) considère les accidents comme dépendants du contexte organisationnel. En utilisant une modélisation hiérarchique verticale, Accimap tente de mettre en évidence comment les événements, les défaillances et les décisions se propagent dans le système entier et conduisent aux accidents (Branford 2011). Cet outil graphique décompose le système sociotechnique en 6 niveaux organisationnels : la politique du gouvernement, les régulateurs, la politique de l’entreprise, la gestion du personnel et des équipements, et l’activité ou le travail en lui-même. Les échecs à chaque niveau sont identifiés et reliés aux niveaux inférieurs ou supérieurs pour tenter de comprendre les relations de causes à effets unissant les différents niveaux du modèle. Ici, la sécurité n’est pas uniquement dépendante des travailleurs en première ligne, mais aussi des décisions, des actions de chaque acteur impliqué dans le système comme le gouvernement ou les organismes de réglementation (Cassano-Piche 2009). Cette méthode a largement été appliquée dans une logique de compréhension des accidents dans de nombreux domaines (Salmon et al. 2011 ; Cassano-Piche 2009 ; Vicente & Christoffersen 2006 ; Svedung & Rasmussen 2002) mais certaines limites sont indentifiables. Les auteurs citent notamment l’absence de taxonomie pour l’identification des échecs rendant la modélisation dépendante de la subjectivité des analystes, le fait qu’Accimap reste une méthode rétrospective utilisable qu’une fois l’accident passé, ou encore la non prise en compte de la dimension cognitive impliquée dans les décisions (Salmon et al. 2010, p 117 ; Salmon et al. 2011).
|
Table des matières
RÉSUMÉ
ABSTRACT
TABLE DES MATIÈRES
LISTE DES TABLEAUX
LISTE DES FIGURES
INTRODUCTION
I. LES OPÉRATEURS HUMAINS : CRÉATEURS DE SÉCURITÉ ?
II. OBJECTIFS ET PLAN DE THÈSE
SECTION 1 – CADRE THÉORIQUE
I. LA NOTION DE SYSTÈME
1. COMMENT CARACTÉRISER UN SYSTÈME : DÉFINITIONS ET CONCEPTS GÉNÉRAUX
2. LES PARTICULARITÉS DU SYSTÈME MÉDICAL EN SITUATION D’URGENCE
3. SYSTÈMES COMPLEXES ET SÉCURITÉ : DES BESOINS MÉTHODOLOGIQUES SPÉCIFIQUES
a) Accimap
b) STAMP (Systems-Theoretic Accident Modeling)
c) FRAM (The functional resonance accident model)
II. LA COGNITIVE WORK ANALYSIS (CWA)
1. PRÉSENTATION GÉNÉRALE ET FONDEMENTS
a) La psychologie écologique
b) Le contrôle adaptatif
2. MÉTHODOLOGIE
a) WDA – Analyse du domaine de travail
b) ConTa – Analyse des tâches de contrôle
3. LIMITES ET SOLUTIONS ALTERNATIVES
a) Limites
b) Solutions alternatives
III. L’HEURISTIC COGNITIVE WORK ANALYSIS (HCWA)
1. PRÉSENTATION GÉNÉRALE ET FONDEMENTS
a) Des notions nouvelles relevant de la psychologie écologique
b) Une approche basée sur le système avec le modèle dynamique de sûreté (DSM)
c) Le problème du contrôle des degrés de liberté (Bernstein 1967)
d) La simulation comme outil méthodologique
2. MÉTHODOLOGIE
3. PREMIÈRE APPLICATION AU DOMAINE MÉDICAL
SECTION 2 – PROBLÉMATIQUE
SECTION 3 – CONCEPTION
I. OBJECTIFS DU CHAPITRE
II. PREMIER CAS APPLICATIF
1. ÉTAPE 1 : IDENTIFIER LES CONTRAINTES DE L’ESPACE DE TRAVAIL
2. ÉTAPE 2 ET 3 : IDENTIFIER LES PRESSIONS POTENTIELLES QUI SE PRODUISENT LORS D’UNE URGENCE PÉDIATRIQUE AINSI QUE LES RISQUES ASSOCIÉS
3. ÉTAPE 4 : PROPOSER, IMAGINER DES SOLUTIONS VISANT À ÉVITER CES SITUATIONS RISQUÉES
4. ÉTAPE 5 : DÉFINIR PRÉCISÉMENT LE PROBLÈME À RÉSOUDRE
5. ÉTAPE 6 : REFORMULER LE PROBLÈME AU REGARD D’UNE ANALYSE APPROFONDIE DE LA LITTÉRATURE
6. ÉTAPE 7 : PROPOSER ET CONCEVOIR UNE SOLUTION INNOVANTE
a) Le coordinateur : un contrepoids dynamique au sein de DSM
b) Les fonctions et outils du coordinateur
7. ÉTAPES 8 : SUR LA BASE D’UNE DÉMARCHE EXPÉRIMENTALE, TESTER, QUANTIFIER L’APPORT DE CETTE ASSISTANCE EN CONTEXTE DE SIMULATION
a) Méthode
b) Résultats
c) Discussion
d) Conclusion
III.SECOND CAS APPLICATIF
1. ÉTAPE 1 : IDENTIFIER LES CONTRAINTES DE L’ESPACE DE TRAVAIL
2. ÉTAPE 2 ET 3 : IDENTIFIER LES PRESSIONS POTENTIELLES QUI SE PRODUISENT LORS D’UN RETARD DE RÉVEIL EN ANESTHÉSIE AINSI QUE LES RISQUES ASSOCIÉS
3. ÉTAPE 4 : PROPOSER, IMAGINER DES SOLUTIONS VISANT À ÉVITER CES SITUATIONS RISQUÉES
4. ÉTAPE 5 : DÉFINIR PRÉCISÉMENT LE PROBLÈME À RÉSOUDRE
6. ÉTAPE 6 : REFORMULER LE PROBLÈME AU REGARD D’UNE ANALYSE APPROFONDIE DE LA LITTÉRATURE
6. ÉTAPE 7 : PROPOSER ET CONCEVOIR UNE SOLUTION INNOVANTE
a) La check-list : un nouveau point d’équilibre au sein de DSM
b) Les étapes de conception de la check-list
7. ÉTAPES 8 : SUR LA BASE D’UNE DÉMARCHE EXPÉRIMENTALE, TESTER, QUANTIFIER L’APPORT DE CETTE ASSISTANCE EN CONTEXTE DE SIMULATION
a) Méthode
b) Résultats
c) Discussion
d) Conclusion
SECTION 4 – MODÉLISATION
I. OBJECTIFS DU CHAPITRE
II. LA CYBERNÉTIQUE
III.PRÉSENTATION DE LA MÉTHODE SSS
1. LE PROCESSUS DE MODÉLISATION
a) But de la modélisation
b) Les éléments du modèle
2. LES ÉTAPES MÉTHODOLOGIQUES
a) Phase méthodologique 1 : Création du modèle
b) Phase méthodologique 2 : Analyse des données
IV.PREMIÈRE APPLICATION À LA PRISE EN CHARGE D’UNE URGENCE PÉDIATRIQUE
a) Phase méthodologique 1 : Création du modèle
b) Phase méthodologique 2 : Analyse des données
c) Résultats
V. PERSPECTIVES
1. LES DONNÉES DISPONIBLES
2. LES CHAÎNES DE MARKOV
VI. CONCLUSION
SECTION 5 – CONCLUSION GÉNÉRALE
BIBLIOGRAPHIE
Télécharger le rapport complet
