Comment une IA comprend-elle ce qu'un patient dit au téléphone ?

La question que tout le monde se pose

Quand un patient appelle et parle a un assistant vocal IA, comment le systeme fait-il pour comprendre ce qu'il dit ? Est-ce qu'il reconnait juste des mots-cles ? Est-ce qu'il lit dans ses pensees ? Est-ce qu'il peut vraiment comprendre le francais avec toutes ses nuances et ses ambiguites ?

Ces questions sont legitimes. La reponse est a la fois plus simple et plus sophistiquee qu'on ne l'imagine souvent. Ce guide explique les mecanismes concrets qui permettent a une IA de comprendre un patient au telephone.

Etape 1 : transformer la voix en texte

La premiere etape est purement technique. La voix du patient, sous forme de signal audio numerique, est analysee par un systeme de reconnaissance automatique de la parole (ASR pour Automatic Speech Recognition).

Ce systeme a ete entraine sur des millions d'heures d'enregistrements vocaux en francais. Il a appris a associer des sequences de sons a des mots, des phrases, des structures grammaticales. Quand le patient parle, le systeme compare ce qu'il entend a tout ce qu'il a appris pour produire la transcription textuelle la plus probable.

Les meilleurs systemes actuels pour le francais atteignent 95 a 97% de precision dans des conditions normales. Ca veut dire qu'en moyenne, sur 100 mots prononces, 3 a 5 sont potentiellement mal transcrits. C'est suffisamment fiable pour la grande majorite des appels, mais ca explique pourquoi le systeme peut parfois avoir besoin de demander de repeter.

Plusieurs facteurs influencent la precision : la qualite de la connexion telephonique, le niveau de bruit de fond, la clarte d'elocution du patient, et son accent regional. Un patient qui appelle depuis une voiture sur l'autoroute aura un taux de transcription moins bon que quelqu'un qui appelle depuis son salon.

Etape 2 : comprendre le sens, pas juste les mots

Avoir le texte de ce que dit le patient, c'est bien. Comprendre ce qu'il veut, c'est autre chose.

C'est le role du composant de traitement du langage naturel (NLP pour Natural Language Processing). Ce composant analyse le texte produit par l'ASR et en extrait l'intention et les informations pertinentes.

Par exemple, si le patient dit "je voulais voir si vous pouviez me prendre demain, j'ai un truc qui me tracasse depuis lundi", le systeme extrait :

L'intention : prendre rendez-vous

L'urgence relative : demain (demande urgente)

Le contexte : symptome present depuis lundi

Ce n'est pas une recherche de mots-cles. "Je voulais voir si vous pouviez me prendre" n'est pas la meme chose que "je veux un rendez-vous", mais le NLP comprend que c'est la meme intention exprimee de maniere differente.

Les modeles NLP modernes ont ete entraines sur des quantites enormes de texte en francais. Ils comprennent les tournures idiomatiques, les formulations indirectes, les sous-entendus courants. Ils savent que "c'est pas urgent mais quand meme" signifie souvent le contraire de ce que les mots disent litteralement.

Etape 3 : gerer les ambiguites et les incomprehensions

Meme le meilleur systeme NLP rencontre des situations ambigues. Quand ca arrive, il y a deux approches.

La premiere est de poser une question de clarification. Si le patient dit "je veux un rendez-vous pour la meme chose que la derniere fois", le systeme ne peut pas deviner ce que c'etait. Il va dire : "Pour quel type de consultation souhaitez-vous un rendez-vous ?"

La deuxieme est de faire une hypothese et de la confirmer. Si le patient dit "je veux voir le docteur rapidement", le systeme peut repondre : "Je comprends que vous souhaitez un rendez-vous urgent. C'est bien ca ?"

Un bon systeme sait quand il comprend avec confiance et quand il doit verifier. Il ne fait pas semblant de comprendre quand il ne comprend pas. C'est l'une des differences importantes entre un systeme bien con cu et un systeme mediocre.

Ce que l'IA comprend et ce qu'elle ne comprend pas

Soyons precis sur les capacites et les limites reelles.

Ce que le systeme comprend bien : les demandes de rendez-vous dans toutes leurs formulations, les annulations, les demandes d'information standard, les noms de medicaments courants, les specialites medicales, les symptomes courants exprimes simplement.

Ce que le systeme comprend avec plus de difficulte : les noms propres complexes (noms de famille atypiques, noms de localites rares), le vocabulaire medical tres specialise, les accents tres marques, les patients qui parlent tres vite ou en murmurant, le joual ou les patois regionaux forts.

Ce que le systeme ne comprend pas : le contexte emotionnel profond, les non-dits, l'ironie ou le second degre, les situations cliniques complexes qui necessitent un jugement medical.

C'est precisement pour ces dernieres categories qu'un mecanisme de transfert vers un humain est indispensable dans tout deploiement serieux. Voir notre article sur les limites des IA vocales en sante pour une analyse complete.

Pourquoi le francais medical est un cas particulier

Le francais utilise dans un contexte medical a ses specificites qui rendent la tache plus complexe.

Le vocabulaire medical : des termes comme "hypertension", "hypothyroidie", "fibromyalgie" ou "osteoporose" doivent etre reconnus correctement meme quand ils sont prononces par des patients non-specialistes, parfois avec des deformations phonetiques.

Les noms de medicaments : les patients citent souvent des noms de medicaments que le systeme doit identifier correctement. "Mon Doliprane" ou "le truc pour ma tension" necessite une comprehension contextuelle.

Les variantes regionales : en Belgique, on dit "nonante" et "septante". On parle de "mutualite" plutot que de "secu". On dit "policlinique" la ou un Francais dirait "consultation". Un systeme deploye en Belgique doit etre entraine sur ces specificites.

Les references culturelles et institutionnelles : INAMI, carte SIS, medecin-traitant, tarif conventione, supplement honoraires. Toutes ces notions doivent etre comprises dans le contexte belge.

C'est pourquoi la localisation d'un agent vocal medical pour le marche belge n'est pas un detail cosmétique. C'est un travail de fond sur les donnees d'entrainement et la configuration du systeme.

Comment le systeme s'ameliore avec le temps

Contrairement a ce qu'on pourrait croire, un agent vocal IA n'est pas statique. Il s'ameliore de deux manieres.

Les mises a jour du modele : les fournisseurs ameliorent regulierement leurs modeles de langage, de reconnaissance vocale et de NLP. Ces ameliorations sont deployees automatiquement.

La configuration incrementale : au fil des semaines, on identifie les types de demandes que le systeme gere moins bien et on affine la configuration. Si on remarque que beaucoup de patients utilisent une formulation particuliere que le systeme ne gere pas bien, on ajoute un traitement specifique pour cette formulation.

Ce processus d'amelioration continue est l'une des raisons pour lesquelles les resultats des deploiements s'ameliorent generalemnt significativement entre la premiere et la troisieme semaine.

Conclusion

Comprendre un patient au telephone, c'est en realite une chaine de transformations : voix en texte, texte en intention, intention en action. Chaque maillon de cette chaine a ses forces et ses limites.

La bonne nouvelle : pour les 60 a 70% des appels qui concernent des prises de rendez-vous, des annulations ou des demandes d'information standard, les systemes actuels sont suffisamment fiables pour offrir une experience acceptable dans la grande majorite des cas.

La limite a connaitre : pour les situations complexes, emotionnelles ou medicalement ambigues, le transfert vers un humain n'est pas un echec du systeme. C'est exactement ce qui doit se passer.

Vous voulez voir comment le systeme gere vos scenarios specifiques ? Demandez une demonstration et testez vous-meme avec des cas reels de votre cabinet.

Lire aussi : IA vocale medicale : comment ca fonctionne concretement ?