L’intégration de l’intelligence artificielle (IA) dans les dispositifs de recueil, d’analyse et de valorisation de l’expérience patient constitue une évolution importante pour la santé numérique, en particulier lorsque les organisations cherchent à transformer des données d’expérience hétérogènes en leviers d’amélioration clinique, opérationnelle et organisationnelle . La problématique centrale est la suivante : dans quelles conditions les approches d’IA et d’apprentissage automatique permettent-elles d’améliorer la mesure de l’expérience patient, de prédire la satisfaction, ou d’exploiter les patient-reported outcome measures (PROMs) ?
L’objectif du présent article est de proposer une synthèse analytique, exclusivement fondée sur les publications contenues dans le document fourni, afin d’identifier les usages documentés de l’IA dans l’expérience patient et les PROMs, les performances rapportées, ainsi que les implications pour les professionnels de santé et les dirigeants de la santé numérique . Les travaux mobilisés proviennent de plusieurs revues, notamment Digital Health, JMIR Medical Informatics, JMIR AI, J Patient-Reported Outcomes, J Med Internet Research, Ophthalmic Epidemiology, Scientific Reports, BMC Musculoskeletal Disorders, BMC Medical Informatics and Decision Making et Journal of Surgical Research .
Les articles convergent d’abord sur un point méthodologique : l’IA n’est pas décrite comme une technologie unique, mais comme un ensemble de techniques appliquées à des objets différents de la relation de soin, allant de l’analyse de texte libre à la prédiction de la satisfaction, en passant par les agents conversationnels, la documentation ambiante, les PROMs adaptatifs, les outils de dépistage autonome et les modèles multimodaux combinant capteurs et mesures auto-rapportées . Cette diversité d’usages implique que la notion même d’« amélioration de l’expérience patient » recouvre plusieurs dimensions distinctes : satisfaction déclarée, communication médecin-patient, charge de questionnaire, perception de l’attention clinique, résultats fonctionnels post-opératoires et capacité des organisations à exploiter rapidement des volumes élevés de verbatims .
Un second point commun réside dans la centralité des données rapportées par les patients, qu’il s’agisse de commentaires libres, de questionnaires standardisés, de scores de satisfaction ou de PROMs plus structurés . Plusieurs articles suggèrent que l’IA prend de la valeur lorsqu’elle ne remplace pas ces données, mais lorsqu’elle améliore soit leur collecte, soit leur interprétation, soit leur intégration dans la décision clinique et organisationnelle .
+7,51% de score total d’expérience liée au médecin
L’étude de Wang et al., publiée dans Digital Health, analyse la manière dont des services de consultation assistés par IA dans des hôpitaux internet influencent la satisfaction des patients au moyen d’un modèle à double trajectoire articulant qualité technique du service, valeur perçue et émotions . L’analyse repose sur 1 113 réponses valides et montre que les deux trajectoires étudiées influencent significativement la satisfaction ; dans la trajectoire technique, les dimensions de fulfillment et de confidentialité exercent les effets les plus marqués, tandis que dans la trajectoire expérientielle, les interactions de service agissent via la valeur perçue et les émotions .
Cette étude est importante pour la santé numérique car elle déplace l’analyse au-delà de la seule performance algorithmique : la satisfaction ne dépend pas uniquement de la disponibilité fonctionnelle du service, mais aussi de la façon dont l’outil module l’expérience émotionnelle du patient . Les auteurs soulignent en particulier que les interactions de service réduisent plus fortement les émotions négatives qu’elles n’augmentent les émotions positives, ce qui suggère que la conception des parcours assistés par IA doit viser en priorité la réduction des frictions, de l’incertitude et du sentiment d’insécurité .
Dans une logique voisine, Li et al., dans Journal of Medical Internet Research, étudient l’usage d’agents conversationnels assistés par IA dans les consultations externes en Chine à partir d’un échantillon de 394 adultes issus d’hôpitaux publics tertiaires . Les utilisateurs de ces agents rapportent des scores significativement supérieurs aux non-utilisateurs sur le score global d’expérience, sur les 19 items et sur quatre dimensions, communication médecin-patient, information de santé, résultats à court terme et satisfaction générale, et la régression linéaire montre que l’usage de l’agent conversationnel augmente en moyenne de 7,51% le score total d’expérience liée aux médecins .
Le résultat n’implique toutefois pas une substitution simple du professionnel par l’outil : dans les articles fournis, les bénéfices observés concernent surtout l’accès à une information mieux ciblée et une interaction mieux structurée . Pour les décideurs, cela indique que la valeur des agents conversationnels est potentiellement plus forte dans la préparation, l’orientation et l’enrichissement de la consultation que dans un remplacement intégral de l’échange clinique .
L’essai randomisé de Yıldız, publié dans Journal of Surgical Research, apporte un contrepoint utile en comparant directement cinq modalités de consultation pour des patients ayant une lithiase urinaire nouvellement diagnostiquée : médecin humain, ChatGPT, Gemini, Perplexity et Copilot . Chez 100 patients, aucune différence significative n’a été observée sur le score CSQ-8 de satisfaction entre les groupes (P = 0,618), alors que les consultations avec médecin duraient en moyenne 15,1 ± 4,9 minutes contre 8,4 ± 1,3 minutes pour les chatbots, et suscitaient davantage de questions (5,0 ± 1,4 versus 2,76 ± 0,5) .
Ces données montrent qu’une satisfaction comparable ne signifie pas équivalence complète de l’interaction clinique . La durée plus courte et le plus faible nombre de questions posées aux agents conversationnels peuvent refléter une efficacité informationnelle, mais aussi une moindre profondeur d’exploration ou un seuil différent d’engagement du patient, ce qui appelle une évaluation plus fine des usages appropriés selon le type de consultation .
Analyse de l’expérience patient à grande échelle
L’article de Khanbhai et al., publié dans JMIR Medical Informatics, traite un problème central pour les établissements : l’exploitation opérationnelle de volumes importants de commentaires libres issus du Friends and Family Test en Angleterre . L’algorithme supervisé testé dans neuf organisations de santé présentant des contextes variés a atteint une précision globale supérieure à 75% pour la prédiction des thèmes et sentiments contenus dans les réponses textuelles, avec de meilleures performances dans les environnements stables comme l’hospitalisation adulte .
L’intérêt de cette étude est double . D’une part, elle montre que la réutilisabilité d’un algorithme d’analyse de verbatims dépend fortement du contexte lexical et organisationnel ; d’autre part, elle montre qu’un ajustement local, notamment via des modèles de codage propres à chaque établissement, améliore sensiblement les performances . Le fait que la saturation thématique ait été atteinte après l’inclusion du cinquième établissement et qu’aucun codage supplémentaire n’ait été nécessaire pour les quatre derniers suggère qu’une infrastructure de déploiement standardisée est possible, à condition d’intégrer une phase d’adaptation contextuelle .
Pour les organisations de santé numérique, cette publication éclaire un arbitrage classique entre standardisation et personnalisation . Une solution d’analyse automatisée de l’expérience patient peut être mutualisable, mais sa robustesse réelle dépend de la gouvernance des données textuelles, de la qualité du codage initial et de la capacité à absorber les variations de langage entre spécialités, populations et types de services .
Documentation ambiante et perception du soin
Deux articles du corpus abordent les systèmes de documentation ambiante assistée par IA, avec un accent mis sur la charge documentaire et l’expérience perçue . Dans JMIR AI, Davis et al. ont évalué un pilote de Dragon Ambient eXperience (DAX) impliquant 49 professionnels dans neuf départements, à partir de scores Press Ganey recueillis entre janvier 2023 et décembre 2024 . Les scores agrégés ont augmenté de 0,9 à 1,9 point selon les items, l’augmentation la plus importante concernant la perception de l’attention portée aux questions ou inquiétudes du patient (+1,9 point ; P = 0,01), devant l’évaluation globale de l’expérience (+1,3 point ; P = 0,09) et la probabilité de recommander le professionnel (+0,9 point ; P = 0,33) .
Dans l’étude préliminaire de Harvey et al. sur des scribes ambiants en chirurgie ambulatoire, l’attention non divisée s’est améliorée de 3,5 à 4,1 (P < 0,0001), tandis que la charge mentale NASA-TLX et la sensation d’urgence diminuaient, sans changement significatif du « pajama time » . Le burnout est passé de 67% à 33%, et deux chirurgiens ont rapporté une capacité d’ajouter trois patients par clinique, bien que les métriques de facturation n’aient pas montré de modification significative .
Ces résultats suggèrent que la documentation ambiante peut agir comme une technologie de redistribution de l’attention clinique plutôt que comme un simple outil de productivité . Pour un public de directions générales et médicales, l’enjeu n’est donc pas seulement la réduction du temps de rédaction, mais la possibilité d’améliorer la disponibilité relationnelle perçue par le patient, tout en surveillant des effets encore incertains sur les indicateurs économiques et sur la durabilité des gains observés .
PROMs, apprentissage automatique et prédiction
Le corpus donne également une place importante aux PROMs, envisagés soit comme instruments à optimiser, soit comme intrants de modèles prédictifs . La revue systématique d’Alanezi et al., publiée dans J Patient-Reported Outcomes, inclut 22 études, dont 19 jugées de haute qualité ; six portent sur le développement de PROMs adaptatifs informatisés, sept sur les propriétés psychométriques et cinq sur la prédiction d’issues post-chirurgicales par apprentissage automatique . Les PROMs de type computer adaptive testing présentent une précision de mesure comparable à celle des questionnaires traditionnels, une validité de construit bonne à excellente, et une réduction significative de la charge patient par diminution de la longueur des questionnaires .
La revue narrative de Pruski et al. dans BMC Medical Informatics and Decision Making et la revue sur les PROMs et l’apprentissage automatique en contexte chirurgical convergent sur un message méthodologique : il n’existe pas de modèle universellement supérieur, et la performance dépend du contexte clinique, des variables disponibles et du type d’issue étudiée . Dans la revue systématique de 73 études résumée dans le corpus, les scores PROMs de base apparaissent fréquemment comme des prédicteurs majeurs des résultats post-intervention, sans que cela soit systématique d’un contexte à l’autre .
Les études cliniques incluses dans le document illustrent cette variabilité . Après libération du canal carpien, Manoochehri et al. rapportent, sur 303 patients, une exactitude de 0,901 pour le random forest dans la prédiction de la satisfaction, avec une sensibilité de 0,852, une spécificité de 0,941 et une AUC de 0,894 ; les variables les plus influentes incluent la force de préhension, l’âge, l’IMC, les résultats électrophysiologiques et la durée des symptômes . Après chirurgie LLIF, Hiyama et al. rapportent un taux de satisfaction de 85,2% et une performance du random forest de 82,6% d’exactitude, avec un rappel de 99,2% et un F1-score de 90,7%, les déterminants majeurs relevant davantage des résultats fonctionnels et de la santé mentale que des paramètres purement chirurgicaux .
De même, dans la chirurgie de déformation rachidienne de l’adulte, le modèle validé par Wang et al. obtient une AUC de 0,846 et une exactitude de 0,812 en test interne, avec neuf indicateurs clés identifiés par des méthodes de sélection de variables et de SHAP . Dans la sténose lombaire, Kawabata et al. montrent qu’un modèle SVM entraîné sur des scores JOABPEQ et ZCQ atteint une exactitude de 0,72, une sensibilité de 0,75, une spécificité de 0,69 et un AUROC de 0,82, puis une exactitude externe de 0,76 avec une spécificité plus faible à 0,42 ; les facteurs psychologiques et la capacité de marche ressortent comme déterminants de satisfaction .
Pris ensemble, ces résultats soutiennent trois constats . Premièrement, les modèles peuvent atteindre des performances utiles cliniquement, mais celles-ci demeurent très dépendantes du champ pathologique et du jeu de variables . Deuxièmement, les dimensions psychologiques, fonctionnelles et expérientielles apparaissent de manière répétée comme déterminants plus puissants de la satisfaction que certains paramètres procéduraux . Troisièmement, l’usage des PROMs avec l’IA semble particulièrement pertinent lorsqu’il sert à personnaliser l’information pronostique, la préparation préopératoire et le suivi post-opératoire plutôt qu’à produire une décision automatisée isolée .
Exemples de résultats clés
Implications pour la santé numérique
Les publications fournies indiquent que la valeur de l’IA en expérience patient réside moins dans une automatisation indifférenciée que dans une articulation entre efficience, qualité perçue et personnalisation . Les solutions les plus convaincantes dans le corpus sont celles qui réduisent la charge de traitement de l’information, pour les patients comme pour les professionnels, tout en conservant, voire en renforçant, les dimensions relationnelles jugées centrales par les usagers .
Pour les professionnels de santé, cela implique une vigilance particulière sur le choix des indicateurs cibles . Une amélioration d’accuracy, d’AUC ou de temps de traitement n’est pas suffisante si elle ne s’accompagne pas d’une compréhension des variables réellement liées à la satisfaction, lesquelles sont fréquemment associées à la communication, à la santé mentale, à la clarté du parcours, à la perception de sécurité ou à la charge ressentie par le patient .
Pour les dirigeants du secteur, un enseignement récurrent du corpus est que l’industrialisation de ces outils exige une forte contextualisation . Les articles sur l’analyse de texte libre, sur les consultations conversationnelles et sur les PROMs montrent tous qu’un modèle performant dans un environnement donné ne peut pas être transposé sans adaptation à une autre spécialité, un autre lexique, une autre population ou un autre usage organisationnel .
Cette analyse montre que l’IA peut améliorer l’expérience patient et l’exploitation des PROMs selon plusieurs modalités complémentaires : assistance à la consultation, analyse des verbatims, documentation ambiante, dépistage autonome, personnalisation du suivi et prédiction des résultats ou de la satisfaction . Les bénéfices les plus régulièrement documentés concernent la structuration de l’information, la réduction de la charge de recueil, l’identification de facteurs explicatifs de la satisfaction et la capacité à traiter des volumes de données auparavant difficiles à exploiter en routine .
Toutefois, la synthèse met également en évidence des limites structurantes . Il n’existe pas, dans les travaux fournis, de modèle universellement supérieur ; la performance dépend du contexte, et la généralisabilité suppose des ajustements locaux, une validation rigoureuse et une attention soutenue aux dimensions relationnelles et psychologiques de l’expérience de soin . Dans cette perspective, l’IA apparaît moins comme un substitut au jugement clinique que comme une infrastructure d’augmentation de la mesure, de l’interprétation et de la réactivité organisationnelle en santé numérique
