Des responsables du cycle de revenus expliquent comment ils encadrent l’usage d’agents d’IA entre règles métier et responsabilité humaine. Sur le terrain, des équipes sélectionnent les tâches à automatiser et soutiennent les changements. Côté fournisseurs, des agents mènent déjà des investigations sur des refus et passent des appels aux assureurs par IA vocale.
Règles en retard et nécessité d’une responsabilité claire
Chez Panoramic Health, Sap Sinha constate que les règles de facturation, de documentation et d’échanges avec les assureurs n’évoluent pas aussi vite que les technologies d’IA. Selon lui, l’évolution de ce cadre réglementaire pourrait déterminer comment fournisseurs et payeurs utiliseront les agents d’IA pour traiter les demandes de remboursement. Du côté de Mount Sinai, Salonia Brown insiste sur la nécessité de définir des flux de travail précis et d’identifier clairement les responsables lorsque l’automatisation rencontre une exception. Elle estime que, sans ces fondations, l’introduction de l’IA risque d’aggraver les difficultés existantes. Brown résume : sans processus clairs et sans responsable désigné, l’IA ne fait que numériser une dysfonction. Elle ajoute que mettre en place une gouvernance et un modèle économique adapté demande du temps. Dans ce contexte, les équipes doivent aussi savoir qui intervient en cas d’exception.
Ce que demandent les équipes : cibler l’automatisation utile
Les cliniciens et équipes opérationnelles souhaitent disposer d’outils d’IA pour alléger la charge administrative, selon Sap Sinha. Au Rush University System for Health, Blake Evans explique que les employés de première ligne identifient les étapes chronophages à faible valeur ajoutée, ce qui a facilité leur adhésion à d’autres évolutions. Chez Adonis, David Unger distingue les tâches répétitives, adaptées à l’automatisation, des dossiers complexes qui nécessitent de meilleures informations et des décisions humaines. Pour un appel à fort enjeu, l’IA peut aider à décider s’il faut le poursuivre et quelles preuves rassembler. Chez Mount Sinai, l’équipe de Salonia Brown détermine quelles tâches peuvent être automatisées et lesquelles requièrent un jugement critique, avec pour objectif de libérer le personnel des tâches récurrentes afin de concentrer les ressources sur les cas complexes.
Vous voulez les meilleurs outils IA avant les autres ?
On teste et on décrypte les nouveaux outils IA chaque soir, en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisissez votre rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Déploiements concrets : agents d’IA, appels vocaux et détection précoce
Selon Akash Magoon, Adonis met au point des agents capables d’examiner les demandes de remboursement rejetées et de diminuer la part de travail manuel consacrée à la recherche de paiements. L’entreprise recourt en outre à une intelligence artificielle vocale pour joindre les assureurs et collecter des renseignements sur les dossiers, ce qui représente plusieurs dizaines de milliers d’appels hebdomadaires pour ses partenaires. Doug Pickett indique que la feuille de route d’Adonis prévoit d’identifier les incidents du cycle de revenus dès leur survenue et de proposer une solution, qu’il s’agisse de lancer une automatisation ou d’apporter une correction en amont, par exemple sur le codage ou la qualification des fournisseurs. Dans les établissements hospitaliers, le cycle de revenus dépend encore de groupes chargés d’analyser les refus, de contrôler les règles imposées par les payeurs et de déterminer les situations qui requièrent une intervention humaine. Une partie de ces missions pourrait être assurée par des agents d’IA, sous réserve d’une intégration étroitement encadrée. Les échanges entre responsables et fournisseurs portent ainsi sur la répartition entre humain et machine, la gouvernance des exceptions et le périmètre où le jugement humain reste indispensable.
