IA documentaire clinique pour un cabinet de santé australien

Défi

Un cabinet de santé spécialisé de 5 à 20 personnes consacrait une grande partie du temps clinique à lire comptes rendus de spécialistes, courriers d'adressage et dossiers patients pour y trouver les quelques informations utiles à chaque consultation. La lecture était entièrement manuelle, sans flux IA structuré, et les premiers essais d'outils d'IA n'offraient aucune gouvernance des consignes ni des réponses — inacceptable pour des informations cliniques.

Solution

L'approche : un flux d'IA générative encadré qui lit les documents cliniques, retrouve les passages utiles et les présente sous forme de synthèses structurées, avec des consignes versionnées et des versions évaluées avant que les cliniciens ne les voient. La génération augmentée par récupération (RAG) ancre chaque réponse dans les documents sources, pour que les cliniciens puissent vérifier l'origine de chaque affirmation.

Démarche

1. 1

   Nous avons cartographié le flux documentaire avec l'équipe clinique : quels documents arrivent, qui les lit et quelles informations chaque consultation exige vraiment.

2. 2

   Nous avons conçu une architecture RAG avec recherche vectorielle, pour que les synthèses reposent sur les documents du cabinet et non sur les connaissances générales du modèle.

3. 3

   Nous avons construit une chaîne d'extraction de documents cliniques en Python et FastAPI, orchestrée avec LangGraph sur Vertex AI, avec des résultats stockés dans PostgreSQL.

4. 4

   Nous avons mis en place un cadre d'évaluation et de test des consignes : chaque modification est versionnée et notée sur de vrais documents cliniques avant livraison.

5. 5

   Nous avons déployé le système de façon sécurisée dans des conteneurs Docker et ajouté une supervision de la qualité des réponses et de l'usage en production.