Codage automatique des actes : comment l’IA fiabilise le PMSI

L'essentiel en 30 secondes

Introduction

Coder les séjours et les actes est l'une des tâches les plus invisibles de l'hôpital, et l'une des plus lourdes. Chaque séjour doit être traduit en codes de diagnostics et d'actes pour que l'activité puisse être décrite et financée, et cette traduction se fait à partir de comptes-rendus souvent longs, incomplets, ou rédigés entièrement en texte libre. C'est un travail méticuleux, il intervient après le soin lui-même, et il reçoit rarement l'attention qu'il mérite, alors même qu'une part importante du financement de l'établissement en dépend.

Pendant des années, la réponse a consisté à ajouter des codeurs, à les former encore et encore, et à mener des contrôles qualité rétrospectifs. Cela fonctionne, mais c'est lent, c'est coûteux, et cela laisse un écart structurel entre ce qui a réellement été fait au chevet du patient et ce qui finit par être codé. L'assistance au codage promet de réduire cet écart, et c'est précisément là que l'intelligence artificielle commence à être vraiment utile à l'hôpital, à condition d'être honnête sur ce qu'elle peut et ne peut pas faire.

Galeon construit un dossier patient informatisé (DPI) nativement piloté par l'IA aux côtés des soignants depuis 2016. Il est utilisé dans 19 hôpitaux, dont 2 CHU, sur plus de 3 millions de dossiers patients, et il est hébergé sur une infrastructure certifiée HDS, alignée sur la norme ISO 27001:2022. L'assistance au codage dans le flux de soin n'est donc pas une diapositive pour nous, c'est quelque chose que nous concevons et exploitons. C'est aussi ce point de vue qui nous rend prudents : la valeur du codage assisté par IA est réelle, mais elle est entièrement conditionnelle.

Une chose à retenir : l'assistance au codage par IA n'est rentable que lorsque la donnée qu'elle lit est structurée, et lorsqu'un humain garde le dernier mot.

Qu'est-ce que le codage médical automatisé, exactement ?

Le codage automatisé est avant tout une assistance au codage. À partir du compte-rendu d'un séjour, un modèle de langage propose les codes les plus probables : diagnostic principal, diagnostics associés, comorbidités, actes. Point essentiel, chaque suggestion est appuyée par le passage de texte qui la justifie, de sorte que le professionnel voit pourquoi un code est proposé et peut l'accepter, le corriger ou le rejeter d'un coup d'œil.

Le but n'est pas de coder à la place du professionnel. C'est de lui éviter de partir d'un écran vide, et de signaler ce qu'un œil fatigué, en fin d'une longue liste de séjours, aurait pu manquer. Une comorbidité oubliée n'est pas un détail : elle change la façon dont la complexité d'un séjour est décrite, et donc dont il est financé. L'assistance au codage relève, en ce sens, autant de l'exhaustivité que de la rapidité.

Un mot de vocabulaire s'impose. En France, le codage alimente le PMSI (le programme de médicalisation des systèmes d'information) et, à travers lui, la tarification à l'activité (T2A). Les codes ne sont pas une formalité administrative greffée sur le soin : ils sont le langage dans lequel l'activité de l'hôpital est décrite au monde extérieur. Bien les poser, c'est bien décrire le travail réalisé.

Comment l'IA lit-elle réellement un compte-rendu ?

Le moteur derrière l'assistance au codage, c'est le traitement automatique du langage : la capacité à lire du texte libre comme le ferait un humain, et à relier ce qu'il y trouve à un système de codage. Concrètement, le modèle détecte les entités cliniques mentionnées dans le compte-rendu (un diagnostic, un acte, une complication), comprend leur contexte (cette pathologie est-elle présente, absente, suspectée, ou fait-elle partie des antécédents ?), et les rattache aux codes correspondants.

Le contexte, c'est là que tout se complique, et là que la qualité se gagne ou se perd. « Aucun signe d'infection » et « infection confirmée » contiennent le même mot mais signifient l'inverse pour le codage. Un bon modèle doit gérer la négation, l'incertitude, la temporalité et les antécédents familiaux sans transformer un diagnostic écarté en diagnostic facturé. C'est exactement pour cela que la validation humaine n'est pas un confort mais un garde-fou : le professionnel est là pour rattraper les cas où la machine a mal lu la nuance.

L'autre facteur décisif, c'est la matière première. Un modèle qui lit un compte-rendu bien structuré, où diagnostics et actes sont saisis proprement dès la source, a la tâche facile. Un modèle à qui l'on demande d'extraire l'information d'un mur de texte libre, dicté dans l'urgence et jamais relu, a la tâche difficile, et ses suggestions s'en ressentiront. L'intelligence n'est pas seulement dans l'algorithme ; elle est aussi dans la donnée qu'on lui donne à lire.

Pourquoi le codage manuel coûte-t-il si cher ?

Parce qu'il est chronophage, répétitif, et entièrement dépendant de la qualité du compte-rendu. Un acte mal codé, c'est une recette tout simplement perdue. Un diagnostic oublié, c'est une complexité de séjour jamais reflétée, si bien que le séjour paraît plus léger qu'il ne l'a réellement été. À l'échelle d'un hôpital entier, sur des dizaines de milliers de séjours par an, ces petits écarts s'additionnent en un volume significatif de temps et de financement.

Il existe aussi un coût caché qui n'apparaît sur aucune ligne budgétaire : la charge mentale. Le codage se fait souvent sous pression, parfois des semaines après le séjour, de mémoire ou à partir d'un compte-rendu qu'il faut relire en entier. Il détourne des professionnels qualifiés de tâches à plus forte valeur, et c'est une source fréquente de friction entre les équipes cliniques et le département d'information médicale (DIM). Rendre le codage plus rapide et plus fiable n'est pas qu'une question financière ; c'est aussi une question de conditions de travail.

Où l'assistance au codage aide-t-elle le plus ?

L'IA de codage n'est pas uniformément utile. Elle est rentable le plus vite dans des situations précises et bien délimitées, et il est honnête de les nommer plutôt que de promettre une révolution générale.

1. Les séjours à fort volume et répétitifs

Sur des séjours standardisés et fréquents, les suggestions sont fiables et le temps gagné est immédiat, parce que le modèle a de fait vu des milliers de comptes-rendus similaires. C'est là que l'assistance rentabilise d'abord son coût.

2. Les séjours complexes à multiples comorbidités

Ici, la valeur tient moins à la vitesse qu'à l'exhaustivité : le modèle fait remonter des diagnostics associés faciles à oublier, chacun justifié par le compte-rendu. Le professionnel décide toujours, mais part d'une image plus complète.

3. Rattraper les oublis avant la facturation

Utilisée en seconde passe, l'assistance au codage se comporte comme une checklist : elle signale un diagnostic documenté mais non codé, ou un code que le compte-rendu ne soutient pas. Elle réduit à la fois le sous-codage et le sur-codage.

4. L'intégration et la continuité

Pour un nouveau codeur, ou quand une équipe est en sous-effectif, des suggestions appuyées sur le texte source raccourcissent la courbe d'apprentissage et gardent un codage cohérent, au lieu de tout faire reposer sur l'expertise d'une seule personne.

5. Alimenter une donnée d'activité plus propre

Un codage plus cohérent, c'est une analyse d'activité plus fiable en aval, ce qui compte pour piloter l'activité et pour le dialogue avec le financeur. Meilleure entrée, meilleure analyse.

Ce que change la donnée structurée ? Tout.

L'assistance au codage n'est fiable que dans la mesure où la donnée qu'elle lit l'est aussi. C'est le point que la plupart des démonstrations commerciales passent discrètement sous silence, et c'est celui qui décide si l'outil fonctionne dans la vraie vie. Un DPI qui produit une donnée structurée et exploitable dès la saisie rend l'IA de codage réellement utile. Un DPI qui empile du texte libre rend la même IA fragile, parce qu'elle est contrainte de deviner.

C'est pour cela que le codage automatisé est d'abord une question de DPI, pas une question d'outil ajouté. Si le dossier capte diagnostics, actes et observations de façon structurée pendant que le clinicien travaille, le modèle dispose d'un signal propre. Si tout vit dans un récit dicté, le modèle dépense son énergie à reconstruire ce qui aurait dû être capté dès le départ. C'est toute la différence entre un outil greffé après coup et une intelligence intégrée au dossier lui-même.

Outil de codage greffé ou codage intégré au DPI intelligent : qu'est-ce qui change ?

Il y a deux façons d'amener l'IA au codage, et elles ne se valent pas. La première, c'est un outil séparé qui lit des comptes-rendus exportés et renvoie des codes. Il peut aider, mais il hérite de toutes les faiblesses de la donnée qu'on lui transmet, il ajoute une interface et un export de plus, et ses suggestions arrivent détachées du moment du soin.

La seconde approche intègre l'assistance au codage dans le DPI lui-même. Parce que le dossier contient déjà une donnée structurée, les suggestions sont meilleures ; parce qu'elles apparaissent dans le flux que le professionnel utilise déjà, elles sont réellement adoptées ; et parce que tout reste dans un seul système, la traçabilité est native plutôt que reconstruite. La leçon est simple : la qualité de l'IA de codage se joue en amont, dans la qualité du dossier, bien plus que dans l'astuce du modèle branché tout au bout de la chaîne.

Le codage automatisé est-il « à haut risque » au sens de l'AI Act ?

Cela dépend de l'usage, et il vaut mieux résister aux affirmations absolues dans un sens comme dans l'autre. Une assistance au codage qui propose des codes soumis à validation humaine, sans prendre de décision autonome sur la prise en charge d'un patient, ne se situe pas dans la même catégorie qu'une IA qui déciderait seule d'un diagnostic ou d'un traitement. Le niveau d'obligation suit le niveau d'autonomie et l'impact potentiel sur la personne.

Ce qui ne change pas, quelle que soit la classification, ce sont les fondamentaux : la transparence sur ce que fait l'outil, la traçabilité des suggestions, la supervision humaine, et la protection de la donnée. Une assistance au codage sérieuse est conçue avec ces principes dès le départ, et non ajustée à une réglementation après coup. Traiter l'AI Act comme une contrainte de conception plutôt que comme une case à cocher a posteriori, c'est en pratique ce qui sépare un outil de confiance d'un outil qui ne l'est pas.

Ce que ça change pour la DSI, le DIM et le clinicien

Pour la DSI

La vraie question n'est pas « quel modèle de codage est le meilleur » mais « notre dossier produit-il une donnée assez propre pour que n'importe quel modèle fonctionne ». Le levier de la DSI est en amont : capture structurée, interopérabilité, et hébergement conforme aux exigences HDS. Choisir une IA de codage, c'est en réalité choisir une stratégie de données.

Pour le DIM et les équipes de codage

Le quotidien passe de la saisie à la relecture. Le codage devient une tâche de validation appuyée par des suggestions justifiées, ce qui allège la charge sur les séjours répétitifs et libère du temps pour les séjours complexes qui réclament réellement un jugement humain. L'expertise du DIM n'est pas rendue superflue ; elle est réorientée là où elle compte.

Pour le clinicien

La meilleure assistance au codage est celle que le clinicien remarque à peine, parce qu'elle s'appuie sur une donnée captée naturellement pendant le soin plutôt que d'exiger une saisie supplémentaire. Plus le compte-rendu est clair et structuré, meilleures sont les suggestions, ce qui transforme discrètement une bonne documentation en bénéfice partagé plutôt qu'en corvée.

Limites et points de vigilance

• Garbage in, garbage out : sur un compte-rendu pauvre, les suggestions sont pauvres. Aucun modèle ne compense une information manquante.
• Pas d'automatisation aveugle : la validation humaine reste essentielle, surtout sur les séjours complexes ou atypiques.
• Cadre réglementaire : la responsabilité et la traçabilité du codage doivent rester claires, et la protection des données n'est pas négociable.
• Conduite du changement : l'outil ne remplace pas la montée en compétence des équipes ; l'adoption est autant une question humaine que technique.
• Attentes honnêtes : l'objectif est un codage juste, pas un codage maximisé. Un outil vendu sur la seule promesse de recettes en plus est un signal d'alerte.

FAQ

L'assistance au codage est-elle assez fiable pour qu'on lui fasse confiance ?
Elle accélère et sécurise le codage, mais la validation humaine reste la règle. La fiabilité vient du binôme humain-machine, pas de la machine seule, et c'est un choix de conception, pas une limite.

Faut-il changer de logiciel pour en profiter ?
Pas nécessairement, mais le gain est proportionnel à la qualité avec laquelle le DPI structure la donnée. Un dossier conçu pour capter une donnée structurée dès la saisie tirera toujours davantage de l'IA de codage qu'un dossier bâti autour du texte libre.

Est-ce que ça code plus pour gagner plus ?
Non, et ça ne le devrait pas. Le but est un codage qui reflète fidèlement l'activité et la complexité réelles de chaque séjour, ce qui suppose de corriger aussi bien le sous-codage que le sur-codage. De la justesse, pas de l'agressivité.

Qui est responsable des codes ?
L'hôpital et les professionnels qui les valident, exactement comme aujourd'hui. L'IA propose ; l'humain décide et valide ; la responsabilité reste là où elle a toujours été.

À partir de quand est-ce rentable ?
Sur les séjours à fort volume et répétitifs, où les suggestions font gagner le plus de temps de relecture, et sur les séjours complexes, où elles aident à éviter les oublis. Ces deux extrémités du spectre sont là où la valeur apparaît en premier.

Et la sécurité des données des patients ?
L'assistance au codage manipule des données de santé sensibles, elle doit donc tourner sur une infrastructure conforme aux exigences d'hébergement de données de santé (en France, la certification HDS) et respecter des règles strictes d'accès et de traçabilité. La sécurité est un prérequis, pas une option.

En résumé

Le codage médical automatisé ne consiste pas à remplacer les humains. Il s'agit de leur rendre du temps et de rendre le codage de l'activité plus complet et plus fiable, pour que la description de l'activité d'un hôpital corresponde enfin à la réalité des soins délivrés. Les suggestions sont utiles, mais elles sont un effet en aval.

Le vrai levier se situe en amont : un DPI qui produit une donnée structurée et exploitable dès la saisie, avec un humain qui garde le dernier mot et un hébergement qui protège la donnée. Réussissez cela et l'IA de codage devient réellement précieuse ; ratez-le et aucun modèle ne vous sauvera. C'est exactement la logique d'un DPI nativement piloté par l'IA comme Galeon, où l'intelligence vit dans le dossier, et non dans un outil greffé tout au bout de la chaîne.

À lire ensuite : pourquoi l'IA clinique dépend d'abord de la qualité de la donnée.

Sources

• Haute Autorité de Santé (HAS)
• ATIH, information médicalisée (PMSI) et tarification à l'activité
• Commission européenne, cadre réglementaire sur l'IA (AI Act)
• Galeon, DPI intelligent vs DPI traditionnel