Le turnover annuel des aidants atteint environ 80 % dans le secteur, selon Seth Sternberg, dirigeant d’Honor Technology. Chez Home Instead, il serait ramené à 30 % grâce à des algorithmes qui rapprochent les besoins des clients, les compétences des professionnels et leurs contraintes de planning. Cette différence ne transforme pas seulement un indicateur de ressources humaines : elle touche directement la continuité des soins à domicile.
L’exemple de Merrill Hale, atteint de SLA, et de Christina Evers montre ce que recouvre concrètement cet appariement. Leur mise en relation a été orientée par l’IA, mais la décision finale est restée humaine. Hale utilise par ailleurs une technologie de suivi oculaire pour communiquer, un élément qui exigeait une aidante à l’aise avec les outils numériques et capable d’accompagner une situation de forte dépendance.
Le cas Home Instead permet ainsi d’examiner une question plus large : jusqu’où l’IA peut-elle intervenir dans l’organisation du secteur social sans réduire la relation d’aide à une suite de critères mesurables ?
Home Instead s’appuie sur Honor depuis l’acquisition de 2021
L’IA d’appariement de Home Instead s’inscrit dans une transformation plus large menée par Honor Technology, qui a acquis le réseau de soins à domicile en 2021. Home Instead opère à travers un réseau de 1 200 implantations dans six pays, d’après les informations publiées par Business Insider.
Honor ne présente pas l’IA comme un outil isolé. L’entreprise l’intègre à une plateforme destinée à organiser les plannings, les affectations, la facturation et le suivi de la qualité. Cette approche relie donc l’appariement des aidants à la gestion quotidienne des interventions.
Le fonctionnement décrit repose sur plusieurs familles de données :
- la disponibilité des aidants ;
- leurs compétences et leur expérience ;
- leurs traits de personnalité ;
- leur proximité géographique ;
- les horaires auxquels ils travaillent le mieux ;
- leur familiarité avec certains clients ;
- les besoins particuliers des personnes accompagnées.
L’objectif est de dépasser une affectation fondée uniquement sur la proximité ou la disponibilité. Un aidant libre à un moment donné n’est pas nécessairement le meilleur choix pour une personne ayant besoin d’une assistance technique, d’une présence régulière ou d’une communication adaptée.
Honor décrit également des algorithmes capables d’identifier des risques opérationnels, par exemple la probabilité qu’un aidant manque prochainement une intervention. La plateforme peut alors contribuer à réorganiser les visites ou à repérer un besoin de formation supplémentaire.
À retenir : l’IA ne sert pas uniquement à trouver un remplaçant disponible. Elle tente de prévoir les difficultés de planning et de rapprocher les besoins d’un client des capacités réelles d’un aidant.
Le cas Merrill Hale montre la limite d’un matching entièrement automatisé
Merrill Hale vit avec une SLA et dépend d’une aide importante au quotidien. Pour communiquer, il utilise une technologie de suivi oculaire qui lui permet de contrôler un écran avec le mouvement de ses yeux. Cette configuration rend l’accompagnement plus exigeant qu’une prestation standard de compagnie ou d’aide courante.
Christina Evers, âgée de 42 ans, a été mise en relation avec lui par Home Instead. L’IA a contribué à identifier plusieurs points de compatibilité : une aisance avec la technologie, une capacité à intervenir auprès de personnes présentant des besoins élevés et une personnalité jugée chaleureuse. Leur proximité d’âge et la personnalité de Hale ont également été prises en compte.
La décision n’a toutefois pas été laissée à l’algorithme. Home Instead indique que l’outil aide à déterminer les profils compatibles, tandis qu’un professionnel conserve la responsabilité de la décision finale. Cette étape humaine permet de vérifier des éléments difficiles à convertir en données, notamment la qualité du contact, la confiance et la capacité à construire une relation durable.
Le déroulement de cette rencontre rappelle une distinction essentielle. L’IA peut comparer rapidement de nombreuses variables, mais elle ne garantit pas à elle seule qu’une relation d’aide fonctionnera. Le choix final dépend aussi d’une appréciation humaine, d’un échange avec la famille et de la capacité de l’aidant à accepter les contraintes spécifiques de la situation.
La technologie de suivi oculaire renforce cette exigence. Pour Hale, il ne s’agit pas simplement d’utiliser un dispositif numérique : il faut intégrer ce mode de communication dans les gestes de tous les jours, comprendre ses limites et laisser au patient le temps nécessaire pour s’exprimer. La compétence technique compte, mais elle ne remplace pas la patience ni l’attention.
Le turnover passe de 80 % dans le secteur à 30 % chez Home Instead
Seth Sternberg affirme que le turnover annuel des aidants atteint environ 30 % chez Home Instead, contre 80 % dans l’ensemble du secteur. Ces chiffres sont présentés comme un résultat de l’appariement entre les besoins des clients et les capacités des professionnels.
La logique est directe : une affectation mieux adaptée peut réduire les situations dans lesquelles l’aidant se retrouve confronté à des tâches qu’il ne maîtrise pas, à des horaires incompatibles ou à une relation difficile à maintenir. Elle peut aussi augmenter la satisfaction du client, ce qui limite les ruptures de prise en charge.
| Indicateur | Home Instead | Secteur de l’aide à domicile |
|---|---|---|
| Turnover annuel des aidants | 30 % | 80 % |
| Appariement par algorithme | Oui | Variable selon les structures |
| Validation humaine du choix | Oui | Variable selon les structures |
| Réorganisation des visites par la plateforme | Oui | Variable selon les structures |
La comparaison ne permet pas d’attribuer mécaniquement tout l’écart à l’IA. Home Instead dispose aussi d’un réseau structuré, de processus opérationnels propres et d’une organisation qui peut différer de celle d’autres acteurs. Le chiffre avancé par Honor constitue donc un indicateur de performance revendiqué par l’entreprise, pas une preuve isolée que l’algorithme explique à lui seul la différence.
L’intérêt du résultat réside surtout dans le lien entre organisation et fidélisation. Dans l’aide à domicile, le turnover ne représente pas seulement un coût de recrutement. Chaque départ peut entraîner une rupture de repères pour la personne accompagnée, une nouvelle période d’adaptation et une charge supplémentaire pour les proches.
Une baisse du turnover peut donc produire plusieurs effets :
- davantage de continuité dans les interventions ;
- moins de changements d’intervenants pour les familles ;
- une meilleure connaissance des habitudes du client ;
- une réduction des tensions liées aux remplacements urgents ;
- une utilisation plus ciblée de la formation.
La stabilité ne garantit pas à elle seule une meilleure qualité de soins. Elle crée cependant les conditions nécessaires à une relation suivie, surtout lorsque l’accompagnement concerne une maladie évolutive ou une perte importante d’autonomie.
L’appariement analyse davantage qu’un simple calendrier
Un système de planning classique répond principalement à une question : quel professionnel est disponible à telle heure ? L’appariement algorithmique cherche à répondre à une question plus complexe : quel professionnel est le plus susceptible de réussir cette intervention, dans ces conditions précises ?
Pour y parvenir, les algorithmes d’Honor analysent les disponibilités, les compétences, les traits de personnalité et l’historique de familiarité avec les clients. Ils peuvent aussi repérer des régularités dans les méthodes de travail, les zones géographiques et les horaires privilégiés.
Cette approche introduit une notion de compatibilité. Elle ne se limite pas à vérifier qu’un aidant possède une qualification générale. Elle cherche à rapprocher un ensemble de caractéristiques d’un ensemble de besoins.
Dans le cas de Hale, cette compatibilité comprenait notamment :
- l’accompagnement d’une personne présentant une forte dépendance ;
- l’usage d’un dispositif de communication par suivi oculaire ;
- l’aisance avec la technologie ;
- la capacité à travailler selon une routine définie ;
- la possibilité de construire une relation de confiance.
L’algorithme peut ordonner ou filtrer des profils. Il ne peut pas transformer une relation humaine en résultat certain. Le choix conserve donc une part d’évaluation, notamment lorsque les conséquences d’une incompatibilité dépassent un simple problème de planning.
Honor affirme également que ses outils peuvent anticiper certains événements opérationnels, comme le risque qu’un aidant manque une visite. Cette fonction déplace l’IA d’une logique de réaction vers une logique de prévention. Au lieu d’attendre l’absence, l’organisation peut rechercher une solution avant que la prise en charge ne soit interrompue.
Cette capacité est particulièrement importante dans les soins à domicile, où une intervention manquée peut affecter les repas, l’hygiène, la prise de médicaments ou la sécurité d’une personne vulnérable. La valeur de l’outil dépend alors moins de la sophistication du modèle que de la rapidité avec laquelle une équipe humaine peut agir.
La décision humaine reste indispensable dans le secteur social
L’intervention humaine dans la validation du matching constitue un garde-fou organisationnel. Elle évite de traiter les recommandations de l’algorithme comme des décisions automatiques et définitives.
Cette validation peut permettre de vérifier des éléments que les données représentent mal : l’état émotionnel d’un client, la dynamique familiale, les préférences culturelles, la tolérance au changement ou la capacité d’un aidant à gérer une situation inhabituelle.
Elle est également nécessaire pour détecter les biais de données. Un système entraîné sur des historiques d’affectation peut reproduire les habitudes passées, y compris lorsqu’elles reposent sur des critères incomplets ou sur une répartition inégale des tâches. Une recommandation statistiquement cohérente n’est pas nécessairement équitable.
Le secteur social doit donc distinguer trois niveaux :
- l’algorithme propose des compatibilités ;
- le coordinateur vérifie la pertinence de ces propositions ;
- le client, sa famille et l’aidant participent à la décision concrète.
Cette chaîne de responsabilité permet aussi d’expliquer un choix. Si une famille conteste une affectation, l’organisation doit pouvoir indiquer quels besoins ont été pris en compte et pourquoi un professionnel a été retenu.
La transparence ne signifie pas forcément dévoiler la totalité du fonctionnement mathématique du système. Elle consiste au minimum à rendre compréhensibles les principaux critères utilisés, à permettre une correction des informations erronées et à offrir une possibilité de réévaluation.
Dans une situation comme celle de Hale, cette exigence prend une dimension particulière. Le dispositif de communication, le niveau de dépendance et la régularité des soins rendent les erreurs d’appariement coûteuses. Une validation humaine ne supprime pas le risque, mais elle permet de confronter la recommandation à la réalité vécue.
Les bénéfices attendus dépassent la réduction des coûts
L’IA d’appariement est souvent présentée comme un outil d’efficacité. Dans l’aide à domicile, sa portée est plus large, car la qualité de l’organisation influence directement la vie quotidienne des personnes accompagnées.
Une équipe plus stable peut mieux connaître les habitudes du client. Elle sait comment celui-ci communique, quelles routines le rassurent et quels signes peuvent signaler une difficulté. Cette continuité est particulièrement importante pour les personnes atteintes de maladies neurodégénératives ou confrontées à une perte progressive d’autonomie.
La plateforme peut aussi aider les coordinateurs à gérer une activité qui combine des contraintes nombreuses : horaires fractionnés, déplacements, compétences diverses, absences et besoins qui évoluent. La visualisation de ces contraintes facilite la recherche d’un remplacement et limite les décisions prises dans l’urgence.
Le bénéfice potentiel concerne également les aidants. Un professionnel correctement affecté peut recevoir des missions plus cohérentes avec son expérience et son niveau de confiance. Il peut aussi éviter une succession de remplacements incompatibles avec ses horaires ou sa zone de déplacement.
Cependant, l’appariement ne résout pas tous les problèmes de l’emploi à domicile. Il ne remplace ni la rémunération, ni la formation, ni la protection sociale, ni des conditions de travail adaptées. Une plateforme peut réduire une partie des frictions opérationnelles sans corriger les causes structurelles du turnover.
La technologie doit donc être évaluée à partir d’indicateurs multiples :
- le taux de turnover ;
- la durée moyenne des relations entre aidants et clients ;
- le nombre d’interventions réorganisées ;
- la satisfaction des familles ;
- la satisfaction des professionnels ;
- les incidents liés aux affectations ;
- le délai de remplacement lorsqu’une visite est annulée.
Un seul chiffre, même spectaculaire, ne suffit pas à juger la qualité d’un dispositif. Le turnover de 30 % revendiqué par Home Instead est significatif, mais il doit être lu avec les autres dimensions de la prise en charge.
Un modèle à surveiller pour les acteurs du social
Home Instead fournit un exemple de déploiement où l’IA agit au cœur de l’organisation sans éliminer la responsabilité humaine. Le système ne se contente pas de recommander un aidant : il associe matching, gestion des plannings, prévention des absences et identification de besoins de formation.
Pour les structures sociales, cette approche suggère plusieurs conditions de réussite. La première est la qualité des données. Des informations incomplètes sur les compétences, les disponibilités ou les préférences peuvent conduire à une recommandation inadéquate, même avec un modèle performant.
La deuxième condition est l’intégration au travail des coordinateurs. Si l’outil ajoute une étape administrative ou produit trop de recommandations difficiles à interpréter, il risque de ralentir les équipes au lieu de les aider. L’interface et les procédures de validation comptent autant que l’algorithme.
La troisième condition est la mesure des effets réels. Une baisse des remplacements ne doit pas être obtenue au prix d’une surcharge des aidants ou d’une réduction du choix laissé aux familles. L’objectif doit rester la continuité et la qualité de l’accompagnement.
La quatrième condition est la possibilité de corriger le système. Les coordinateurs doivent pouvoir signaler une mauvaise recommandation, mettre à jour un profil et expliquer pourquoi une affectation ne convient pas. Sans boucle de retour, l’outil risque de répéter ses erreurs.
L’exemple de Merrill Hale et Christina Evers illustre une utilisation plus exigeante de l’IA. L’outil a pu repérer des compatibilités pertinentes, mais la relation s’est construite dans le réel, avec ses contraintes et ses ajustements. La technologie a facilité la rencontre ; elle n’a pas remplacé le soin.
Notre avis : l’IA doit organiser la stabilité, pas automatiser la relation
L’appariement de Home Instead mérite l’attention parce qu’il relie un résultat opérationnel concret, un turnover annoncé à 30 %, à une situation de soins particulièrement complexe. L’écart avec les 80 % avancés pour le secteur montre le potentiel d’une meilleure organisation, tout en laissant ouverte la question de la part exacte attribuable à l’IA.
L’approche la plus crédible est celle qui apparaît dans le cas Hale-Evers : l’algorithme accélère l’identification des profils, mais un professionnel conserve la décision finale. Cette répartition des rôles protège la relation d’aide contre une automatisation excessive et permet de tenir compte de critères qui ne figurent pas toujours dans les données.
Dans les six prochains mois, la question décisive ne sera pas seulement de savoir combien d’acteurs sociaux adopteront l’IA. Il faudra mesurer si ces outils rendent les équipes plus stables, si les familles subissent moins de ruptures et si les aidants disposent de missions mieux adaptées. Le secteur devra ensuite trancher : l’IA sera-t-elle un simple outil de planning, ou deviendra-t-elle une infrastructure de continuité des soins ?