Fatigue d’alerte clinique : comment réduire le bruit numérique

Chaque règle devrait avoir une fiche d’identité : risque visé, population, données requises, destinataire, niveau de criticité, moment d’apparition, action attendue, conditions de désactivation, propriétaire clinique et indicateur de suivi. Sans cette définition, une règle technique devient vite une notification orpheline.

Ce qui ne passe pas ce test n’est pas forcément inutile. Il relève peut-être d’un tableau de bord, d’une tâche, d’une synthèse ou d’un rapport périodique : autant de formes qui informent sans interrompre.

Parmi les pistes que recense l’AHRQ figurent la gradation des alertes selon leur gravité, une présentation différente selon le niveau, et la règle de ne rendre interruptives que les alertes graves. En pratique, trois niveaux suffisent souvent à trier.

Niveau critique : interrompre immédiatement

Une alerte critique correspond à un risque grave et urgent, avec une action immédiate identifiable. Elle doit être rare, visible, attribuée à quelqu’un et assortie d’une escalade si personne n’accuse réception. La sensibilité seule ne suffit pas : des faux positifs nombreux usent la confiance, et c’est précisément le mécanisme de la fatigue d’alerte.

Niveau important : créer une tâche

Une anomalie à traiter dans la journée, ou avant une prochaine étape, peut devenir une tâche dans une file de travail. Le responsable, l’échéance et le statut doivent être visibles. Une tâche sans propriétaire équivaut à une alerte perdue.

Niveau informatif : intégrer au contexte

Les conseils, tendances et rappels non urgents peuvent apparaître dans la synthèse du patient au moment de la consultation. Ils ne devraient ni bloquer une prescription ni interrompre un geste. L’objectif est de préserver l’attention pour les signaux réellement prioritaires.

Le même événement n’appelle pas la même présentation pour un médecin, un pharmacien, un infirmier ou un coordinateur. Le routage doit suivre la responsabilité et les moyens d’agir. Envoyer la même alerte à toute l’équipe dilue la responsabilité et multiplie les interruptions.

Le moment compte autant. Une alerte médicamenteuse peut être utile lors de la prescription, puis redondante une fois l’ordonnance validée par la pharmacie. Pour chaque règle, regardez à quelle étape du parcours elle se déclenche et si une étape précédente ne l’a pas déjà traitée. Quand l’alerte vient de données recueillies à domicile, la question du destinataire, du délai et de la conduite la nuit ou le week-end se pose dans les mêmes termes que pour la chaîne d’alerte d’un programme de suivi à distance.

Il n’existe pas de mesure de référence de la fatigue d’alerte. Une revue de revues systématiques publiée dans le JAMIA en 2026 a analysé vingt-deux synthèses sur les alertes destinées aux médecins : une seule donnait une définition opérationnelle de la fatigue d’alerte, et les indicateurs les plus utilisés restaient le volume, le taux de contournement et le taux d’acceptation. Les auteurs proposent de la repérer à une baisse nette et durable, par rapport à une période de référence, de la part des réponses appropriées aux alertes.

Faute de standard, définissez localement un ensemble cohérent d’indicateurs :

• le nombre d’alertes par patient et par utilisateur ;
• la part d’alertes interruptives ;
• le taux d’acceptation et le délai de réponse ;
• les motifs de contournement ;
• les doublons ;
• les événements indésirables évités ou survenus ;
• l’expérience des équipes.

Un taux de contournement élevé n’indique pas toujours une mauvaise règle : le clinicien peut disposer d’un contexte que le système ne voit pas. À l’inverse, un taux d’acceptation élevé peut être trompeur si l’action demandée est un clic sans conséquence. Associez les chiffres à des revues de dossiers et à de courts entretiens avec les utilisateurs.

Un comité pluridisciplinaire doit pouvoir créer, modifier, suspendre et retirer une règle. Il réunit au minimum des utilisateurs cliniques, la pharmacie lorsque des médicaments sont en jeu, la qualité et la gestion des risques, l’informatique et la protection des données. Chaque règle a un propriétaire qui répond de sa revue.

Une demande d’alerte suit un parcours : description du risque, preuves, simulation rétrospective, test en environnement contrôlé, pilote, suivi renforcé, puis revue périodique. Les incidents et les retours des utilisateurs alimentent une file d’amélioration. Une règle temporaire porte une date d’expiration.

C’est pourquoi le retrait doit être une décision documentée du comité, et non un réglage discret. Il n’existe pas de consensus sur la meilleure façon de réduire la fatigue d’alerte ; l’AHRQ rappelle les recommandations de la Joint Commission, l’organisme américain d’accréditation des établissements : une culture de sécurité, une responsabilité partagée entre utilisateurs et concepteurs, et une direction impliquée dans le pilotage des outils numériques.

Avant le déploiement, rejouez des cas représentatifs : patient aux données manquantes, doublons, valeurs extrêmes, traitement interrompu, passage d’un établissement à un autre. Vérifiez les faux négatifs autant que les faux positifs, ainsi que le comportement de la règle quand une source est indisponible ou change de version. Une règle ne vaut que ce que valent ses données d’entrée : la qualité des données de santé se vérifie avant qu’elle ne déclenche quoi que ce soit.

Une fois en service, une surveillance continue repère les dérives : hausse soudaine du volume, destinataires inactifs, délais qui s’allongent, règle devenue obsolète. Les équipes doivent savoir qui contacter et comment signaler une alerte dangereuse, ou une alerte attendue qui n’est jamais venue.

Des travaux explorent l’apprentissage automatique pour mieux prioriser les alertes médicamenteuses. Une revue de la littérature publiée dans le JAMIA en 2024 a retenu dix études menées à l’hôpital. Les alertes optimisées par l’IA y réduisaient la charge d’alertes, repéraient davantage de prescriptions inappropriées ou atypiques et permettaient d’anticiper la réponse des utilisateurs. Mais deux études seulement les avaient mises en œuvre en pratique, et aucune n’avait fait de validation externe : rien ne dit qu’un modèle développé dans un hôpital garde ses performances dans un autre.

Avant d’utiliser un score pour supprimer ou déclasser une alerte, définissez la performance minimale attendue, les sous-groupes à surveiller, ce que l’utilisateur doit pouvoir comprendre du classement, la possibilité de passer outre et la procédure d’arrêt. Calibration, seuils, biais et déploiement par étapes sont détaillés dans notre article sur la stratification du risque patient, et valent tels quels pour un modèle qui trie des alertes.

1. Inventorier les alertes interruptives et leurs propriétaires.
2. Repérer les règles qui génèrent le plus de volume, et les alertes critiques.
3. Mesurer volume, acceptation, délais et retours des équipes.
4. Supprimer les doublons et les règles sans action définie.
5. Convertir les informations non urgentes en tâches ou en synthèses.
6. Tester les modifications sur des scénarios, puis en pilote.
7. Publier un registre des règles et une cadence de revue.

Cette démarche vaut pour tout système, y compris un suivi fondé sur un jumeau numérique. MyTwin pour les cliniciens suit le patient en continu entre les visites et n’alerte le médecin que lorsque c’est nécessaire ; c’est ce « nécessaire » que la démarche rend explicite, mesurable et révisable, avec chaque équipe qui l’utilise.