Récapitulatif du webinar : enseignements du déploiement de l’IA dans la santé

Les systèmes de santé doivent faire davantage pour les patients sans augmenter leurs effectifs. La plupart des frustrations des patients surviennent autour des soins, pas pendant ceux-ci. Trouver le bon médecin demande des efforts. Devoir répéter la même histoire à chaque étape aussi. 

Lors de notre dernière session Behind the Agent, Cindy Liu (Déploiement en entreprise, ElevenLabs) a échangé avec Jacque Myers (responsable mondiale de la santé, Slalom), Sylvia Doane Stephenson (directrice générale, Slalom) et Cristal Woodley (directrice marketing et expérience client, Renown Health), pour examiner où les agents IA sont réellement déployés dans le secteur de la santé et ce qu’il faut pour en mettre un en production.

Ce qui distingue les déploiements qui prennent de l’ampleur de ceux qui stagnent tient au point de départ : un parcours à fort volume, mesurable et peu risqué, plutôt qu’une multitude de pilotes spécialisés.

Pourquoi le parcours patient reste fragmenté

Les patients sont pris dans un cycle répétitif. À chaque transition de soins, ils confirment leur identité et expliquent pourquoi ils appellent. Ils attendent, puis sont redirigés. Les réponses qu’ils cherchent ailleurs sont incohérentes. Lorsqu’ils finissent par joindre la bonne personne, ils doivent tout recommencer.

Tous les points de contact existent, site web, portail patient, centre de contact, DSE, facturation, mais ils ne communiquent pas entre eux. Un parcours connecté commence là où se trouve le patient et intervient d’abord là où le risque est faible et l’impact élevé.

La plupart des organisations commencent l’IA à la périphérie, avec des cas d’usage spécialisés choisis pour leur faible risque, sans que rien ne se cumule. L’alternative proposée par Jacque est ce qu’elle appelle un parcours phare : un parcours central qui représente une grande partie de votre activité, reste peu risqué et que vous développez au lieu de repartir de zéro pour chaque cas d’usage.

Démo : prise de rendez-vous de bout en bout

La prise de rendez-vous est un bon candidat pour un parcours phare : elle est à fort volume, mesurable et présente un risque suffisamment faible pour servir de base. Voici à quoi ressemble le début de ce parcours, de bout en bout, de l’accueil du patient à la confirmation du rendez-vous.

Scénario : Une patiente a besoin d’une nouvelle ordonnance pour ses lentilles de contact. Elle trouve un optométriste conventionné sur le site de son assureur et appelle le cabinet, où un assistant virtuel de prise de rendez-vous répond.

Ce qui a été montré :

• L’agent a géré l’accueil des nouveaux patients de manière conversationnelle, en recueillant leur nom, date de naissance et numéro de téléphone
• Il a vérifié son numéro avec un véritable code SMS et a rectifié la situation lorsque le code a été mal entendu lors de la première tentative
• Lorsque l’appelante ne se souvenait pas de son numéro d’adhérent à l’assurance, l’agent lui a indiqué d’apporter sa carte au rendez-vous, puis est passé à la suite
• Il a proposé trois créneaux, en a réservé un et envoyé un email de confirmation élaboré à partir de l’historique de la conversation, ainsi qu’un rappel par SMS
• Le même agent fonctionnait par SMS, avec un workflow identique sous forme de conversation écrite, sans développement distinct

Pourquoi c’est important : Un même agent répondait à la fois sur la ligne téléphonique et par messages, offrant ainsi une expérience omnicanale par défaut. La démo a demandé environ deux heures de développement, assez peu pour qu’une équipe puisse créer un prototype et le présenter en interne en quelques jours. La mise en production à l’échelle de l’entreprise relève d’un autre périmètre. L’intégration, les tests et la conformité nécessaires avant le lancement représentent l’essentiel du travail. Chez ElevenLabs, nos ingénieurs déployés auprès des clients s’en chargent.

Par où commencer, et ce qui bloque réellement

L’ordre de priorité pour un système de santé qui débute :

• Écoute ambiante : si elle n’est pas déjà intégrée à votre DSE. Ce travail passe généralement par un fournisseur de solutions de documentation, mais il permet de gagner la confiance des cliniciens, dont dépend tout le reste.
• Le centre de contact : La plupart des systèmes le considèrent comme un poste de coûts. Il peut devenir un centre de croissance.
• Éducation des patients et observance médicamenteuse : Des tâches répétables, avec un ROI mesurable et immédiat, qui peuvent donc être déployées à grande échelle.

Ce qui freine l’automatisation des centres de contact est la planification des médecins. Les fiches de préférences et les modèles de planning ne sont que la partie visible. Ce qui prend du temps, c’est d’orchestrer le changement auprès de personnes hautement formées, compétentes et indépendantes. Ce qui fonctionne, ce sont des médecins référents, une direction alignée capable d’accompagner le changement et un soutien continu, parfois jusqu’à un accompagnement individuel pour chaque clinicien.

Comment Renown Health construit son approche des agents

Renown prend en charge des patients sur 259 000 kilomètres carrés, de Salt Lake City à Sacramento.

L’équipe de Cristal commence par un projet pilote ciblé. Les cas d’usage envisagés évitent entièrement les informations des patients, et les premiers résultats internes permettent de constituer un dossier solide auprès des équipes de conformité pour la suite. 

Le chemin a commencé par les données. L’équipe de Cristal a travaillé avec les soignants sur les modèles de planning tout en standardisant la prise de rendez-vous ouverte. Les premiers succès de l’écoute ambiante ont ouvert la voie : les soignants qui en ont ressenti les effets sur leur qualité de vie sont revenus demander ce qu’il était encore possible de faire.

Elle a également été claire sur le rythme : les équipes marketing et de centre de contact n’ont pas le temps d’attendre, car les patients utilisent déjà ces outils et les attendent déjà.

Sécurité, HIPAA et intégration des agents comme de nouveaux collaborateurs

Les appels à forte charge émotionnelle sont la première préoccupation de la plupart des équipes. Renown mesure déjà le sentiment vocal dans son centre d’appels et oriente les appelants vers des agents humains plus expérimentés, en transmettant ce contexte lors du transfert. La même rigueur s’applique aux agents IA.

Intégrez les agents comme vous intégrez des personnes : fournissez-leur des procédures opérationnelles standard et un centre de connaissances, entraînez leurs comportements face aux interruptions et aux escalades, puis évaluez-les sur des exemples antagonistes avant le lancement et dans le cadre de cycles PDSA continus (planifier, faire, étudier, agir).

Les garde-fous s’appliquent à trois niveaux :

• Orientation via le prompt système
• Validation des entrées qui détecte les tentatives adversariales avant que l’agent ne réponde
• Évaluation en temps réel de chaque réponse au regard de votre politique configurée

En matière de conformité, les garanties reposent sur les mêmes normes HIPAA qui régissent les DSE, appliquées aux systèmes d’IA : BAA avec les fournisseurs d’IA, interopérabilité, systèmes de référence adaptés, désidentification partout où circulent les informations et absence d’entraînement sur les données des patients sans consentement explicite. ElevenLabs exige un BAA avec ses clients du secteur de la santé et propose un mode zéro rétention : les données sont traitées, puis renvoyées vers votre propre environnement restreint pour y être stockées.

Ce qui est prêt, et ce qu’il faut mesurer

L’IA est déjà en production chez des clients du secteur de la santé. Elle mène des conversations en temps réel à faible latence et suit un script sans omettre les questions qu’elle doit poser.

Toutefois, chaque modèle de la pile est probabiliste par nature, qu’il s’agisse de Speech to Text, d’un LLM ou de Text to Speech. C’est pourquoi les couches déterministes qui les entourent sont essentielles, et pourquoi chaque déploiement nécessite un seuil de risque et un protocole d’escalade définis à l’avance, qu’il s’agisse d’orienter vers un humain ou vers un modèle plus capable.

Une fois ce seuil défini, la question devient celle des indicateurs à suivre. Renown Health suit les rendez-vous pris par canal, en attribuant chacun à un agent, un appel téléphonique ou un message, car les patients doivent pouvoir accéder aux soins comme ils accèdent à tout le reste.

Vous pouvez aussi suivre le net promoter score auprès des patients, des aidants et des médecins, car la plupart des personnes apprécient déjà leurs médecins. C’est tout ce qui entoure les soins qui crée la charge. Une satisfaction en hausse signifie donc que cette charge diminue. Sur la plateforme, nous suivons le nombre d’agents déployés et les minutes servies pour mesurer l’adoption, ainsi que le CSAT et le taux de déviation pour déterminer si le service répond aux besoins.

Bonnes pratiques pour déployer des agents IA dans le secteur de la santé

1. Choisissez un parcours phare, pas un cas marginal : Un parcours à fort volume, mesurable et peu risqué, qui s’étend à toute l’entreprise, vaut mieux qu’une multitude de déploiements spécialisés qui ne prennent jamais de l’ampleur.
2. Corrigez les données avant d’automatiser le processus : Les modèles de planning et les normes de prise de rendez-vous ouverte doivent d’abord être réglés. Un agent hérite de tout ce qui ne fonctionne pas en amont.
3. Mobilisez des médecins référents et soutenez-les avec votre direction : Le travail technique n’est pas ce qui prend le plus de temps. L’adhésion de cliniciens indépendants l’est, et elle exige un réel soutien tout au long de l’adoption.
4. Intégrez les agents comme de nouveaux collaborateurs : Des procédures opérationnelles standard, un centre de connaissances, des comportements entraînés pour les interruptions et les escalades, puis une évaluation sur des exemples antagonistes avant le lancement et dans le cadre de cycles PDSA continus.
5. Rendez déterministe toute information factuelle : Récupérez les dates, les disponibilités et les détails des dossiers à l’aide d’outils. Ne laissez pas le modèle déduire ce qu’il peut rechercher.
6. Définissez votre seuil d’escalade à l’avance : Chaque modèle de la pile est probabiliste. Décidez à l’avance de ce qui déclenche un transfert vers un humain ou vers un modèle plus capable.
7. Mesurez par canal et par satisfaction : Les rendez-vous pris par canal indiquent si les patients l’utilisent réellement. Le NPS auprès des patients, des aidants et des médecins indique si la charge diminue.

Regarder la session complète

Regardez le webinaire complet, Behind the Agent : session sur le déploiement de l’IA dans le secteur de la santé.