Le problème : un savoir ancien, des décisions toujours difficiles
Karasek (1979) et son modèle demande-contrôle, Maslach (1981) et la mesure de l'épuisement, puis des centaines de méta-analyses : les facteurs du burn-out sont connus. Ce qui manque, ce n'est pas le savoir — c'est de savoir quoi en faire dans un contexte contraint.
Car le levier le plus corrélé au risque n'est pas toujours celui sur lequel on peut agir. Réduire la charge de travail est souvent le facteur n°1… et parfois le moins réaliste à court terme. La vraie question n'est pas « quelle est la cause principale ? » mais « parmi les actions à ma portée, laquelle déplace le plus le risque ? »
Le cerveau humain identifie bien les causes, mais estime mal leurs effets cumulés. Un réseau bayésien structure exactement ce que l'intuition peine à faire : hiérarchiser des actions possibles sous contrainte.
Le modèle : le burn-out comme système, pas comme somme de causes
Une forte charge de travail n'entraîne pas mécaniquement un burn-out. Pas si la reconnaissance compense, pas si le soutien social est présent, pas si le travail garde du sens. À l'inverse, des contraintes modérées peuvent suffire quand plusieurs déséquilibres s'alignent. Le modèle représente ces interactions — charge de travail, autonomie décisionnelle, soutien social, reconnaissance, management, stresseurs périphériques — et la façon dont elles convergent vers l'épuisement émotionnel puis le risque de burn-out.
27 variables, calibrées sur des méta-analyses et des données épidémiologiques françaises. Le résultat n'est pas un score unique et rigide, mais une carte des interactions — que l'on peut interroger avant d'agir.
Les nœuds sont les facteurs (charge, autonomie, soutien, reconnaissance…) et les résultats (épuisement émotionnel, risque de burn-out). Les flèches se lisent « A influence B » : une hypothèse d'influence issue de la littérature, pas une preuve de causalité expérimentale.
L'essentiel se joue dans les chemins qui convergent. Plusieurs facteurs alimentent l'épuisement émotionnel, qui alimente à son tour le risque. Agir sur deux facteurs « secondaires » mais accessibles peut infléchir ce nœud central davantage que de viser le facteur dominant mais hors de portée.
Un exemple : le levier évident n'est pas toujours le meilleur
Prenons un cas classique : une équipe de soignants en situation d'iso-strain — charge maximale, autonomie nulle, soutien inexistant. Le modèle estime un risque élevé de burn-out. On peut alors simuler deux directions :
Soit 15 points de risque en moins sans actionner le levier principal. C'est ce qu'une liste de facteurs ne montre jamais : certaines variables pèsent moins individuellement, mais sont plus accessibles — et leur effet cumulé peut dépasser celui du levier évident.
Valeurs issues d'une simulation de démonstration sur un cas illustratif, à des fins pédagogiques. Un modèle réel produirait ses propres estimations sur vos données.
Le simulateur : comparer deux plans d'action à budget égal
Le WebSimulator rend cette comparaison manipulable. On y confronte, par exemple, deux plans de même coût et même faisabilité : un plan centré sur la formation des managers, le soutien social et la reconnaissance ; un plan centré sur l'autonomie décisionnelle, la clarification des rôles et une reconnaissance ciblée. À situation de départ identique, l'écart de risque simulé entre les deux peut atteindre plusieurs points — de quoi arbitrer sur une base chiffrée plutôt qu'à l'intuition.
État de référence
Scénario simulé
Chaque modification d'une variable recalcule instantanément les probabilités sur l'ensemble du réseau, sans compétence technique requise.
On ne lit pas « 0,73 » comme une prédiction certaine, mais comme un repère de comparaison. Ce qui compte, c'est l'écart entre deux scénarios évalués sur la même base, et la manière dont il s'explique par les leviers activés.
Un plan de prévention crée de la valeur en évitant des situations : quand il fonctionne, « rien » ne se passe. Le simulateur donne un langage pour défendre ce non-événement — le coût du statu quo, et l'effet attendu d'une action, rendus visibles.
Explorer ce modèle
Graphe et simulateur de démonstration, construits sur la littérature et des données fictives. Votre modèle serait calibré sur votre contexte.
Fondements
La structure du modèle s'appuie sur des cadres de recherche publiés, dont :
- Karasek (1979) — modèle demande-contrôle (job demand-control), fondement de l'analyse de la tension au travail.
- Maslach & Jackson (1981) — conceptualisation et mesure de l'épuisement professionnel (Maslach Burnout Inventory).
- Burr et al. (2019) — Copenhagen Psychosocial Questionnaire (COPSOQ III), cadre exigences-ressources.
- Données épidémiologiques françaises — dont l'enquête Conditions de travail (DARES).
La page Méthode détaille la construction, la calibration et les limites de ce type de modèle.