L’intelligence artificielle (IA) ne doit pas être envisagée comme une solution miracle, mais comme un outil stratégique aligné sur les objectifs globaux d’un établissement de santé. C’est le message clair de Kerry Bommarito, vice-présidente chargée de l’IA d’entreprise et de l’intelligence décisionnelle chez Mercy, qui insiste sur l’importance de définir une stratégie claire avant de se lancer dans des projets d’IA.
Selon Mme Bommarito, la première étape consiste à établir des objectifs clés de performance (OKR) à l’échelle de l’organisation. Une fois ces objectifs définis, les équipes peuvent identifier les domaines où l’IA peut apporter une valeur ajoutée significative. Actuellement, Mercy concentre ses efforts sur l’automatisation des processus liés aux refus de remboursement, aux autorisations préalables et aux transferts de patients, des tâches chronophages qui peuvent être allégées grâce à la technologie, tout en améliorant l’expérience patient.
« L’IA ne peut pas tout résoudre. Elle peut faire beaucoup de choses, évidemment, mais elle ne peut pas tout faire », a déclaré Mme Bommarito. Elle souligne qu’il est souvent plus judicieux de s’associer à des fournisseurs spécialisés plutôt que de développer des solutions internes, en tenant compte du temps nécessaire pour obtenir un retour sur investissement et assurer la maintenance des systèmes.
La qualité des données est un autre facteur crucial de succès. Mme Bommarito insiste sur la nécessité d’une saisie cohérente des informations dans les dossiers médicaux électroniques (DME), de phrases standardisées et d’un flux de travail uniforme. Les implémentations de solutions proposées par des fournisseurs échouent souvent lorsque les spécifications de données supposées ne correspondent pas à la réalité des pratiques sur le terrain. Il est donc essentiel de tester ces hypothèses dès le départ et de se conformer aux normes de collecte et de gouvernance des données propres à chaque établissement.
Mercy a mis en place une structure spécifique pour gérer l’IA. Le bureau des données et de l’IA d’entreprise, ainsi que la gouvernance de l’IA, sont distincts de l’organisation informatique principale. Des examinateurs dédiés analysent les modèles proposés par les fournisseurs et vérifient leur conformité aux principes d’une IA responsable. De plus, Mercy inclut des clauses contractuelles exigeant une notification préalable avant l’activation de nouvelles fonctionnalités basées sur l’IA.
« Je pense que la gouvernance de l’IA doit être un processus autonome », a affirmé Mme Bommarito. L’objectif n’est pas de bloquer les mises à jour, mais de synchroniser les contrôles liés à l’IA avec les contrôles de sécurité et de modification informatique, afin de garantir la transparence pour les cliniciens et de clarifier les utilisations prévues et non prévues des outils.
La sécurité clinique est une priorité absolue. Toute fonctionnalité susceptible de fonctionner comme un dispositif médical doit être soumise à un examen rigoureux pour déterminer les implications réglementaires de la Food and Drug Administration (FDA). L’utilisation de modèles de langage à grande échelle (LLM) dans un contexte clinique doit toujours être supervisée par un humain. Il est impératif de former les cliniciens sur les capacités et les limites de ces outils, et de leur expliquer comment ils arrivent à leurs recommandations.
En ce qui concerne les projets pilotes, Mme Bommarito les considère comme des signaux d’alerte technique, et non comme des autorisations pour des opérations ponctuelles. Les développements internes sont conçus comme des plateformes modulaires, composées de microservices et d’agents réutilisables, afin qu’une preuve de concept réussie puisse être rapidement étendue à d’autres domaines. Elle préconise une approche pragmatique, évitant le code « jetable » et accélérant la mise à l’échelle une fois la valeur prouvée.
Enfin, Mme Bommarito conseille aux équipes de définir dès le départ des indicateurs de valeur (financière, opérationnelle ou expérience patient) et de rester flexibles face aux imprévus. Certains avantages, tels que la réduction de la charge de documentation, seront qualitatifs, tandis que d’autres, comme la prévention des refus ou la réduction des délais d’autorisation préalable, pourront être mesurés de manière plus précise. Elle recommande également de recentrer les demandes de solutions sur le problème sous-jacent, car il est parfois plus efficace de prévenir un problème en amont que d’optimiser une solution corrective en aval.
« Nous devons être humbles quant à ce que l’IA peut réellement faire et ce qu’elle ne peut pas faire », a conclu Mme Bommarito.
À ne pas manquer
