[Résumé du webinaire] Les impacts de l’IA et des outils d’optimisation sur la prestation de soutien à domicile

Dans le cadre de notre plus récent webinaire, nous avons réuni des expertes en données pour qu’elles exposent leur point de vue sur les façons dont l’IA, l’apprentissage automatique et les algorithmes d’optimisation redessinent la prestation de soutien à domicile. Dans cet article, nous soulevons 3 enseignements principaux retenus lors du webinaire (Transforming Home Care with AI: How Machine Learning and Optimization Algorithms Are Impacting Care Delivery (en anglais) (Visionner le webinaire ici sur-demande).

Les panélistes :

Naomi Goldapple, V.-p. principale, Données et intelligence, AlayaCare

Le défi actuel de Naomi en tant que cheffe d’AlayaLabs est de soutenir la stratégie d’innovation d’AlayaCare par le biais de recherches appliquées dans le domaine de l’apprentissage automatique et des applications d’optimisation. Naomi a passé ces dernières années à exploiter les nouvelles technologies pour créer et commercialiser des produits qui permettent de résoudre des problèmes commerciaux réels et d’améliorer les résultats des patients.

Nadia Lahrichi, professeure titulaire, Polytechnique Montréal

Nadia Lahrichi est professeure titulaire à Polytechnique Montréal et directrice adjointe du CIRRELT. Elle possède une expertise dans l’application d’outils de modélisation et de recherche opérationnelle aux systèmes de soins de santé. Elle a reçu des récompenses pour son application exceptionnelle de la recherche opérationnelle et a publié plus de 50 articles dans des revues à comité de lecture. Ses recherches portent sur l’amélioration du cheminement des usagers et de la programmation des ressources à l’aide d’approches exactes, métaheuristiques et de simulation d’événements discrets.

Sarah Khalid, Gestionnaire de produits, Intelligence artificielle/apprentissage automatique et optimisation, AlayaCare

Sarah Khalid est gestionnaire debproduits dans l’équipe AlayaLabs – le pendant recherche et développement – d’AlayaCare, dont l’objectif est d’apporter au secteur du soutien à domicile des innovations de pointe en matière d’apprentissage automatique et d’optimisation. Elle se passionne également pour l’écriture, le développement communautaire et les discussions sur les valeurs humaines et le sens de la vie.

Les 4 grands axes de l’impact des algorithmes avancés (IA et outils d’optimisation) sur la prestation de soutien à domicile :

1. Amélioration de l’utilisation des données

L’IA peut améliorer grandement la cueillette de données dans le domaine du soutien à domicile en proposant des méthodes plus efficaces et précises de collecte, de traitement et d’analyse de grands volumes de données. Par exemple, les algorithmes fondés sur l’IA peuvent être utilisés pour détecter automatiquement les anomalies dans les grands ensembles de données tels que les dossiers médicaux ou les antécédents des clients, ce qui permet aux prestataires de soutien à domicile d’identifier rapidement les problèmes potentiels nécessitant une enquête plus approfondie.

Naomi souligne la richesse des données que l’IA et la science des données peuvent exploiter pour créer des modèles plus précis et plus sophistiqués. « Nous rassemblons des données […] par l’intermédiaire de notre plateforme et elles se déclinent en de nombreuses formes et tailles », a déclaré Naomi Goldapple. « Il s’agit de [modèles d’apprentissage] structurés, semi-structurés ou non structurés. »Dans le domaine du soutien à domicile, il est primordial que l’IA prenne en compte les modèles de données structurées et non structurées lors de l’analyse des schémas et de l’élaboration des prédictions, puisque les données non structurées (par exemple les notes) peuvent souvent fournir de précieuses informations relatives à des schémas ou à des relations complexes qu’il serait difficile d’identifier autrement.

Les outils guidés par l’IA peuvent également améliorer la collecte des données en aidant les utilisateurs à s’assurer que leurs données sont systématiquement à jour grâce au suivi des modèles, de sorte que les flux de travail, la planification et les processus pilotés par l’IA puissent fonctionner correctement et efficacement.« L’une de nos actions pour aider nos clients est de leur fournir des tableaux de bord sur les données manquantes afin de s’assurer qu’ils tiennent leurs données à jour », a déclaré Naomi. « Imaginez que vous disposiez d’un optimiseur de visites qui vous aide à établir les meilleurs itinéraires et horaires pour vos soignants, mais qu’il lui manque des informations essentielles comme l’adresse du domicile de certains soignants ou l’adresse correcte des usagers, ou encore, que les disponibilités des soignants ne soient pas correctes. Les solutions ne seront donc pas satisfaisantes, n’est-ce pas? Nous devons donc nous assurer que les données sont à jour et que nous disposons des outils appropriés. »

2. Une meilleure utilisation de la mise en correspondance des usagers

« La discussion a également porté sur l’utilisation des algorithmes d’optimisation et ses effets sur l’amélioration de l’a mise en correspondance des usagers en explorant des options au-delà du top 10 de l’équipe de planification. On y parvient en considérant des facteurs comme la disponibilité et la proximité lors de la prise de décision. »

Naomi Goldapple

Naomi explique de quelle manière les algorithmes d’optimisation pour la mise en correspondance des usagers peuvent permettre d’économiser un temps considérable dans la recherche du soignant idéal. « Certains de nos clients utilisent [Optimiseur de visites] », explique Naomi, « des clients bêta et des clients bénéficiant d’un accès anticipé, et leurs réactions sur le gain de temps, la précision de l’outil et même parfois la façon dont il présente des correspondances qui n’avaient pas été envisagées, mais qui sont en fait très logiques sont très encourageantes. »Cela illustre la façon dont les algorithmes avancés peuvent repérer des correspondances qui auraient pu être négligées par l’humain, mais qui seraient particulièrement efficaces pour appuyer les plans de traitement d’un usager.

Naomi insiste sur l’importance d’utiliser des outils d’optimisation pour « ne pas dépendre du top 10 d’un planificateur, mais bien considérer les disponibilités, les correspondances et la proximité pour prendre les meilleures décisions. » Nadia mentionne ensuite la contribution des algorithmes d’optimisation à la création d’itinéraires et d’horaires efficaces, ce qui entraîne une utilisation plus efficace des ressources, une plus grande satisfaction du personnel et une réduction du taux de rotation du personnel. Il en résulte finalement des soignants plus heureux et une amélioration du soutien à domicile, qui se traduit par une amélioration des résultats des usagers.

3. Un outil d’aide à la prise de décision

À mesure que l’IA et les outils d’optimisation se développent sur le lieu de travail, certains craignent que ces nouveaux outils ne remplacent la prise de décision humaine. Selon Naomi et Nadia, ce n’est pas du tout le cas.

Nadia a entamé la conversation en précisant ce qu’est un outil d’aide à la décision : « S’ils sont bien conçus, les systèmes d’aide à la décision ne servent qu’à aider l’utilisateur à prendre de meilleures décisions et à mieux concevoir. Qu’est-ce que ça signifie? Il faut commencer par se réunir tous ensemble. Le principe repose donc sur le fait qu’il y a toujours différentes parties prenantes, et qu’elles doivent toutes être incluses dans la conception de la solution.