Accueil

Nos cas d'études

HUG

Pharmacie / Santé

HUG

HUG

Centre hospitalier universitaire de référence en Suisse — Genève, Suisse.

11 300

utilisateurs accompagnés

À propos

Les Hôpitaux Universitaires de Genève (HUG) ont déployé une stratégie d’assistance conversationnelle visant à améliorer l’accès à l’information pour les patients, les proches et les professionnels de santé.

Un écosystème d’assistants progressivement construit

Grâce à l’IA conversationnelle CKODA, les HUG ont progressivement construit un écosystème d’assistants capables de répondre aux questions fréquentes, d’orienter les usagers vers les bons services et de proposer un accompagnement spécialisé sur certaines pathologies comme l’asthme.

L’IA au service d’un environnement hospitalier exigeant

Ce projet illustre l’utilisation de l’IA dans un environnement hospitalier exigeant, où la qualité de l’information, la fiabilité des réponses et la capacité à orienter les utilisateurs sont essentielles.

En chiffres

11 300

utilisateurs accompagnés

Le chatbot principal HUG a déjà assisté plus de 11 000 utilisateurs dans leurs démarches et recherches d’information.

154

scénarios conversationnels déployés

Une couverture fonctionnelle étendue permettant de répondre à une grande diversité de demandes hospitalières.

2

assistants spécialisés

Un assistant généraliste HUG complété par un chatbot dédié à l’accompagnement des patients souffrant d’asthme.

En chiffres

11 300

utilisateurs accompagnés

Le chatbot principal HUG a déjà assisté plus de 11 000 utilisateurs dans leurs démarches et recherches d’information.

154

scénarios conversationnels déployés

Une couverture fonctionnelle étendue permettant de répondre à une grande diversité de demandes hospitalières.

2

assistants spécialisés

Un assistant généraliste HUG complété par un chatbot dédié à l’accompagnement des patients souffrant d’asthme.

Méthodologie

01

Stratégie

Faciliter l’accès à l’information hospitalière à grande échelle

Les établissements hospitaliers doivent répondre quotidiennement à un volume important de questions concernant les consultations, les parcours de soins, les démarches administratives ou encore certaines pathologies spécifiques. Les HUG souhaitaient offrir un accès plus rapide à l’information tout en réduisant la sollicitation des équipes administratives et médicales sur les demandes les plus récurrentes.

Une phase de cadrage a permis d’identifier les parcours prioritaires :

  • Orientation vers les services hospitaliers

  • Informations pratiques sur les consultations et rendez-vous

  • Accès aux informations administratives

  • Accompagnement des patients dans leur parcours de soins

  • Diffusion d’informations médicales validées

  • Cas d’usage spécialisés autour de l’asthme

L’objectif était de proposer une assistance disponible en continu tout en respectant les exigences du secteur hospitalier en matière de qualité et de sécurité de l’information.

01

Stratégie

Faciliter l’accès à l’information hospitalière à grande échelle

Les établissements hospitaliers doivent répondre quotidiennement à un volume important de questions concernant les consultations, les parcours de soins, les démarches administratives ou encore certaines pathologies spécifiques. Les HUG souhaitaient offrir un accès plus rapide à l’information tout en réduisant la sollicitation des équipes administratives et médicales sur les demandes les plus récurrentes.

Une phase de cadrage a permis d’identifier les parcours prioritaires :

  • Orientation vers les services hospitaliers

  • Informations pratiques sur les consultations et rendez-vous

  • Accès aux informations administratives

  • Accompagnement des patients dans leur parcours de soins

  • Diffusion d’informations médicales validées

  • Cas d’usage spécialisés autour de l’asthme

L’objectif était de proposer une assistance disponible en continu tout en respectant les exigences du secteur hospitalier en matière de qualité et de sécurité de l’information.

02

Implémentation

Déploiement d’une plateforme conversationnelle adaptée aux enjeux hospitaliers

Les HUG ont mis en œuvre un assistant conversationnel couvrant un large périmètre d’information hospitalière. Le dispositif repose sur une architecture conversationnelle structurée permettant de guider efficacement les utilisateurs vers les ressources pertinentes.

Le projet comprend :

  • Un chatbot principal couvrant l’ensemble des besoins d’information générale

  • Plus de 150 scénarios conversationnels métier

  • Un assistant spécialisé dédié à l’asthme

  • Une base de connaissances alimentée par les contenus validés par les équipes hospitalières

  • Des mécanismes d’orientation vers les ressources et interlocuteurs appropriés

Cette approche permet de garantir la cohérence des réponses tout en assurant une expérience utilisateur fluide et accessible.

02

Implémentation

Déploiement d’une plateforme conversationnelle adaptée aux enjeux hospitaliers

Les HUG ont mis en œuvre un assistant conversationnel couvrant un large périmètre d’information hospitalière. Le dispositif repose sur une architecture conversationnelle structurée permettant de guider efficacement les utilisateurs vers les ressources pertinentes.

Le projet comprend :

  • Un chatbot principal couvrant l’ensemble des besoins d’information générale

  • Plus de 150 scénarios conversationnels métier

  • Un assistant spécialisé dédié à l’asthme

  • Une base de connaissances alimentée par les contenus validés par les équipes hospitalières

  • Des mécanismes d’orientation vers les ressources et interlocuteurs appropriés

Cette approche permet de garantir la cohérence des réponses tout en assurant une expérience utilisateur fluide et accessible.

03

Résultats

Vers une assistance médicale enrichie par les LLM

Le secteur de la santé représente l’un des domaines où les modèles de langage peuvent apporter le plus de valeur lorsqu’ils sont correctement encadrés par des sources documentaires fiables.

Les HUG explorent ainsi une évolution vers des architectures combinant LLM et RAG afin de :

  • Améliorer la compréhension des questions formulées naturellement par les patients

  • Fournir des réponses plus contextualisées

  • Personnaliser davantage l’accompagnement informationnel

  • Réduire les limites des parcours conversationnels prédéfinis

  • Renforcer les assistants spécialisés sur certaines pathologies

Le cas du chatbot Asthme constitue notamment un terrain d’expérimentation particulièrement pertinent pour développer des assistants médicaux capables de s’appuyer sur des connaissances validées tout en proposant une expérience conversationnelle plus naturelle.

Cette évolution s’inscrit dans la vision CKODA d’une IA augmentée par la connaissance métier, particulièrement adaptée aux environnements sensibles comme la santé.

03

Résultats

Vers une assistance médicale enrichie par les LLM

Le secteur de la santé représente l’un des domaines où les modèles de langage peuvent apporter le plus de valeur lorsqu’ils sont correctement encadrés par des sources documentaires fiables.

Les HUG explorent ainsi une évolution vers des architectures combinant LLM et RAG afin de :

  • Améliorer la compréhension des questions formulées naturellement par les patients

  • Fournir des réponses plus contextualisées

  • Personnaliser davantage l’accompagnement informationnel

  • Réduire les limites des parcours conversationnels prédéfinis

  • Renforcer les assistants spécialisés sur certaines pathologies

Le cas du chatbot Asthme constitue notamment un terrain d’expérimentation particulièrement pertinent pour développer des assistants médicaux capables de s’appuyer sur des connaissances validées tout en proposant une expérience conversationnelle plus naturelle.

Cette évolution s’inscrit dans la vision CKODA d’une IA augmentée par la connaissance métier, particulièrement adaptée aux environnements sensibles comme la santé.

Outils

NLP Clustaar

Moteur conversationnel permettant d’identifier les intentions utilisateurs et d’orchestrer les parcours de dialogue hospitaliers.

Base de connaissances médicale

Corpus documentaire alimenté par les contenus validés par les équipes des HUG afin de garantir la fiabilité des réponses fournies.

LLM Fallback

Couche d’intelligence générative permettant d’améliorer la compréhension des demandes complexes et de préparer les futures évolutions conversationnelles.

RAG (Roadmap)

Architecture Retrieval-Augmented Generation permettant d’interroger des contenus médicaux et administratifs de manière contextualisée tout en conservant la maîtrise des sources utilisées.

Assistants spécialisés santé

Déploiement de cas d’usage dédiés à certaines pathologies, notamment l’asthme, afin de proposer un accompagnement plus ciblé.

Résultats

Amélioration de l’accès à l’information hospitalière

Les utilisateurs obtiennent rapidement des réponses à leurs questions sans devoir systématiquement solliciter les équipes administratives ou médicales.

Adoption significative par les usagers

Avec plus de 11 300 utilisateurs accompagnés, le dispositif démontre la pertinence de l’IA conversationnelle dans un environnement hospitalier complexe.

Développement de cas d’usage médicaux spécialisés

Le chatbot Asthme illustre la capacité de CKODA à dépasser les usages classiques de service client pour adresser des problématiques de santé plus spécifiques.

Préparation de la prochaine génération d’assistants santé

L’intégration progressive des architectures LLM et RAG ouvre la voie à des assistants hospitaliers capables de fournir des réponses plus naturelles, plus personnalisées et mieux adaptées aux besoins des patients tout en conservant les exigences de fiabilité propres au secteur médical.

Nos autres cas clients

+150k

utilisateurs accompagnés

Fédération Française de Tennis

Fédération sportive nationale organisatrice de Roland-Garros et des principales compétitions françaises de tennis.

Voir le cas client

133k

crédits LLM consommés

Aésio Mutuelle

Groupe mutualiste de protection sociale — France.

Voir le cas client