Comment nous construisons des agents IA pour la santé

Pourquoi les solutions génériques échouent en santé

Les outils d'automatisation et d'IA grand public séduisent par leur facilité de mise en œuvre. Mais dans le contexte de la santé, ils se heurtent rapidement à des obstacles majeurs :

• Hébergement non conforme — La plupart des solutions SaaS ne sont pas hébergées chez des hébergeurs HDS, ce qui les rend inutilisables pour les données de santé en France
• Confidentialité incertaine — Les données peuvent être utilisées pour entraîner les modèles, sans garantie de cloisonnement
• Intégrations superficielles — Les connecteurs proposés ne couvrent pas les logiciels métier santé
• Manque de traçabilité — Les actions automatisées ne sont pas auditables de manière satisfaisante
• Vocabulaire inadapté — Les modèles généralistes ne maîtrisent pas le jargon médical français

Ces limitations ne sont pas des défauts — ce sont des choix de conception adaptés à d'autres contextes. Pour la santé, il faut construire différemment.

Notre approche architecturale

Séparation des responsabilités

Nos agents sont conçus en modules distincts :

• Module de collecte — Récupère les données depuis les sources (emails, exports, APIs)
• Module de traitement — Analyse et transforme les données (extraction, classification)
• Module d'action — Effectue les opérations dans les systèmes cibles
• Module de supervision — Journalise, alerte, permet l'intervention humaine

Cette séparation permet de modifier un composant sans impacter les autres, et facilite l'audit de chaque étape.

Traitement local des données sensibles

Pour les opérations impliquant des données patient, le traitement se fait au plus proche des données :

• Les données ne quittent pas l'environnement hébergé HDS
• Les appels à des modèles de langage externes (si nécessaires) se font avec des données anonymisées ou pseudonymisées
• Les résultats sont re-liés aux dossiers patients uniquement dans l'environnement sécurisé

Modèles adaptés au domaine

Selon les besoins, nous utilisons :

• Modèles spécialisés — Entraînés ou fine-tunés sur des corpus médicaux français
• Modèles locaux — Déployés sur votre infrastructure pour un contrôle total
• Modèles externes avec garde-fous — Pour les tâches ne nécessitant pas de données identifiantes

Sécurité et conformité

Hébergement HDS

Toute donnée de santé à caractère personnel doit être hébergée chez un hébergeur certifié HDS (Hébergeur de Données de Santé). Nos agents peuvent être déployés :

• Sur votre infrastructure existante (si elle est HDS)
• Chez un hébergeur HDS de votre choix (OVH, Scaleway, Azure France, etc.)
• Dans un environnement que nous gérons pour vous chez un hébergeur HDS

Gestion des accès

Les agents suivent le principe du moindre privilège :

• Chaque agent n'a accès qu'aux données nécessaires à sa fonction
• Les credentials sont stockés dans des coffres-forts (Vault, AWS Secrets Manager)
• L'authentification utilise vos systèmes existants (LDAP, SAML, OIDC)
• Les accès sont révocables instantanément

Journalisation et audit

Chaque action est tracée :

• Qui (quel agent, déclenché par quel événement)
• Quoi (quelle opération, sur quelles données)
• Quand (horodatage précis)
• Résultat (succès, échec, escalade)

Les logs sont conservés selon vos politiques de rétention et peuvent être intégrés à votre SIEM existant.

Tests de sécurité

Avant mise en production :

• Revue de code orientée sécurité
• Tests d'injection et de contournement
• Vérification des configurations de chiffrement
• Documentation des flux de données pour audit externe

Processus de développement

Phase 1 : Cadrage

Nous commençons par comprendre votre contexte :

• Workflows actuels et points de friction
• Systèmes en place et possibilités d'intégration
• Contraintes réglementaires spécifiques à votre activité
• Critères de succès mesurables

Cette phase produit un document de spécification qui décrit précisément ce que l'agent fera — et ce qu'il ne fera pas.

Phase 2 : Conception

Nous concevons l'architecture avant d'écrire du code :

• Diagrammes de flux de données
• Choix technologiques justifiés
• Stratégie de gestion des erreurs et cas limites
• Plan de déploiement et de migration

La conception est validée avec vos équipes techniques et, si nécessaire, avec votre DPO ou responsable sécurité.

Phase 3 : Développement itératif

Le développement se fait par incréments :

• Chaque fonctionnalité est développée, testée, puis validée
• Des démonstrations régulières permettent d'ajuster le cap
• Les retours sont intégrés au fur et à mesure

Phase 4 : Validation

Avant mise en production :

• Tests sur un jeu de données représentatif (anonymisé si nécessaire)
• Exécution en parallèle avec les processus manuels existants
• Validation par les utilisateurs finaux
• Revue de sécurité finale

Phase 5 : Déploiement et accompagnement

Le déploiement se fait progressivement :

• Mise en production sur un périmètre limité
• Montée en charge progressive
• Formation des utilisateurs et support de proximité
• Documentation opérationnelle complète

Ce que nous livrons

À l'issue d'un projet, vous recevez :

• Le code source — Vous êtes propriétaire, sans dépendance à notre égard
• La documentation technique — Architecture, APIs, procédures de déploiement
• La documentation utilisateur — Guides d'utilisation et de supervision
• Les tests automatisés — Pour garantir la non-régression
• Les artefacts de déploiement — Images Docker, manifests Kubernetes, scripts

Vous pouvez ensuite maintenir le système en interne ou nous confier la maintenance.

Différence avec les approches "no-code"

Les plateformes no-code promettent de créer des automatisations sans développement. Dans le contexte de la santé, elles présentent des limitations importantes :

• Hébergement rarement compatible HDS
• Contrôle limité sur le traitement des données
• Difficulté à implémenter des règles métier complexes
• Dépendance forte au fournisseur (lock-in)

Notre approche par développement sur mesure demande plus d'investissement initial, mais produit des solutions que vous maîtrisez entièrement et qui respectent vos contraintes.

Pages connexes

• Agents IA pour la santé — Vue d'ensemble de nos solutions
• Automatisation des workflows santé — Cas d'usage par type d'établissement
• Intégration Doctolib — Travailler avec des systèmes fermés
• Accueil — Retour à la page principale