L’intelligence artificielle (IA) dite « agentique » promet de révolutionner les systèmes de santé, mais son déploiement à grande échelle exige une préparation minutieuse en matière d’infrastructure, d’interopérabilité et de gouvernance, soulignent des experts du secteur.
Lors d’un récent webinaire organisé par HealthsystemCIO sur la manière de maximiser la valeur de ces outils tout en minimisant les risques, Syed Mohiuddin (UnitedHealth Group), Stephen Nash (Southern Pediatrics) et Guillaume de Zwirek (Artera) ont dressé un tableau réaliste des défis et des opportunités.
Selon M. Mohiuddin, les agents d’IA peuvent prendre en charge des tâches de coordination et d’exécution de plus en plus complexes, qui nécessitaient auparavant l’intervention humaine pour l’examen de documents et de politiques volumineux. Ils représentent une réponse aux difficultés croissantes rencontrées par les payeurs et les prestataires – augmentation des coûts, surcharge administrative, insatisfaction des patients et des cliniciens – à une époque où les organisations cherchent à simplifier les processus sans augmenter leurs effectifs.
L’adoption de ces technologies reste cependant inégale. « Les dirigeants sont souvent enthousiastes, mais les équipes sur le terrain évaluent l’impact potentiel sur la relation patient-soignant, la prise de décision clinique et leurs responsabilités professionnelles », explique M. Nash. Les organisations de santé ont tendance à se concentrer sur les conséquences d’un échec, car les erreurs peuvent avoir un impact direct sur les patients, ce qui influence les attitudes même lorsque les performances s’améliorent.
M. de Zwirek souligne que la barre est encore plus haute pour les prestataires qui gèrent un volume important de communications avec les patients, car de nombreuses interactions se déroulent en temps réel, sans possibilité de validation humaine de chaque échange. Son équipe a identifié un seuil où la sécurité, la fiabilité et l’efficacité sont suffisamment élevées pour autoriser un déploiement plus large, marquant une transformation dans la conception et la fourniture des technologies de santé.
Les premiers cas d’utilisation envisagés se concentrent sur des tâches répétitives, chronophages et directement liées à la qualité du service. M. Nash met en avant deux priorités : la documentation et la communication. Des assistants d’IA peuvent améliorer l’efficacité de la tenue des dossiers médicaux et permettre aux cliniciens de passer plus de temps avec les familles. La messagerie bidirectionnelle et des réponses plus rapides rapprochent les interactions de santé des expériences numériques auxquelles les patients sont de plus en plus habitués.
Les grandes entreprises diversifiées peuvent intégrer l’IA dans des domaines administratifs et cliniques, en utilisant des modèles « explicatifs » et « d’action » pour aider les utilisateurs à comprendre les événements passés et à planifier les prochaines étapes, comme la gestion des demandes de remboursement ou des prescriptions pharmaceutiques, précise M. Mohiuddin. L’objectif est de réduire les frictions entre les patients et les opérateurs en traduisant les questions en actions concrètes, notamment en proposant des alternatives aux prestations ou en gérant les exceptions.
M. de Zwirek explique que ses discussions avec les clients commencent souvent par une question simple : où l’organisation rencontre-t-elle des retards en raison d’un manque de personnel ? L’automatisation peut aider à identifier les populations nécessitant des soins préventifs (visites de contrôle des enfants, examens de bien-être annuels, dépistages) et à planifier des interventions à grande échelle. Un agent d’IA pourrait ainsi contacter rapidement un grand nombre de patients et obtenir un taux de rendez-vous significatif, réduisant en quelques secondes un travail qui prendrait plusieurs semaines à réaliser manuellement.
À mesure que les organisations passent de la phase pilote à la production, la gouvernance et l’interopérabilité deviennent des facteurs déterminants. Les panélistes insistent sur le fait que l’IA agentique nécessite une discipline comparable à la gestion des ressources humaines plutôt qu’à l’expérimentation logicielle. Les équipes doivent considérer la gouvernance, la conception et la surveillance comme des exigences fondamentales, et élaborer une approche qui permette de tester les systèmes tout en se préparant à leur déploiement à grande échelle. « Il faut procéder avec la même diligence que lors de l’embauche et de la formation du personnel : il faut comprendre ce que fait l’agent, ce qu’il est autorisé à faire et comment ses performances sont contrôlées », souligne M. Mohiuddin.
M. de Zwirek insiste sur la nécessité de mettre en place des mécanismes pour réduire les risques de sécurité et les erreurs avant de mettre les agents en production, en mettant l’accent sur des approches systématiques d’évaluation et de surveillance en temps réel. Il tire également des leçons du développement de logiciels assisté par l’IA, où la révision du code et la discipline architecturale sont essentielles pour éviter que des systèmes fragiles ne soient déployés et ne créent de nouveaux risques opérationnels.
L’interopérabilité reste un obstacle majeur. L’intégration des systèmes incombe souvent au client, même en cas de partenariat, en particulier dans un marché fragmenté où les agents ont besoin d’un accès fiable aux dossiers médicaux électroniques (DME), aux plateformes de gestion de cabinet et aux systèmes en aval, explique M. de Zwirek. Cette réalité a conduit son entreprise à renforcer ses capacités internes, tout en reconnaissant que le développement entièrement interne peut être prohibitif sans une grande échelle.
« La vitesse a deux dimensions : la vitesse de démarrage et la vitesse d’achèvement », ajoute M. Mohiuddin. « La dernière étape peut être déterminante. » Les dirigeants doivent considérer les décisions relatives à l’IA agentique comme des choix stratégiques classiques, liés aux priorités, à la différenciation concurrentielle et au niveau de spécialisation requis.
Le groupe souligne également un écart croissant entre les plateformes modernes basées sur le cloud et les environnements plus anciens, à mesure que les organisations tentent d’exécuter des flux de travail en temps réel. M. de Zwirek distingue le simple déplacement des serveurs du fonctionnement dans des architectures multi-locataires modernes, dotées d’API cohérentes et de contrôles de sécurité qui permettent la réutilisation et la performance. Des structures de données incohérentes, la latence et les limitations des API peuvent obliger les équipes d’ingénierie à créer des couches supplémentaires, augmentant la complexité et dégradant l’expérience utilisateur.
Au-delà de la technologie, les panélistes soulignent que l’adoption de l’IA est une responsabilité de leadership qui implique l’éducation, la communication et la culture. Les dirigeants doivent anticiper les changements et préparer les organisations avant que la demande ne devienne trop forte, en sélectionnant soigneusement des partenaires qui partagent une vision à long terme des capacités de l’IA, selon M. Nash.
« Nous devons partager nos expériences, apprendre les uns des autres et tous participer à l’évolution de cette industrie », conclut M. de Zwirek.
À lire aussi
