Sous contrainte opérationnelle, l'orchestration du soin distribué ne rend pas le soin, le lieu, le moment et le coût comparables : elle rend certaines trajectoires calculables et d'autres invisibles.
L’hôpital qui sort de ses murs se présente avec une promesse compacte, importée du vocabulaire de la value-based care : le bon soin, au bon endroit, au bon moment, au bon coût. La formule est sérieuse, et son inscription dans le réel n’est pas un slogan : l’hospitalisation à domicile française a pris en charge 184 400 patients en 2024 (ATIH), la télésurveillance médicale est entrée dans le droit commun par les arrêtés des 3 et 31 mars 2026 (HAS, Légifrance), et les virtual wards britanniques alignaient près de 11 635 lits dès mars 2025 (NHS England). Le soin distribué existe, fonctionne, et tient une partie de sa promesse.
Mais la promesse repose sur un présupposé qu’elle ne nomme jamais : que ses quatre justes sont des objectifs séparés, que l’on pourrait régler un à un, comme quatre curseurs indépendants. Ce texte défend la thèse inverse : juste soin, juste lieu, juste moment et juste coût ne sont pas quatre curseurs, ce sont quatre effets d’une même couche de paramétrisation, et le mécanisme qui les produit n’est pas l’arbitrage entre objectifs concurrents, c’est plus profond, et moins visible. Sous contrainte opérationnelle, la couche d’orchestration constitue l’espace dans lequel ces objectifs deviennent calculables.
La généalogie de la formule est connue. Elle descend du Triple Aim de l’Institute for Healthcare Improvement (meilleure santé de population, meilleure expérience de soin, coût maîtrisé), étendu en Quadruple Aim par Bodenheimer et Sinsky en 2014 (ajout du bien-être des soignants), puis en Quintuple Aim par Nundy, Cooper et Mate en 2022 (ajout de l’équité). Le discours de marché en a fait un impératif d’orchestration : un système performant serait celui qui orchestre données interopérables, programmes cliniques numériques, expérience d’accès et structures de paiement.
Présentés ainsi, les quatre justes ressemblent à un tableau de bord. Quatre cadrans, quatre dimensions de la valeur, un pilote qui ajuste à la marge. La métaphore rassure parce qu’elle suppose les cadrans indépendants : on tirerait sur le coût sans déformer le soin, on avancerait le moment sans déplacer le lieu, et la seule difficulté serait une affaire de pondération. Elle est fausse, et pour une raison technique, pas idéologique : les quatre justes ne vivent pas dans le même espace de mesure, et cet espace n’est pas donné d’avance.
Posons la question que la promesse esquive : qu’est-ce qui définit « juste », et de quoi cette définition dépend-elle ? Le juste soin se définit par rapport à un besoin observé, et le besoin n’est pas observé en soi : il est inféré de ce que le système capte. Une dégradation qui n’émet aucun signal instrumenté n’est pas un besoin pour le système, c’est un silence. Le juste lieu se définit par rapport à une carte de ressources qui référence ce qui est conventionné, instrumenté, raccordé. Le juste moment, par rapport à un seuil et à une fréquence d’échantillonnage. Le juste coût, enfin, par rapport à un périmètre comptable : juste sur la journée évitée, possiblement injuste sur le parcours complet et la réadmission différée.
Aucun de ces quatre périmètres n’est une donnée du monde. Tous sont fixés par les paramètres de l’orchestration. D’où une distinction que le tableau de bord efface : celle entre l’objectif et l’espace de mesure où l’objectif est défini. Optimiser un objectif suppose un espace de mesure stable. Or l’espace de mesure du soin distribué ne l’est pas : il est lui-même un produit de la paramétrisation. La métrologie sait cela depuis longtemps. Ce qui change ici n’est pas le principe, c’est l’échelle : non plus un instrument isolé dans un laboratoire, mais une orchestration clinique continue, sous contrainte, sur une population entière, avec des conséquences directes sur l’adressabilité des patients.
Si l’espace commun de décision n’était qu’une projection statique, il resterait une élégance conceptuelle. Le point décisif est ailleurs : en exécution, sous contrainte, cet espace n’est pas construit une fois, il est continuellement réduit, déformé, recalculé. Ce n’est pas une projection, c’est une compression dynamique. Cinq forces de runtime opèrent cette compression, dont aucune n’apparaît sur le tableau de bord.
D’abord, la boucle de feedback : ce que le système a rendu visible hier conditionne ce qu’il sait détecter aujourd’hui, et une classe sous-représentée dans l’historique reste sous-détectée dans le présent. Ensuite, la temporalité de recalibration : entre deux recalibrations, le système mesure le présent avec l’espace de mesure du passé. Les données manquantes ne sont pas un trou neutre dans une matrice, ce sont des trajectoires qui sortent du champ. La dépendance aux capacités rend l’orientation tributaire de la place disponible autant que du besoin : quand le lit d’aval manque, le seuil d’escalade effectif se déplace, que la règle écrite le dise ou non. Enfin, la saturation ne resserre pas uniformément les priorités, elle les reconfigure : la même modélisation qui, en régime nominal, optimise conjointement triage, effectifs et lits produit, sous saturation, une autre hiérarchie. Les jumeaux numériques d’opérations hospitalières revendiquent dans cette ligne des réductions de temps d’attente aux urgences de 20 % à 40 %, chiffres à forte coloration éditeur, qui valent comme indice d’efficacité opérationnelle sur l’observable mesuré et non comme preuve consolidée.
Un patient insuffisant cardiaque est suivi à domicile par télésurveillance. Un soir, les lits d’aval du service de cardiologie de référence sont saturés. Aucune règle écrite ne le formule, mais le seuil d’escalade effectif se relève : faute de place où adresser, le système requalifie en stable ce qu’il aurait, en régime nominal, signalé à surveiller. Les variations de poids et de fréquence du patient restent sous le seuil ainsi déplacé. Aucune alerte ne se déclenche. Il n’est pas mal suivi : il est correctement suivi dans un espace de mesure qui s’est resserré, sans que personne ne l’ait décidé. La décompensation survient quelques jours plus tard. Tardive. On conclura qu’elle n’était pas prévisible. Elle l’était. Simplement, la trajectoire n’était jamais devenue calculable.
Le système n’a pas observé un patient stable : il a institué sa stabilité, comme effet de bord d’une contrainte capacitaire. C’est le point le plus dur du texte, et il se prête à deux mauvaises lectures qu’il faut écarter. Ce n’est pas la banalité sociotechnique selon laquelle tout système façonne ce qu’il mesure : ici, l’objet façonné n’est pas la mesure, c’est l’ensemble des trajectoires qui deviennent cliniquement actionnables. Ce n’est pas non plus un constructivisme qui nierait le réel : la dégradation du patient est bien réelle, ce que le système constitue, c’est sa calculabilité, donc le fait qu’elle devienne ou non un objet de décision. Régler un seuil ne déplace pas une valeur sur l’échelle, il déplace l’échelle.
Il faut donner à l’objection sa pleine force. Un ingénieur dira que tout ceci est un problème d’optimisation multi-objectifs déjà résolu : un front de Pareto traite des objectifs concurrents avec compromis explicites, et partager des capteurs n’est pas partager un objectif. L’objection est juste sur son terrain, et c’est le terrain qui est en cause. Un front de Pareto présuppose des objectifs définis sur un espace de mesure stable. Ici, l’espace est endogène aux paramètres optimisés : déplacer un seuil déplace à la fois la valeur de l’objectif et l’ensemble des trajectoires sur lesquelles cette valeur est définie. On n’arbitre pas sur un front fixe, on déforme le front en se déplaçant dessus.
Le terrain de ce texte est l’hôpital hors les murs, mais le mécanisme n’a rien de spécifique à l’hospitalisation à domicile. La même couche gouverne le triage aux urgences, la priorisation des listes d’attente, le routage d’imagerie, la coordination ville-hôpital, les plateformes de monitoring à distance, la coordination oncologique, la gestion des flux critiques. Partout où une architecture clinique distribuée arbitre sous contrainte, elle fabrique l’observable avant de le mesurer.
Une fois admis que la couche fabrique l’observable, le juste coût change de nature. Il n’est pas une grandeur financière mesurée après le soin. Il est pré-inscrit dans les seuils, les routes, les priorités et les filtres qui décident qui sera vu, quand, où, avec quel niveau d’escalade : un arbitrage clinique antérieur à toute mesure. Reste à compter un coût que l’analyse économique classique ne sait pas voir, parce qu’il porte sur ce que le système n’a pas observé. Ce n’est pas un sac où verser toute externalité négative, il a une structure causale en trois étages qui suivent le trajet d’un signal.
Premier étage, le coût de non-détection : la dégradation qui n’a jamais franchi le seuil, ou l’a franchi trop tard. Une sensibilité revendiquée supérieure à 80 %, cohérente avec une littérature majoritairement nord-américaine sur le monitoring à distance, laisse au plus une dégradation sur cinq sous le seuil, et le retard de visibilité relève du même étage : une détection qui arrive après le point où elle aurait changé l’issue est une non-détection qui s’ignore. Deuxième étage, le coût de non-escalade : la trajectoire détectable que le système n’a pas fait remonter, faute de capacité d’aval ou parce que la saturation avait reconfiguré les priorités. Troisième étage, le coût de non-reconstructibilité : après une issue défavorable, l’impossibilité de reconstituer quels paramètres ont incliné la trajectoire. L’erreur devient un événement sans cause assignable.
Un fait gênant des données éclaire ce point. Une revue systématique du soin de niveau hospitalier à domicile (prix indexés 2018) relève des écarts allant d’économies de plus de 8 000 € à des surcoûts de plus de 2 000 € par patient. Le case-mix explique une part de la dispersion, mais il ne prédit pas un changement de signe. Un curseur de coût indépendant produirait une distribution resserrée autour d’une économie moyenne ; on observe un basculement, des économies aux surcoûts, compatible avec un coût émergent de la paramétrisation locale plutôt que piloté comme une grandeur autonome. Compatible n’est pas prouvé : la thèse reste structurelle.
Ce constat n’appelle pas une dénonciation. Il requiert une discipline d’ingénierie, en quatre exigences de conception. D’abord, la fonction d’arbitrage doit être explicite et inspectable : une fonction-objectif illisible ne supprime pas la décision clinique, elle la rend inassignable, et bientôt irreconstructible comme acte clinique. Le problème n’est pas l’absence de décision, c’est la perte de son auteur. Ensuite, le périmètre d’observabilité doit être déclaré dans la spécification, politique de données manquantes et temporalité de recalibration comprises : un système qui tait comment il traite l’absence de donnée tait la moitié de ce qu’il décide. Troisièmement, tout levier de coût ou de capacité doit être traçable jusqu’à son effet sur l’observable, faute de quoi le réglage devient un acte clinique non qualifié. Le corpus doctrinal que prolonge ce texte nomme cette exigence la qualification exécutoire opposable, qui range une fonction à effet clinique parmi les fonctions cliniques et non parmi les utilitaires techniques. Enfin, le réglage doit être reconstructible : non pas tout enregistrer, mais pouvoir rejouer une trajectoire avec ses paramètres et l’état de saturation où elle s’est jouée. Un journal atteste que des choses ont eu lieu, il ne dit pas comment elles ont été rendues calculables. La reconstruction n’est pas le logging.
Plus un système performe sur son observable, moins le coût de ce qu’il n’observe pas est reconstructible. La courbe d’efficience et la courbe de silence peuvent monter ensemble. Un système d’orchestration peut améliorer réellement ses indicateurs, moins de réadmissions, durées de séjour plus courtes, comme le revendiquent certains programmes nord-américains, tout en augmentant la part des trajectoires qu’il ne rend pas calculables.
Trois limites bornent ce que cette analyse autorise à conclure. Elle est structurelle, non empirique : les fonctions d’arbitrage des plateformes sont propriétaires, et nul ne produit ici la preuve directe du mécanisme. D’où le falsifieur, qui tient lieu de garde-corps : la thèse tombe si l’on exhibe, dans une architecture réelle, un levier de coût ou de capacité dont la modification laisse invariantes les distributions d’accès, d’orientation et d’escalade. Si l’observable ne bouge pas quand on reparamètre, il n’est pas fabriqué, et l’analyse est fausse.
Elle ne vaut que sous contrainte : un système bien instrumenté, à capacité large, recalibré souvent, fabrique peu de visibilité différentielle. La thèse mord à mesure que la distribution, la contrainte et la dette de recalibration augmentent. Elle décrit enfin une tendance, pas une fatalité : que la couche institue l’observable n’oblige pas à le faire en silence. C’est tout l’objet des quatre exigences précédentes.
La promesse des quatre justes est tenable, mais pas forcément dans les termes où elle se formule. Elle suppose quatre curseurs indépendants ; elle opère par une couche unique qui, sous contrainte, décide de ce qui devient calculable. Le vrai sujet du soin distribué n’est ni le coût, ni le lieu, ni le moment, ni la qualité : c’est la fabrique de l’observable, c’est-à-dire quelles trajectoires un système sait rendre visibles, et au prix de quelle invisibilité pour les autres.
Tant que cette fabrique reste implicite, l’efficience mesurée après coup paraîtra neutre. Elle ne l’est pas : elle ne mesure que ce que la couche a bien voulu rendre observable. Le reste ne figure dans aucun tableau de bord, il devient un angle mort, puis un hors-périmètre, sans que personne ait eu à décider qu’il en serait ainsi. Ce qu’un système ne sait pas rendre calculable, il finit par ne plus le soigner, faute de l’avoir jamais décidé. Rendre ce mécanisme explicite n’est pas une exigence morale : c’est la première spécification technique d’un soin distribué dont on pourrait encore répondre.