• Philippe Vallat

COVID-19: approche systémique (7)

Résultats des travaux de cours relatifs à l’approche systémique appliquée à la crise COVID-19, dans le cadre du

Séminaire de recherche « Gestion de projets socio-techniques complexes »; Master en Politique et Management Publics, 23-25 novembre 2020, UNIL/IDHEAP

Arbër Beqa, Lucas Romy, Dr Philippe Vallat


Nous publions ici une série d'articles tirés d'une publication en cours de rédaction.

1 Cadre général

2 Introduction théorique

3 Thème 1 : Crise sanitaire

4 Thème 2 : Vaccination

5 Thème 3 : Société post-covid

6 Thème 4 : Confiance dans les autorités

7 Thème 5 : Indicateurs

8 Synthèse et conclusions

9 Méta-discussion

10 Littérature complémentaire


7 Thème 5 : Indicateurs

7.1 Faits

Les indicateurs représentent une importance stratégique car toute action publique se base sur ces mêmes indicateurs. En particulier en médecine où existe la notion de « médecine fondée sur les preuves (evidence-based medicine) »[1]. Ils sont donc la principale source d’information dans un système VICA. Ils devraient permettre de suivre dans le temps l’évolution de la propagation du virus Sars-COV2 et de la maladie COVID-19, ainsi que de justifier les mesures prises par les autorités. Ils permettent d’appuyer une vision particulière de certains acteurs, et tendent à gagner en légitimité en fonction de l’énonciation de ceux-ci par certains acteurs “officiels”. Aussi, ils permettent une comparaison entre pays. Les parties prenantes ainsi que les groupes d’influences usent de ces mêmes indicateurs : les autorités publiques (fédéral, cantons, communes) ainsi que l’OFSP, les laboratoires (privés et publics), la société civile, les ONGs, les médias et autres sources d’informations, les partis politiques, les entreprises privées.


7.2 Postulats

Pour des non-spécialistes, il est difficile de bien comprendre ce que ces chiffres signifient. Il est aussi difficile de savoir à quelles questions ils sont sensés répondre. Par exemple :

  • Attribution d'un décès lié au Covid-19 (difficile d'être certain de la cause du décès)

  • Indicateurs utilisés, par qui, comment ils sont utilisés et construits

  • Nombre réel de personnes en quarantaine/isolement

  • Réception des indicateurs

  • Si les indicateurs utilisés sont les plus pertinents

  • Réalité et étendue des symptômes, effets secondaires, séquelles, etc.

  • Principaux lieux de contamination (clusters)

  • Provenance et véracité des chiffres sur les vaccins


Les indicateurs que l’OFSP suit et publie sont[2] :


❖ Cas confirmés en laboratoires[3]

❖ Hospitalisation confirmée en laboratoire

❖ Décès confirmés en laboratoire

❖ Tests et proportion de tests positifs

❖ Traçage des contacts


Sur ces réflexions, nous avons posé les postulats suivants :


1. Les indicateurs relèvent du quantitatif.

Or si on ne les combine pas avec du qualitatif, nous ne pouvons pas vraiment comprendre vraiment ce qu’est cette pandémie. (Validité moyenne, stabilité grande)


2. Les chiffres peuvent être trompeurs lorsqu’évoqués en valeur absolue. (Validité, grande, stabilité grande).

Autrement dit, il faut faire attention à la manipulation des chiffres. Nous avons souvent constaté une tendance, notamment médiatique, à condamner tel ou tel pays sur la base de chiffres exprimés en valeur absolue. Il faudrait toujours comparer des chiffres exprimés par nombre d’habitants, ou pour le taux de létalité, par nombre de personnes infectées, donc de manière relative, afin de pouvoir interpréter ces mêmes indicateurs. Il est nécessaire de prendre en compte les caractéristiques socio-démographiques suivantes (liste non exhaustive) :

  • Densité démographique

  • Le ratio de personnes vivant en milieu urbain/rural

  • L’âge moyen et médian de la population

  • La présence de comportements et comorbidités dans la population

  • Le taux d’équipement des hôpitaux

  • La situation sanitaire pre-Covid-19

  • La situation économique

  • La culture du pays

  • La différence donnée aux priorités (en termes de politiques publiques)

  • Les institutions du pays

  • Le style de gouvernance.


3. Les indicateurs de la crise sanitaire ne sont pas mis en rapport avec d’autres indicateurs sanitaires, sociaux, environnementaux. (Validité grande, stabilité moyenne).

Nous pouvons questionner l’intensité des moyens entrepris par rapport aux conséquences de cette crise, notamment par rapport à d’autres problèmes sanitaires, environnementaux ou sociaux.


4. Nous misons sur la responsabilité individuelle pour respecter les quarantaines en cas de nécessité (Validité moyenne, Stabilité faible).


5. L’utilisation des données ne tend pas toujours vers l’objectivité. (Validité faible, stabilité grande).


6. La réception des indicateurs diffère en fonction des acteurs (Validité grande, stabilité moyenne).


7. Les pouvoirs publics et les experts se basent sur les indicateurs de l’OFSP pour prendre leurs décisions. Cependant, nous ne connaissons pas la fiabilité de ces indicateurs. (Validité moyenne, stabilité grande).

Nous pouvons émettre l’hypothèse que les cantons et la Confédération édictent des mesures relativement arbitraires quant à la fermeture de certains lieux / activités. En effet, nous n'avons en fait que peu de données quant aux clusters de contaminations, et il existe beaucoup d’inconnues. Typiquement, nous ne sommes pas certains de la contagiosité des enfants, des asymptomatiques. Nous ne savons pas si les restaurants et les bars sont les principaux lieux de contamination.

8. Les entreprises pharmaceutiques publient des chiffres sur l’efficacité des vaccins en développement. (Validité grande, stabilité faible).

Nous ne connaissons pas l’origine de ces chiffres, leur fiabilité ou leur utilité.


7.3 Description du problème


Les variables identifiées sont les suivantes :


1. Pertinence des indicateurs du COVID-19 à la base des décisions du Conseil fédéral (variable centrale) : est-ce que les indicateurs utilisés pour prendre des décisions sont pertinents ? Mesurent-ils les bons éléments ? Mesurent-ils correctement ce qu'ils souhaitent quantifier ?


2. Moyens financiers à disposition : c'est le budget donné pour la création des indicateurs.


3. Qualité du traçage : représente dans quelles proportions on arrive à tracer les cas de Covid-19.


4. Adaptation des indicateurs au contexte : relativisation des indicateurs par rapport à l'environnement dans lequel ils s'inscrivent (nombre de cas par régions, densité de population, critères socio-démographiques).


5. Fréquence d'actualisation des indicateurs : représente si les indicateurs sont mis à jour plus ou moins fréquemment.


6. Connaissance du virus : connaissance biologique et moléculaire du virus : sa contagiosité, sa dangerosité, sa virulence.


7. Fiabilité des tests à disposition : il existe des différences de précisions entre les tests antigéniques et les tests PCR.


8. Nombre de tests à disposition : s'il y a plus ou moins de tests Covid-19.


9. Moyens humains à disposition : nombre de personnes travaillant dans la formation des indicateurs.


10. Rigueur de la méthodologie de la récolte de données : comment traiter les données ?


11. Complexité du monde social : nous souhaitons prendre en compte la complexité du monde social, et par là la multitude de contextes sociaux et la difficulté à prédire les comportements des acteurs et le lot d'incertitudes qui en découle.


7.4 Modèle qualitatif

Un premier modèle simple donne le résultat suivant :

Figure 17: Indicateurs : modèle simple


Une première interprétation visuelle indique que le système paraît fortement interconnecté, avec de nombres boucles longues. Il apparaît aussi que peu de relations avec une polarité négative ont été identifiées. Ce dernier constat est une forme de biais qui péjore la validité du modèle et qui rend toute interprétation précaire.


La matrice d’interactions de Vester a donné le résultat suivant :

Figure 18: Indicateurs : matrice d'interactions de Vester


Comme pour la figure précédente, on peut constater visuellement que l’absence de polarité négative donne une représentation insuffisamment différenciée pour pouvoir tirer une quelconque interprétation.

La leçon à tirer est de nature didactique : il est difficile pour des non-scientifiques[4] d’aborder le thème des indicateurs. En même temps, la difficulté pour des jeunes universitaires à comprendre la jungle des indicateurs et leur utilisation est un reflet de la même difficulté que doit rencontrer le grand public. Certainement que pour ce thème, qui se démarque des autres thèmes traités, il aurait fallu plus de temps, notamment pour monter en compétences le groupe afin que sa démarche puisse être plus pertinente.


7.5 Conclusion intermédiaire

L’impossibilité de pouvoir interpréter le modèle systémique n’est pas un échec, mais un feedback, dans le sens « probe – sense – respond » évoqué plus haut. Car les travaux et réflexions permettent tout de même de formuler une conclusion intermédiaire.

Les indicateurs nous renseignent sur le processus de prise de décisions des autorités. Ils sont utiles et indispensables pour pouvoir prendre des décisions et formuler des politiques publiques. Il existe néanmoins certaines limites, obstacles, comme nous l’avons évoqué dans les postulats, entravant la bonne pertinence de ces indicateurs. Ces limites sont multiformes et non exhaustives, il peut s’agir aussi bien de la bonne utilisation des données que de la cohérence de différents indicateurs entre eux, des caractéristiques sociodémographiques prises en compte ou bien l'aspect quantitatif utilisé au détriment du qualitatif. Un défi important concernant les indicateurs concernant la formulation de politiques publiques, restent la cohérence et la pertinence du choix de ces mêmes indicateurs. Homogénéiser et harmoniser ces indicateurs au niveau Suisse et international pourrait former un bon début afin de gagner en pertinence dans la lecture des nombreuses données liées au Covid-19. Les indicateurs en valeur absolue ne sont pas très parlants, en revanche, les indicateurs où une comparaison et un suivi sur la durée peut être effectué gagnent en pertinence dans la gestion de la crise Covid-19.

[1] Voir p.ex. La médecine basée sur les données probantes ou médecine fondée sur des niveaux de preuve : de la pratique à l’enseignement, Bernard Gaay, Marie-Dominique Beaulieu, Pédagogie Médicale - Août 2004 - Volume 5 - Numéro 3, www.unige.ch/medecine/udrem/files/3514/2678/6040/Gay_2004_5_p171-183.pdf, consulté le 14.1.2021 [2] https://www.bag.admin.ch/bag/fr/home/krankheiten/ausbrueche-epidemien-pandemien/aktuelle-ausbrueche-epidemien/novel-cov/testen.html#1701312752 [3] Il s’agit du nombre de tests positifs en laboratoire, avec/sans symptôme de la maladie [4] Dans le sens des sciences dites « dures »

Posts récents

Voir tout