Urgences : l'IA peut-elle aider au tri des patients ?

Aux urgences, le tri consiste à reconnaître les situations qui nécessitent une prise en charge rapide et à orienter chaque patient dans un contexte mouvant. L’IA peut aider à structurer les informations, signaler certaines incohérences ou soutenir l’organisation des flux. Mais une proposition informatique ne perçoit pas tout ce qu’un professionnel observe à l’accueil. Son introduction doit donc renforcer la vigilance humaine, sans devenir une barrière automatique entre une personne et les soins.

Séparer urgence clinique et gestion des flux

Il faut d’abord distinguer des fonctions souvent regroupées sous le mot « triage ». Estimer la charge d’une zone, suggérer une filière et attribuer un degré d’urgence sont des tâches différentes. Leurs erreurs n’ont pas les mêmes conséquences et elles ne demandent pas les mêmes garanties. Un outil pertinent pour anticiper l’activité n’est pas nécessairement adapté à une décision individuelle de priorité. Le projet doit nommer précisément la fonction qu’il souhaite assister.

L’infirmier d’accueil et d’orientation mobilise le motif de venue, les constantes, l’observation directe et les protocoles du service. Une difficulté à parler, une apparence inhabituelle ou l’inquiétude d’un proche peuvent justifier une attention immédiate. Certaines de ces informations ne sont pas correctement représentées dans les champs du logiciel. L’IA doit donc pouvoir être contredite facilement, sans imposer une justification si lourde qu’elle découragerait une réévaluation pourtant nécessaire.

Un usage concret et limité serait de repérer une donnée manquante dans une évaluation en cours ou de présenter les informations déjà disponibles dans le dossier. L’outil peut rappeler qu’une mesure paraît incohérente et doit être vérifiée. Il ne doit pas inventer une valeur absente, transformer l’absence de donnée en signe rassurant ou retarder une prise en charge pour compléter un formulaire. L’urgence clinique prime toujours sur la complétude informatique du dossier.

Comprendre les fragilités des données d’accueil

Les données recueillies à l’arrivée sont souvent incomplètes et évolutives. Un motif formulé par le patient ne correspond pas nécessairement au problème finalement identifié. Une mesure peut être perturbée par les conditions de recueil, et un antécédent pertinent peut n’être découvert qu’ensuite. Un score calculé sur ces informations reste dépendant de leur qualité. L’interface doit rendre visibles les données utilisées, leur ancienneté et les limites de l’interprétation proposée.

La diversité des patients ajoute des difficultés : troubles de communication, barrière linguistique, handicap, situations sociales complexes ou présentations atypiques. Un système développé dans un autre contexte peut moins bien fonctionner pour certains groupes. L’évaluation locale doit chercher ces écarts au lieu de se satisfaire d’une performance moyenne. Une erreur répétée sur une population peu représentée peut rester invisible si le suivi agrège toutes les situations dans un seul indicateur global.

Les données historiques reflètent aussi l’organisation passée. Si un modèle apprend à reproduire des orientations antérieures, il peut reproduire des habitudes discutables ou des inégalités d’accès. La concordance avec les décisions enregistrées ne prouve donc pas à elle seule une bonne qualité clinique. Le service doit définir une référence d’évaluation pertinente et faire examiner les discordances, en tenant compte de la trajectoire du patient et des informations réellement disponibles au moment du tri.

Tester sans déléguer prématurément la décision

Une première étape consiste à observer les propositions du système sans les utiliser pour orienter les patients. Cette phase permet de vérifier l’intégration, les informations manquantes et les situations où l’outil se trompe. Elle doit être menée dans un cadre validé pour les données et l’usage concerné. Le passage à un affichage en situation réelle nécessite ensuite des critères de sécurité explicites et une formation des utilisateurs aux limites constatées.

Les conséquences des erreurs doivent être distinguées. Sous-estimer une urgence peut retarder les soins ; multiplier les alertes peut saturer l’attention et encombrer les circuits prioritaires. Le suivi doit examiner ces effets et pas seulement la proportion de propositions acceptées. Une recommandation fréquemment suivie peut traduire une aide utile, mais aussi un biais d’automatisation si les professionnels ne se sentent plus autorisés à exercer leur propre appréciation.

Les exercices pratiques doivent inclure des désaccords, des pannes et des données contradictoires. Qui reprend la main ? Comment transmettre une inquiétude clinique non reconnue par le logiciel ? Que faire si une proposition arrive après l’orientation initiale ? Les réponses doivent être simples et connues de tous. La possibilité d’ignorer l’outil et de continuer selon les protocoles habituels constitue une exigence organisationnelle, pas une fonction secondaire réservée aux équipes techniques.

Informer sans créer de fausse assurance

L’estimation des délais relève d’un autre usage, potentiellement utile pour expliquer le fonctionnement du service. Elle doit rester présentée comme incertaine : une arrivée grave, une indisponibilité de lit ou un examen complémentaire peuvent modifier l’attente. Afficher une précision artificielle risque de détériorer la confiance lorsque la situation change. Une information compréhensible sur les étapes du parcours peut parfois être plus utile qu’une prédiction numérique difficile à tenir.

Un agent conversationnel destiné aux personnes en attente doit offrir un accès clair à un professionnel. Il ne doit pas rassurer automatiquement devant une aggravation ni conditionner l’alerte à une conversation complète. Les consignes locales doivent expliquer comment signaler un symptôme nouveau ou une détérioration. L’absence de réponse au dispositif, liée par exemple à la langue ou à la fatigue, ne doit pas être interprétée comme l’absence de besoin ou une amélioration.

Garder un contrôle clinique et institutionnel

Le déploiement doit associer les équipes d’urgence, la direction médicale, l’informatique, la sécurité et les responsables de la protection des données. La destination du produit et son éventuel statut de dispositif médical doivent être vérifiés. Les responsabilités, les accès et les traces utiles doivent être définis. Une mise à jour du modèle ou une modification des circuits du service peut nécessiter une réévaluation, car le contexte de fonctionnement n’est jamais figé.

En conclusion, l’IA peut aider aux urgences lorsqu’elle rend les informations plus lisibles et soutient une organisation déjà sécurisée. Elle ne doit ni décider seule de l’accès aux soins ni remplacer la réévaluation clinique. Le projet le plus pertinent est celui qui fixe un périmètre limité, observe les conséquences réelles et permet un retour au fonctionnement habituel. La technologie doit rester au service de l’attention portée aux patients, particulièrement lorsque leur situation évolue.