Le codage médical aujourd'hui : un flux de travail manuel

Le codage médical est la clé de voûte du processus de remboursement. Chaque acte clinique, qu'il s'agisse d'un diagnostic, d'une procédure ou d'un traitement, doit être traduit en un code standardisé pour être facturé.

Dans le cas d'une installation manuelle, le processus se déroule généralement comme suit :

  • L'examen des dossiers des patients : Les codeurs humains lisent les notes cliniques détaillées pour en extraire les informations médicales pertinentes.
  • Recherche dans les taxonomies : Ils naviguent dans de vastes dictionnaires de codes (souvent plus de 100 000 entrées) pour identifier les codes de facturation correspondants.
  • Attribution et vérification croisée : Les codes sont saisis manuellement dans les systèmes de facturation et vérifiés par rapport aux règles de conformité.
  • Validation et correction : Les codeurs principaux ou les auditeurs examinent les entrées, corrigent les erreurs et résolvent les divergences avec les médecins.

Ce flux de travail de bout en bout est très répétitif, chronophage et sujet aux erreurs. Les retards s'accumulent rapidement et le codage incomplet ou inexact entraîne souvent des remboursements manqués et des pertes financières.

Le rôle de l'IA agentique

Dans ce contexte, l'IA agentique représente une opportunité de transformation : il ne s'agit pas seulement de générer du texte, mais d'orchestrer des flux de travail autonomes et axés sur des objectifs, dans lesquels de multiples agents d'IA spécialisés collaborent de manière transparente avec des experts humains.

Appliquée au codage médical, l'IA agentique peut refléter le processus manuel tout en l'accélérant et en le sécurisant :

  • Lire et résumer les dossiers des patients.
  • Récupération des codes pertinents dans de vastes taxonomies.
  • Valider la conformité avec les cadres de remboursement.
  • Soutenir le contrôle humain par des explications transparentes.

Cas client : Automatisation du codage médical dans un hôpital belge

Avec Eliott BERTRAND & Robin VERSCHUREN, du bureau belge.

Chez Artefact, nous pensons que les soins de santé sont des "moments de vie" qui nécessitent fondamentalement une interaction humaine. Notre objectif est d'autonomiser les équipes soignantes et de rationaliser les processus cliniques grâce à l'IA, et non de les remplacer. Cette philosophie a guidé notre récent partenariat avec un hôpital en Belgique pour automatiser le codage médical, la facturation et le remboursement de la sécurité sociale en utilisant des modèles de langage avancés et la Génération Assistée par Récupération (RAG).

Notre client était confronté à une énorme charge de travail pour coder manuellement les gestes médicaux dispensés aux patients, ce qui est obligatoire pour le système de remboursement en Belgique.

Une équipe de 18 personnes à temps plein avait pour mission d'attribuer à chaque dossier de patient ses codes médicaux, sur une liste de 140.000 codes. À l'époque, cette équipe avait déjà des mois de retard. De plus, ce processus ne capturait qu'un sous-ensemble de codes de grande valeur, laissant d'importantes recettes en suspens.

Nous avons conçu un processus en quatre étapes, qui s'articule autour de plusieurs agents d'intelligence artificielle spécialisés

  • Agent d'IA spécialisé : Un "scribe" de l'IA lit le dossier du patient, résume la situation clinique et segmente le cas pour identifier les catégories de codage pertinentes.
  • Récupération de codes à l'aide de RAG : Un deuxième agent utilise la génération augmentée par récupération pour trouver tous les codes pertinents pour la situation clinique documentée.
  • Agent de validation des codes : Un troisième agent vérifie que les codes proposés sont conformes aux règles officielles et intègre les commentaires des codeurs experts.
  • Validation humaine : Enfin, un codeur médical examine et approuve les recommandations de l'IA, sur la base d'une explication fournie par le dernier agent.

En identifiant des codes précédemment ignorés et en assurant une facturation plus complète, l'hôpital a débloqué de nouvelles sources de revenus. Les premiers indicateurs suggèrent une captation significative de revenus qui étaient auparavant passés inaperçus.

Le pipeline piloté par l'IA a permis un gain de productivité de 80 %, éliminant le goulot d'étranglement du codage et permettant à l'équipe de rattraper les retards accumulés. La précision et l'exhaustivité du codage se sont améliorées, ce qui a permis de réduire le nombre d'erreurs et de minimiser les refus de remboursement. L'hôpital a également réalisé des économies substantielles en réaffectant les codeurs à des tâches à plus forte valeur ajoutée et en réduisant les heures supplémentaires.

En gros, 80 % de la charge de travail des 18 personnes chargées du codage ont été autonomisées, ce qui a permis d'économiser 14,5 ETP. Le projet a coûté 50 jours-hommes de conseil externe et aucun coût informatique supplémentaire, ce qui a conduit à un retour sur investissement de ~600%, en ordre de grandeur pour la première année.

Cette étude de cas reflète la conviction profonde d'Artefact: L'IA ne doit pas seulement apporter de l'innovation mais aussi de l'impact.

Prochaine étape : la mise à l'échelle de l'IA agentique

Les initiatives d'IA agentique s'arrêtent rarement à un seul cas d'utilisation. Une fois que le premier déploiement a démontré une valeur mesurable, les organisations envisagent généralement trois directions principales :

  • Étendre aux flux de travail adjacents, en appliquant la même logique agentique à d'autres processus répétitifs et à fort volume (par exemple, rapports, documentation, contrôles de conformité).
  • Se préparer à des opérations autonomes gouvernées, dans des domaines aux règles claires et aux résultats mesurables, permettant aux agents d'opérer avec une intervention humaine minimale dans des cadres de gouvernance et de surveillance solides.
  • Construire des écosystèmes d'agents interconnectés, en concevant des systèmes multi-agents qui collaborent entre les fonctions, ce qui permet de réaliser des gains d'efficacité entre les processus.

Cette trajectoire reflète la manière dont les organisations peuvent progressivement mettre à l'échelle l'IA agentique, depuis les cas d'utilisation pilotes jusqu'à l'impact à l'échelle de l'entreprise, en garantissant à la fois l'efficacité et la confiance par le biais d'une gouvernance solide.