top of page

L'IA au quotidien du cabinet : expérimenter de manière ciblée rapporte double.

17 sept.
4 min de lecture

Expérimenter de manière ciblée avec l'IA, c'est en apprendre les limites — et découvrir au passage précisément les tâches qui coûtent le plus de temps au cabinet.


Dans de nombreux cabinets, l'IA en est à l'un de ces deux points. Soit elle a été essayée une fois, et l'affaire s'est enlisée. Soit on attend que quelqu'un dise à quoi elle sert. Les deux voies aboutissent au même résultat : un an plus tard, personne dans l'entreprise n'en sait davantage qu'avant sur ce que l'IA permet et ce qu'elle ne permet pas.


La disposition, pourtant, est là depuis longtemps. Dans le Swiss eHealth Barometer 2026, 84 % des professionnels de la santé interrogés peuvent imaginer automatiser à l'avenir des tâches de routine à l'aide de l'IA. Ce qui manque, ce n'est pas la volonté. C'est une méthode pour commencer.


Commençons par la bonne nouvelle : cette méthode n'exige ni projet informatique ni budget, mais quatre questions posées à une seule tâche. Comment expérimenter ainsi de manière systématique, développer vos compétences en IA et tomber en chemin sur des gains de temps mesurables, c'est l'objet de cet article.


Là où l'IA aide, aucun mode d'emploi ne le dit

Avec le Boston Consulting Group, la Harvard Business School a fait travailler 758 consultantes et consultants avec et sans IA. Pour les tâches situées dans les capacités du système, celles et ceux qui utilisaient l'IA ont accompli 12,2 % de tâches en plus, travaillé 25,1 % plus vite et livré une qualité nettement meilleure.


Pour une tâche située hors de ces capacités, l'image s'est inversée. Les utilisateurs de l'IA avaient alors 19 points de pourcentage de moins de chances de trouver la solution correcte que le groupe sans IA. Les chercheurs parlent d'une « jagged technological frontier », une frontière dentelée : certaines tâches, l'IA les accomplit sans peine ; d'autres, d'une difficulté apparemment identique, pas du tout. Et : de l'extérieur, cette frontière est invisible.


Les limites de l'IA ne figurent dans aucun manuel. On ne les trouve qu'en les sondant.


Chaque essai est en même temps une leçon

C'est précisément pour cela qu'expérimenter n'est pas un passe-temps, mais la forme de formation la moins coûteuse. Les compétences en IA — décrites dans la recherche sous le terme d'« AI literacy » — désignent les capacités nécessaires pour vivre, apprendre et travailler dans un environnement marqué par l'IA. Elles ne naissent pas du seul cours, mais là où quelqu'un teste une tâche qui lui est propre, vérifie le résultat et remarque la différence. Non pas un savoir sur la technique, donc, mais un jugement sur son usage.


Cette compétence est de surcroît une obligation. Depuis le 2 février 2025, l'article 4 du règlement européen sur l'intelligence artificielle exige des entreprises qu'elles assurent la maîtrise de l'IA de leur personnel ; la disposition peut concerner des cabinets suisses dès lors qu'un lien avec l'UE existe. Qui doit de toute façon former son équipe a tout intérêt à le faire sur une tâche réelle.


Reste à savoir où chercher. L'enquête menée par gfs.bern sur mandat de la FMH, Fédération des médecins suisses, indique la direction : en 2025, les médecins exerçant en cabinet consacraient en moyenne 54 minutes par jour aux seules exigences des autorités et des assurances, surtout aux demandes relatives à la facturation et aux rapports destinés aux assurances perte de gain. Un an plus tôt, 65 % des médecins exerçant en cabinet qualifiaient cette charge de plutôt ou clairement superflue.


Quatre questions avant de lancer un essai

Premièrement : coûteuse et perceptible. La tâche coûte régulièrement du temps ou de la concentration. Ce qui prend deux minutes ne convient pas pour un premier essai, même si l'IA s'en acquitte bien — le gain resterait invisible.

Deuxièmement : récurrente et régulière. La tâche revient chaque jour ou chaque semaine. Le bénéfice est double : un gain de temps s'additionne, et plusieurs essais se comparent directement. C'est de cette comparaison que naît l'expérience.

Troisièmement : descriptible et explicable. Le déroulement peut s'exposer par des règles ou un modèle, par exemple la réponse à une question récurrente sur la facturation. Qui ne sait pas décrire une tâche ne saura pas non plus guider une IA pour l'accomplir. Cette étape aiguise le regard sur votre propre processus, que l'essai réussisse ou non.

Quatrièmement : vérifiable et assumable. Le résultat peut être contrôlé. La FMH recommande de ne recourir à de tels systèmes que là où l'on est professionnellement en mesure de repérer les erreurs et d'apprécier la qualité de la réponse ; pour les données de patients, elle exige des modèles hébergés localement ou maîtrisés. Pour un premier essai, cela signifie des exemples fictifs ou sûrement anonymisés dans un outil librement accessible, et jamais de données réelles de patients.


Quatre oui, et la tâche devient votre terrain d'essai. Vous apprenez où passe la frontière. Vous mesurez si le temps diminue réellement. Et : vous décidez, sur la base de votre propre expérience, si cela devient une étape de travail établie.


Ce n'est pas l'outil le plus spectaculaire qui fait avancer votre cabinet. C'est la tâche récurrente la plus banale, testée de manière ciblée.


Envie d'un premier échange ? Convenez d'un entretien initial sans engagement : https://www.felber-advisory.ch/kontakt. Ensemble, nous identifions les tâches de votre cabinet qui se prêtent à un premier essai et définissons comment votre équipe peut expérimenter de manière sûre et mesurable.


Sources

 
 
 

Commentaires

bottom of page