Gestion de cas dans l’AI : la révision de 2022 apporte des améliorations

L’entrée en vigueur de la dernière révision de l’AI (Développement continu de l’assurance-invalidité, 2022) a renforcé la gestion de cas en l’implantant de manière contraignante – par voie d’ordonnance – et en définissant les principes du « case management » comme une ligne directrice. Les offices AI appliquent ainsi une gestion de cas moderne et axée sur les résultats.

Dans la littérature, le case management est entendu comme un processus structuré qui comprend l’analyse systématique de la situation de vie, la définition d’objectifs ainsi que la planification, la coordination et le contrôle des mesures. Avec la Circulaire sur la gestion de cas dans l’assurance-invalidité, l’Office fédéral des assurances sociales (OFAS) reprend ces principes : il y définit la gestion de cas comme un soutien coordonné axé sur le case management et mettant l’accent sur la collaboration de toutes les parties prenantes.

L’objectif de la dernière révision de l’AI était de mieux coordonner le traitement des cas et de le rendre plus transparent, en particulier dans les situations complexes impliquant plusieurs personnes, ceci afin de garantir l’octroi de mesures appropriées au moment opportun et dans l’ampleur ou le cadre adéquat. Pour ce faire, les responsables de cas doivent, au-delà d’un traitement purement administratif des dossiers, placer la personne assurée au centre de leurs préoccupations et acquérir une vision globale de sa situation.

Dans le domaine de la réadaptation professionnelle, certains offices AI travaillaient déjà de manière similaire avant la révision de la loi. Depuis l’entrée en vigueur de cette dernière, la gestion de cas englobe toutes les étapes de la procédure AI : détection précoce ou demande de prestations, octroi de mesures médicales, réadaptation professionnelle, examen du droit à la rente, octroi et révision de la rente et nouvelle réadaptation.

Le responsable de cas assure le suivi de l’assuré durant plusieurs étapes de la procédure AI. En tant que « plaque tournante » d’un réseau d’acteurs internes et externes, il coordonne entre autres les mesures médicales, les mesures de réadaptation professionnelle ainsi que les prestations accordées pendant l’examen du droit à la rente et pendant la perception de la rente.

Évaluation positive

Comment les offices AI ont-ils mis en œuvre les nouveautés dans la gestion de cas à partir de 2022 ? Nous nous sommes penchés sur cette question dans une évaluation commandée par l’OFAS (Kirchhofer et al. 2026). Pour ce faire, nous avons analysé des documents de travail, mené des entretiens semi-directifs avec des cadres et interrogé des responsables de cas dans le cadre de groupes de discussion. L’évaluation suit une approche qualitative.

Les cadres et les responsables de cas portent un jugement largement positif sur le renforcement de la gestion de cas et le considèrent comme pertinent d’un point de vue technique. Les responsables de cas saluent tout particulièrement l’évolution de leur rôle vers une fonction charnière de plaque tournante : ils centralisent les informations, accompagnent les assurés tout au long du processus et coordonnent la collaboration entre les parties prenantes internes et externes. Le fait que les deux groupes partagent largement les mêmes opinions générales sur l’orientation de l’AI après la réforme de 2022 témoigne d’une compréhension commune des objectifs. Cet accueil favorable de la part des spécialistes contraste toutefois avec le manque de ressources : de nombreux offices AI soulignent que les exigences administratives ont sensiblement augmenté.

Dans l’ensemble, la révision de l’AI est moins perçue comme une rupture que comme une évolution naturelle dans la bonne direction. Certains offices AI précisent qu’ils travaillaient déjà de cette manière avant la réforme, notamment en ce qui concerne le principe selon lequel « la réadaptation prime la rente ».

Gestion de cas : variations selon la taille du canton

En différenciant les offices AI selon la taille de leur canton et leur mode d’organisation, trois modèles structurels types se dégagent : ils se distinguent par leur approche de la gestion de cas.

• Premièrement, les offices AI des petits cantons: dans cette catégorie, la plupart des offices AI sont généralistes, c’est-à-dire qu’un petit nombre de spécialistes accompagnent les assurés tout au long du processus et sont ainsi impliqués dans divers aspects de la procédure. Ces structures à dimension humaine favorisent la continuité des rapports, mais rendent l’organisation vulnérable aux absences de personnel et limitent les possibilités de spécialisation professionnelle.
• Deuxièmement, les offices AI des grands cantons: la structure de ces offices se caractérise par des fonctions très spécialisées et des compétences bien délimitées. Ce haut degré de spécialisation permet d’approfondir les connaissances techniques et de standardiser les procédures. Pour les assurés, il peut toutefois entraîner des changements d’interlocuteurs, raison pour laquelle la continuité est ici davantage assurée par des processus et des transferts définis que par les collaborateurs eux-mêmes.
• Et troisièmement, les offices AI des cantons de taille moyenne: ces offices combinent une approche généraliste et une approche spécialisée. Il peut s’agir d’équipes interdisciplinaires regroupant différentes compétences spécialisées ou de modèles combinant des fonctions spécialisées et d’autres plus généralistes.

La taille et le mode d’organisation influencent par ailleurs considérablement la logique de planification des offices AI. On distingue quatre variantes de base. Ainsi, les offices AI généralistes des petits cantons privilégient soit une brève planification initiale suivie d’un développement continu au cas par cas, soit un pilotage centré sur le suivi et adapté à la situation de l’assuré. En d’autres termes, ils se fixent des objectifs généraux, adaptent les étapes de manière flexible au fur et à mesure et s’appuient fortement sur l’expérience des responsables de cas.

En revanche, les offices AI de grands cantons – caractérisés par un haut degré de spécialisation – ont tendance à opter soit pour une planification initiale approfondie qui n’est guère modifiée par la suite, soit pour une planification structurée avec des vérifications et des adaptations régulières. Les instruments standardisés qu’ils utilisent leur permettent de garantir la comparabilité et la traçabilité. Enfin, les offices AI de cantons de taille moyenne couvrent toute la gamme des variantes.

Fixation de conditions : pas d’uniformité

Enfin, le lien décrit entre structure et pilotage se reflète nettement dans les différentes approches adoptées quant à la fixation de conditions, qui se déclinent en trois axes distincts.

• La plupart des offices AI généralistes des petits cantons adoptent une approche fondée sur le dialogue et la confiance. Les conditions sont convenues avec retenue et en concertation avec l’assuré ; elles servent en premier lieu de ligne directrice, les contrôles systématiques sont l’exception.
• Les grands cantons, avec leur système fondé sur la spécialisation, préconisent pour la plupart l’approche formalisée et structurée. La nécessité d’imposer des conditions est examinée à un stade précoce, consignée par écrit et contrôlée de manière systématique afin de garantir l’égalité de traitement.
• Les structures mixtes des cantons de taille moyenne adoptent généralement une approche pragmatique et situationnelle. Les conditions sont employées de manière ciblée afin d’initier des changements dans les cas complexes et de créer des opportunités, sans pour autant soumettre chaque condition à une surveillance stricte.

Dans l’ensemble, les personnes interrogées au sein des offices AI soulignent l’importance de la communication : lorsque l’objectif d’une condition est expliqué de manière compréhensible, cette dernière est moins perçue comme une menace. Pour de nombreux collaborateurs, il reste néanmoins difficile de trouver le bon équilibre entre soutien et contrôle.

Objectifs avec standards minimaux

Le Développement continu de l’AI de 2022 n’a donc pas donné lieu à une pratique uniforme en matière de gestion de cas, mais à plusieurs variantes de mise en œuvre, basées sur les méthodes de travail, les structures et les ressources actuelles des offices AI concernés. Ces derniers s’accordent toutefois sur les conditions nécessaires à une bonne gestion de cas : des relations de travail stables, des objectifs intermédiaires vérifiables et fixés en concertation avec les personnes concernées, des rôles définis au sein des équipes ainsi qu’une collaboration concertée avec les partenaires externes.

Pour l’avenir, la question n’est donc pas tant de trouver une approche unique et « correcte » pour tous les offices AI, indépendamment de leur taille et de leurs méthodes de travail ; il s’agit plutôt de fixer des objectifs assortis de standards minimaux, tout en conservant une marge de manœuvre suffisante et en prévoyant des ressources adéquates pour que les offices AI puissent mettre en place le mode de gestion de cas qui convient le mieux à leur organisation.