Un collaborateur saisit un mauvais chiffre dans un tableur. Un soignant administre une dose incorrecte. Un capteur de mesure dérive sans que personne ne le remarque. Chaque erreur a une origine, et cette origine est rarement unique. Comprendre les causes d’erreur, c’est remonter une chaîne où se croisent des facteurs humains, techniques et organisationnels.
Erreurs cognitives et biais : quand le cerveau nous trompe
Avant de chercher des défaillances dans un système, il faut regarder du côté de celui qui agit. Le cerveau humain fonctionne avec des raccourcis mentaux, appelés heuristiques. Ces raccourcis sont utiles au quotidien, mais ils deviennent des causes d’erreur dès que la situation sort de la routine.
Lire également : Qu'est-ce que le coaching d'entreprise ?
Vous avez déjà remarqué que vous trouvez plus facilement ce que vous cherchez, même quand ce n’est pas là ? C’est le biais de confirmation. Dans une expérience scientifique, un chercheur peut orienter ses observations vers ce qui valide son hypothèse et négliger les données contradictoires. Chez un médecin, ce même biais pousse parfois à privilégier un diagnostic familier face à des symptômes ambigus.
Un autre mécanisme courant est l’erreur d’attention. Les interruptions de tâche multiplient le risque de se tromper. Un professionnel de santé interrompu pendant la préparation d’un médicament peut reprendre à la mauvaise étape. En milieu industriel, un opérateur distrait saute une vérification. L’erreur n’est pas liée à un manque de compétence, mais à une surcharge cognitive au mauvais moment.
A lire aussi : Quelles sont les qualifications du coaching ?
Erreurs systématiques et erreurs aléatoires en mesure
Dans le domaine de la mesure, on distingue deux grandes familles de causes d’erreur, et cette distinction change tout pour la correction.
Erreur systématique : un décalage constant
Une balance mal calibrée ajoute toujours le même écart à chaque pesée. C’est une erreur systématique liée à l’instrument ou à la méthode. Le résultat paraît cohérent (les valeurs se répètent), mais il est faux. Ce type d’erreur est dangereux parce qu’il passe inaperçu sans étalon de référence.
Les causes les plus fréquentes : un capteur qui dérive avec le temps, une procédure de mesure inadaptée, ou un environnement (température, vibrations) non contrôlé.
Erreur aléatoire : la dispersion imprévisible
Contrairement à l’erreur systématique, l’erreur aléatoire varie d’une mesure à l’autre sans schéma fixe. Elle provient de micro-variations dans l’environnement, de petites fluctuations du matériel, ou de la lecture humaine d’un cadran. On la réduit en multipliant les mesures et en calculant une moyenne, mais on ne l’élimine jamais complètement.
Causes d’erreur médicamenteuse : le circuit du médicament
Le secteur médical illustre bien comment plusieurs causes d’erreur s’enchaînent. Les erreurs peuvent survenir à chaque étape du circuit, de la prescription à l’administration en passant par la dispensation.
Les types d’erreur les plus fréquents sont :
- L’erreur de dose (surdosage, erreur de calcul, mauvaise dilution, mauvais débit de perfusion), qui représente la part la plus importante des signalements.
- L’erreur de choix du médicament, causée par une confusion entre produits au conditionnement similaire, une interaction non détectée ou une double prescription.
- L’erreur de patient, liée à une mauvaise identification au moment du soin.
Derrière chaque erreur individuelle, on trouve des facteurs aggravants : similitude visuelle des emballages, étiquetages peu lisibles, surcharge de travail des équipes soignantes, absence de double vérification. L’erreur visible est souvent le dernier maillon d’une chaîne de défaillances organisationnelles.
Facteurs organisationnels et chaîne de défaillances au travail
James Reason, chercheur en facteurs humains, a proposé un modèle devenu classique : celui des « plaques de fromage suisse ». Chaque couche de sécurité dans une organisation comporte des trous. L’accident survient quand les trous de plusieurs couches s’alignent.
Ce modèle s’applique bien au-delà du médical. Dans un entrepôt, dans un bureau d’études, dans un laboratoire, les mêmes facteurs organisationnels reviennent :
- Un manque de communication entre équipes, surtout lors des changements de poste ou de service.
- Des procédures floues, obsolètes ou contournées par habitude.
- Une pression temporelle qui pousse à sauter des étapes de vérification.
- Un défaut de traçabilité qui empêche de détecter une anomalie en amont.
La HAS a documenté ces mécanismes dans son analyse d’événements graves en EHPAD, relevant des défauts de surveillance, des retards de prise en charge et des ruptures dans l’organisation des soins. Une erreur attribuée à un individu masque souvent un problème de système.
Données d’entrée et intelligence artificielle : une cause d’erreur récente
Avec la montée en puissance des outils d’IA, une nouvelle catégorie de causes d’erreur apparaît. Un algorithme de recrutement, de diagnostic ou de gestion produit des résultats aussi fiables que les données sur lesquelles il a été entraîné.
Des données incomplètes, peu représentatives ou inadéquates pour l’usage prévu peuvent conduire à des résultats erronés ou discriminatoires. Le règlement européen sur l’IA prévoit d’ailleurs des exigences spécifiques de gouvernance des données pour les systèmes à haut risque.
La qualité des données d’entrée conditionne la fiabilité de toute décision automatisée. Ce n’est pas le code qui se trompe, c’est la matière première qui est biaisée. Quand un outil d’IA est imposé à un salarié sans formation adaptée, l’erreur qui en résulte ne relève plus seulement de la technique, mais aussi de l’organisation du travail.
Les causes d’erreur ne se rangent pas dans une case unique. Elles se combinent, se renforcent, et traversent des couches successives (individu, outil, procédure, organisation). Chercher « la » cause revient presque toujours à simplifier le problème. La démarche la plus utile reste de cartographier la chaîne complète, du contexte de travail jusqu’au geste final, pour identifier où agir avant que les trous ne s’alignent.
