Le codage médical aujourd'hui : un processus 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 intervention ou d'un traitement, doit être traduit en un code normalisé pour pouvoir être facturé.

Dans le cadre d'une configuration manuelle, le processus se déroule généralement comme suit :

  • Examen des dossiers médicaux : des codeurs humains parcourent les notes cliniques détaillées afin d'en extraire les informations médicales pertinentes.
  • Recherche dans les taxonomies : ils parcourent de vastes dictionnaires de codes (comportant souvent plus de 100 000 entrées) afin d'identifier les codes de facturation correspondants.
  • Saisie et vérification : les codes sont saisis manuellement dans les systèmes de facturation et vérifiés au regard des règles de conformité.
  • Validation et correction : des codeurs ou des auditeurs expérimentés examinent les données saisies, corrigent les erreurs et règlent les divergences avec les médecins.

Ce processus de bout en bout est très répétitif, chronophage et source d'erreurs. Les retards s'accumulent rapidement, créant des retards dans le traitement des dossiers, et un 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 offre 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 plusieurs agents IA spécialisés collaborent de manière transparente avec des experts humains.

Appliqué au codage médical, l'Agentic AI permet de reproduire le processus manuel tout en l'accélérant et en le sécurisant :

  • Lecture et synthèse des dossiers médicaux.
  • Extraction des codes pertinents dans de vastes taxonomies.
  • Vérification de la conformité aux cadres de remboursement.
  • Soutenir le contrôle humain grâce à des explications transparentes.

Étude de cas : Automatisation du codage médical dans un hôpital belge

Avec Eliott BERTRAND et Robin VERSCHUREN, du bureau belge.

Chez Artefact, nous sommes convaincus que les consultations médicales constituent des « moments de vie » qui reposent fondamentalement sur l'interaction humaine. Notre objectif est de donner plus d'autonomie aux équipes soignantes et de rationaliser les processus cliniques grâce à l'IA, et non de les remplacer. C'est cette philosophie qui a guidé notre récent partenariat avec un hôpital belge visant à automatiser le codage médical, la facturation et le remboursement par la sécurité sociale à l'aide de modèles linguistiques avancés et de la technologie RAG (Retrieval-Augmented Generation).

Notre client devait faire face à une charge de travail considérable liée à la saisie manuelle des actes médicaux dispensés aux patients, une obligation imposée par le système de remboursement belge.

Une équipe de 18 personnes employées à temps plein était chargée d'attribuer à chaque dossier patient ses codes médicaux, parmi une liste de 140 000 codes. À l'époque, cette équipe avait déjà plusieurs mois de retard. De plus, ce processus ne couvrait qu'un sous-ensemble de codes à forte valeur ajoutée, ce qui entraînait un manque à gagner considérable.

Nous avons conçu un processus en quatre étapes, s'appuyant sur plusieurs agents IA spécialisés

  • Agent IA spécialisé : un « scribe » IA lit le dossier du patient, résume la situation clinique et décompose le cas afin d'identifier les catégories de codage pertinentes
  • Récupération de codes assistée par RAG : un deuxième agent utilise la génération augmentée par la récupération pour trouver tous les codes pertinents par rapport à 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 codificateur médical examine et approuve les recommandations de l'IA ; en se basant sur l'explication fournie par le dernier agent

En identifiant les codes qui avaient été omis auparavant et en garantissant une facturation plus complète, l'hôpital a pu générer de nouvelles sources de revenus. Les premiers indicateurs laissent entrevoir une augmentation significative des recettes qui étaient auparavant passées inaperçues.

Le processus automatisé grâce à l'IA a permis un gain de productivité de 80 %, éliminant ainsi le goulot d'étranglement lié au codage et permettant à l'équipe de rattraper son retard. La précision et l'exhaustivité du codage se sont améliorées, ce qui a permis de réduire les erreurs et de minimiser les refus de remboursement. L'hôpital a également réalisé d'importantes économies en réaffectant les codeurs à des tâches à plus forte valeur ajoutée et en réduisant les heures supplémentaires.

Dans l'ensemble, 80 % de la charge de travail des 18 personnes chargées du codage a été automatisée, ce qui a permis d'économiser 14,5 ETP. Le projet a nécessité 50 jours-homme de conseil externe et n'a entraîné aucun coût informatique supplémentaire, ce qui s'est traduit par un retour sur investissement d'environ 600 % pour la première année, à titre indicatif.

Cette étude de cas illustre la conviction profonde Artefact: l'IA doit non seulement être source d'innovation, mais aussi avoir un impact concret.

Prochaines étapes : le déploiement à grande échelle d'Agentic AI

Les initiatives en matière d'IA agentique se limitent rarement à un seul cas d'utilisation. Une fois que le premier déploiement a démontré une valeur tangible, les entreprises envisagent généralement trois axes principaux :

  • Étendre cette approche aux flux de travail connexes, en appliquant la même logique d'agent à d'autres processus répétitifs et à fort volume (par exemple, la production de rapports, la documentation, les contrôles de conformité).
  • Préparez-vous à des opérations autonomes et encadrées, dans des domaines où les règles sont claires et les résultats mesurables, permettant ainsi aux agents d'opérer avec une intervention humaine minimale, dans le cadre de structures de gouvernance et de surveillance rigoureuses.
  • Construire des écosystèmes d'agents interconnectés, en concevant des systèmes multi-agents qui collaborent entre les différentes fonctions, permettant ainsi de réaliser des gains d'efficacité entre les processus.

Cette évolution montre comment les organisations peuvent progressivement déployer l'IA agentique, depuis des cas d'utilisation pilotes jusqu'à un impact à l'échelle de l'entreprise, en garantissant à la fois efficacité et confiance grâce à une gouvernance rigoureuse.