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

Les systèmes de santé doivent en faire davantage pour les patients sans augmenter leurs effectifs. La plupart des frustrations des patients se situent autour des soins, pas pendant les soins. Trouver le bon médecin demande des efforts, tout comme répéter la même histoire à chaque transfert. 

Lors de notre dernière session Behind the Agent, Cindy Liu (Enterprise Deployment, ElevenLabs) a échangé avec Jacque Myers (Responsable mondiale de la santé, Slalom), Sylvia Doane Stephenson (Managing Director, Slalom), et Cristal Woodley (Chief Marketing and Experience Officer, Renown Health), pour examiner où les agents IA sont réellement déployés dans le secteur de la santé et ce qu’il faut pour les mettre en production.

Ce qui distingue les déploiements qui créent un effet cumulatif 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 défaillant

Les patients restent 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 atteignent enfin 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 effet cumulatif. L’alternative proposée par Jacque est ce qu’elle appelle un parcours phare : un parcours central, représentatif d’une grande partie de vos activités et toujours peu risqué, sur lequel vous pouvez vous appuyer et que vous pouvez étendre, plutôt que de tout reconstruire pour chaque cas d’usage.

Démonstration : prendre un rendez-vous de bout en bout

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

Scénario : Une patiente a besoin d’une nouvelle ordonnance pour des lentilles de contact. Elle trouve un optométriste couvert par son assurance 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 façon conversationnelle, en recueillant leur nom, date de naissance et numéro de téléphone
• Il a vérifié son numéro de téléphone à l’aide d’un véritable code SMS et s’est corrigé lorsque le code a été mal entendu lors de la première tentative
• Lorsque l’appelante ne se souvenait plus de son numéro d’adhérent à l’assurance, l’agent lui a demandé d’apporter sa carte au rendez-vous, puis a poursuivi
• Il a proposé trois créneaux, en a réservé un et envoyé un e-mail de confirmation issu de l’historique de la conversation, ainsi qu’un rappel par SMS
• Le même agent fonctionnait par SMS, avec un flux identique sous forme de conversation écrite, sans développement distinct

Pourquoi c’est important : Un seul agent gérait à la fois la ligne téléphonique et les SMS, offrant une expérience omnicanale par défaut. La démonstration a demandé environ deux heures de développement, assez peu pour qu’une équipe puisse prototyper et présenter le projet en interne en quelques jours. La mise en production à l’échelle de l’entreprise est d’un autre ordre. L’intégration, les tests et la conformité nécessaires avant le lancement représentent l’essentiel du travail ; chez ElevenLabs, nos ingénieurs déployés sur le terrain l’assurent.

Par où commencer et ce qui bloque réellement

L’ordre à suivre 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 gagne la confiance des cliniciens dont dépend toute la suite.
• Le centre de contact : la plupart des systèmes le considèrent comme un poste de coûts. Il peut devenir un levier de croissance.
• Éducation des patients et observance médicamenteuse : des tâches répétables avec un ROI mesurable et immédiat, qui peuvent donc passer à l’échelle.

Le principal obstacle à l’automatisation des centres de contact est la planification des médecins. Les fiches de préférences et modèles de planning n’en sont que la partie visible. La lenteur vient de l’orchestration du changement auprès de personnes très formées, très compétentes et très indépendantes. Ce qui fonctionne : des médecins référents, une direction alignée capable d’accompagner le changement et un soutien dans la durée, parfois jusqu’à un accompagnement individuel par clinicien.

Comment Renown Health se prépare aux agents

Renown accompagne des patients sur 100 000 miles carrés, de Salt Lake City à Sacramento.

L’équipe de Cristal commence par un pilote ciblé. Les cas d’usage envisagés excluent entièrement les informations des patients, et les premiers succès internes permettront de convaincre les équipes conformité pour la suite. 

Cela a commencé par les données. L’équipe de Cristal a travaillé avec les prestataires sur les modèles de planning tout en standardisant la prise de rendez-vous ouverte. Les gains rapides de l’écoute ambiante ont ouvert la voie : les prestataires 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 des centres de contact ne peuvent pas attendre, car les patients utilisent déjà ces outils et les considèrent déjà comme une attente.

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 exprimé par la voix 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 intégreriez des collaborateurs : fournissez-leur des procédures opérationnelles standardisées et un centre de connaissances, entraînez leurs comportements face aux interruptions et aux escalades, puis évaluez-les sur des exemples antagonistes avant la mise en production et pendant des cycles PDSA continus (planifier, faire, étudier, agir).

Les garde-fous interviennent à trois niveaux :

• Pilotage 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 : accords de partenariat commercial avec les fournisseurs d’IA, interopérabilité, systèmes d’enregistrement appropriés, désidentification partout où les informations circulent et aucun entraînement sur les données des patients sans consentement explicite. ElevenLabs exige un accord de partenariat commercial avec ses clients du secteur de la santé et propose un mode sans conservation des données : les données sont traitées, puis renvoyées vers votre propre environnement sécurisé pour y être stockées.

Ce qui est prêt et ce qu’il faut mesurer

L’IA est aujourd’hui en production chez des clients du secteur de la santé. Elle tient 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 du Speech to Text, du LLM ou du Text to Speech. C’est pourquoi les couches déterministes qui les entourent sont essentielles, et pourquoi chaque déploiement doit définir à l’avance un seuil de risque et un protocole d’escalade, vers un humain ou vers un modèle plus capable.

Une fois ce seuil défini, la question devient : que suivre ? Renown Health suit les rendez-vous pris par canal et leur attribution — agent, appel téléphonique ou SMS — car les patients doivent pouvoir accéder aux soins comme ils accèdent à tout le reste.

Vous pouvez aussi suivre le Net Promoter Score des patients, aidants et médecins, car la plupart des personnes apprécient déjà leur médecin. C’est tout ce qui entoure les soins qui crée la charge : une satisfaction en hausse indique donc une charge en baisse. Côté 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 savoir si le travail porte ses fruits.

Bonnes pratiques pour déployer des agents IA dans la santé

1. Choisissez un parcours phare, pas un cas marginal : un parcours à fort volume, mesurable et peu risqué, extensible à l’ensemble de l’entreprise, vaut mieux qu’une multitude de déploiements spécialisés qui ne créent jamais d’effet cumulatif.
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 clarifiés. Un agent hérite de tout le désordre sous-jacent.
3. Mobilisez des médecins référents et soutenez-les par la direction : le travail technique n’est pas la partie la plus lente. L’adhésion des cliniciens indépendants l’est, et elle exige un véritable soutien jusqu’à l’adoption.
4. Intégrez les agents comme de nouveaux collaborateurs : procédures opérationnelles standardisées, centre de connaissances, comportements entraînés pour les interruptions et les escalades, puis évaluation sur des exemples antagonistes avant la mise en production et pendant des cycles PDSA continus.
5. Rendez tout élément factuel déterministe : récupérez les dates, disponibilités et détails des dossiers par des outils. Ne laissez pas le modèle déduire ce qu’il peut consulter.
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 un modèle plus capable.
7. Mesurez par canal et par satisfaction : les rendez-vous pris par canal montrent si les patients l’utilisent réellement. Le NPS des patients, aidants et médecins montre si la charge diminue.

Regarder la session complète

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