Un adulte français sur trois rencontre des difficultés pour comprendre certaines informations médicales. Une capacité qui décroit avec l’âge, dès le milieu de vie, d’après une récente étude américaine. Plus largement, Santé publique France estime que 44 % des adultes déclarent des difficultés à accéder, comprendre, évaluer ou utiliser l’information de santé, et que 72 % rencontrent des difficultés lorsqu’il s’agit d’information disponible en ligne.
Ces données sont souvent mobilisées pour justifier des interventions centrées sur la littératie en santé.
L’hypothèse implicite est généralement la suivante : améliorer la compréhension de l’information de santé permettrait d’améliorer les comportements de santé.
La littérature scientifique invite toutefois à nuancer fortement cette relation.
Comprendre une recommandation ne garantit pas sa mise en œuvre. Et la mise en œuvre ne garantit pas la persistance du comportement dans le temps.
Cette distinction est essentielle pour comprendre l’écart fréquent entre les effets observés dans les interventions contrôlées et ceux observés en conditions réelles.
La relation imparfaite entre connaissance et comportement
Une grande partie des stratégies de prévention repose historiquement sur une hypothèse relativement linéaire : plus une personne est informée, plus elle adopte des comportements favorables à sa santé.
Les travaux en psychologie de la santé et en sciences comportementales montrent cependant que cette relation existe, mais qu’elle est souvent modérée, indirecte et fortement dépendante du contexte.
On observe par exemple que :
- une majorité de personnes connaissent les risques associés au tabac,
- les bénéfices de l’activité physique sont largement connus,
- les recommandations nutritionnelles sont globalement diffusées,
- les patients atteints de maladies chroniques disposent souvent d’un niveau de compréhension minimal de leur traitement.
Pour autant, à l’échelle populationnelle :
- les comportements à risque persistent,
- certaines pathologies chroniques liées aux modes de vie restent très prévalentes,
- l’activité physique reste insuffisante dans de nombreux groupes,
- l’observance thérapeutique est variable.
Ces constats suggèrent que la connaissance est un facteur nécessaire dans certains cas, mais rarement suffisant à elle seule pour expliquer le changement comportemental.
Ce que mesure réellement la littératie en santé
La littératie en santé est généralement définie comme la capacité à :
- accéder à l’information de santé,
- la comprendre,
- l’évaluer,
- et l’utiliser dans la prise de décision.
De nombreuses études montrent qu’un niveau plus élevé de littératie en santé est associé à :
- une meilleure compréhension des maladies,
- une meilleure navigation dans les systèmes de soins,
- une capacité d’autogestion plus efficace,
- une utilisation plus appropriée des services de santé.
Cependant, les revues systématiques disponibles suggèrent que les interventions centrées sur la littératie ont des effets plus constants sur les connaissances et les compétences que sur les comportements de santé eux-mêmes, dont l’évolution apparaît plus variable selon les contextes.
Limites des segmentations traditionnelles
Les interventions de santé publique et de santé numérique segmentent encore largement les populations selon :
- l’âge,
- le sexe,
- la pathologie,
- le niveau de risque clinique,
- la motivation intrinsèque ou extrinsèque,
- ou le niveau de littératie.
Ces variables restent essentielles pour décrire des populations, structurer des parcours de soins et prioriser les interventions.
Cependant, elles capturent imparfaitement la capacité concrète à modifier un comportement dans un contexte de vie réel.
Lecture critique des segmentations classiques
| Critère de segmentation | Ce qu’il mesure principalement | Ce qu’il prédit généralement | Limites principales |
|---|---|---|---|
| Âge | Étape de vie, cohorte | Risques de santé, besoins médicaux | Forte hétérogénéité intra-groupe |
| Sexe | Variables biologiques et sociales | Risques spécifiques, tendances moyennes | Pouvoir explicatif comportemental limité |
| Pathologie | État clinique | Besoins de soins, risques médicaux | Peu informatif sur l’autogestion réelle |
| Niveau de risque | Probabilité d’événements médicaux | Priorisation clinique | Ne renseigne pas sur la capacité d’action |
| Littératie en santé | Compréhension de l’information | Accès et compréhension des soins | Effets comportementaux variables |
| Motivation | Intentions déclarées | Engagement initial | Décalage intention–comportement fréquent |
Ces variables décrivent principalement des états, des risques ou des intentions, mais elles permettent rarement de prédire directement la probabilité de changement comportemental durable.
Mesurer la capacité à agir : état de l’art et limites
La littérature en sciences comportementales et en sciences sociales propose plusieurs cadres permettant d’approcher la notion de capacité à agir, sans toutefois la formaliser comme un construit unifié.
Le modèle COM-B (capability, opportunity, motivation) propose une première structuration du comportement, en distinguant capacités physiques et psychologiques, opportunités et motivation. Cependant, il ne fournit pas d’indicateur synthétique permettant de quantifier la capacité réelle à agir dans un contexte de vie donné.
Le Theoretical Domains Framework (TDF) offre une granularité plus fine en intégrant de nombreux déterminants comportementaux, mais reste difficile à opérationnaliser sous forme de score global utilisable en segmentation.
Le Capability Approach (Sen, Nussbaum) constitue une référence conceptuelle majeure en mettant l’accent sur les libertés réelles des individus, mais il s’inscrit dans une approche normative et socio-économique, sans outillage directement applicable à la santé numérique ou à la prédiction comportementale individuelle.
Enfin, les travaux en implementation science et sur la charge des patients (patient burden, treatment burden) soulignent l’importance des contraintes contextuelles, mais ces dimensions restent fragmentées et rarement intégrées dans un modèle quantitatif unifié.
Ainsi, malgré une convergence conceptuelle forte, il n’existe pas aujourd’hui de mesure standardisée, validée et opérationnelle de la capacité globale à agir, intégrant simultanément les dimensions fonctionnelles, cognitives, sociales et environnementales dans une perspective prédictive du comportement.
Vers une autre lecture : la capacité réelle à agir
Les travaux récents en sciences comportementales et en implementation science convergent vers une hypothèse complémentaire : le comportement dépend non seulement de ce que les individus savent ou souhaitent faire, mais aussi de ce qu’ils peuvent réellement faire dans leur environnement quotidien.
Cette capacité à agir peut être conceptualisée comme multidimensionnelle, incluant notamment :
- les ressources matérielles et financières,
- le temps disponible,
- la charge cognitive et mentale,
- la santé physique et mentale,
- le soutien social,
- l’environnement physique et organisationnel,
- l’accès aux services et infrastructures.
Ces dimensions interagissent entre elles et ne peuvent être réduites à un facteur unique.
Proposition d’un modèle opérationnel : CAPA
Afin de structurer cette notion de manière testable et exploitable, il est possible de proposer un cadre conceptuel intégré : le modèle CAPA (Capability to Act in Practice Assessment – © Vivoptim Solutions, 2026).
Définition
La capacité à agir (CAPA) est définie comme la probabilité qu’un individu puisse initier et maintenir un comportement de santé dans un contexte réel, compte tenu de ses ressources, contraintes et environnements.
Structure du modèle CAPA © Vivoptim Solutions, 2026
CAPA repose sur cinq dimensions principales :
| Dimension | Description | Impact sur le comportement |
|---|---|---|
| Capacité fonctionnelle (CF) | État physique, mobilité, douleur, limitations | Détermine ce qui est physiquement réalisable |
| Charge mentale et cognitive (CM) | Stress, fatigue cognitive, santé mentale | Influence la constance et la planification |
| Ressources matérielles (RM) | Revenus, sécurité matérielle, accès aux biens essentiels | Conditionne l’accès aux solutions |
| Opportunité environnementale (OE) | Accessibilité, infrastructures, organisation du système | Facilite ou limite les comportements possibles |
| Soutien socio-contextuel (SS) | Réseau social, isolement, contraintes familiales | Modère la capacité de maintien dans le temps |
Intérêt du modèle
Le modèle CAPA vise à :
- mieux prédire la mise en œuvre effective des comportements,
- expliquer une partie du décalage intention–comportement,
- améliorer la segmentation en santé numérique,
- adapter les interventions aux contraintes réelles des individus.
Note : le modèle CAPA constitue une proposition conceptuelle nécessitant une validation empirique ultérieure.
Une lecture intégrée des comportements de santé
Une approche plus complète consiste à articuler trois dimensions complémentaires :
| Dimension | Question centrale | Exemples |
|---|---|---|
| Capacité | La personne peut-elle agir ? | Santé, ressources, compétences |
| Opportunité | L’environnement permet-il l’action ? | Accès, contraintes sociales |
| Motivation | La personne veut-elle agir ? | Intentions, habitudes, croyances |
Implications pour la prévention et la santé numérique
Dans cette perspective, l’efficacité des interventions dépend non seulement de leur capacité à transmettre de l’information ou à modifier des intentions, mais aussi de leur adaptation aux conditions réelles de vie.
Ainsi :
- une intervention numérique peut avoir des effets variables selon la charge cognitive des utilisateurs,
- deux patients présentant une même pathologie peuvent nécessiter des modalités d’accompagnement différente,
- l’autonomie en santé dépend autant des ressources individuelles que de l’organisation du système de soins.
Cela conduit à reformuler la question centrale : moins « que doit faire l’individu ? » et davantage « dans quelles conditions peut-il réellement le faire ? »
Conclusion
Les données issues des sciences comportementales suggèrent qu’il est nécessaire de dépasser une lecture linéaire du changement de comportement en santé.
L’âge, la pathologie, la littératie et la motivation restent des variables importantes et bien documentées. Toutefois, elles ne suffisent généralement pas à expliquer la variabilité des comportements observés en conditions réelles.
Un déterminant transversal apparaît de manière récurrente : la capacité effective à agir dans un environnement donné, c’est-à-dire l’ensemble des ressources, contraintes et opportunités qui conditionnent la possibilité réelle d’adopter et de maintenir un comportement.
Comprendre une recommandation ne garantit pas sa mise en œuvre. Vouloir changer ne garantit pas la possibilité de maintenir ce changement.
Une approche intégrée consiste donc à articuler dimensions cognitives, motivationnelles et contextuelles, afin de mieux relier les interventions de santé aux conditions concrètes de vie.
Références
Carey, R. N., Connell, L. E., Johnston, M., Rothman, A. J., de Bruin, M., Kelly, M. P., & Michie, S. (2024). Behavior change and implementation science in health interventions: Current evidence and future directions. Annual Review of Public Health, 45, 105-123.
Li, Y., Wang, H., Zhang, X., et al. (2025). Effectiveness of digital health literacy interventions: A systematic review and meta-analysis. BMC Public Health, 25, 2134.
Norman, C. D., & Skinner, H. A. (2024). eHealth literacy and health outcomes: Current evidence and future directions. Journal of Medical Internet Research, 26, e56231.
Santé publique France. (2025). Littératie en santé des adultes en France : résultats nationaux. Saint-Maurice : Santé publique France.
Sheeran, P., Klein, W. M. P., & Rothman, A. J. (2024). Health behavior change and the intention-behavior gap. Annual Review of Psychology, 75, 517-543.
Vogeley, A., Russell, A., Yeh, F., Curtis, L., Opsasnick, L., Yoshino Benavente, J., Bonham, M., Lovett, R., Light, S. W., Sun, B., Agyare, P., Cecil, P., Zuleta, R., Persell, S. D., Kim, M., & Wolf, M. S. (2026). Prevalence of limited health literacy during middle adulthood and its associations with health self-management and physical function. Journal of General Internal Medicine. https://doi.org/10.1007/s11606-026-10560-x
Zhao, L., Chen, M., Patel, R., et al. (2025). Tailored eHealth interventions for chronic disease management: A systematic review. npj Digital Medicine, 8, 154.
A lire également :
Poids de l’onboarding dans l’adoption des interventions numériques en santé
Changer les comportements santé : pourquoi l’âge détermine le modèle d’intervention
