D4P – Prédiction de la charge de travail infirmière à l’aide du machine learning et de LLM.
Description du projet
Le projet D4P, financé par Innosuisse, réunit la startup Precisia Care SA (partenaire d’implémentation), la HE-Arc Ingénierie (partenaire académique), la Haute École de la Santé La Source (partenaire académique secondaire) et le H4 – Hands on Human Health Hub – La Source, mandataire de la HE-Arc. Son objectif est de développer un outil innovant basé sur l’intelligence artificielle (IA) servant à prédire en temps réel la charge de travail infirmière.
Contexte
Le système de santé fait face à une évolution rapide et versatile de la demande de soins (e.g., vieillissement de la population, augmentation des maladies chroniques, nouvelles technologies) avec une augmentation du nombre de soignant·es nécessaires pour supporter ces besoins croissants. De plus le système est marqué par une pénurie de personnel et une complexité croissante des organisations.
Ces tendances rendent la planification des équipes et leur répartition en fonction des services et des besoins plus complexes et moins prévisibles, ce qui augmente la pression sur le personnel infirmier. Anticiper la charge de travail devient donc essentiel pour organiser les équipes et maintenir la qualité et la sécurité des soins ainsi que le bien-être des soignant·es.
Objectif
Dans cette optique, le projet D4P vise à développer un outil basé sur l’IA capable de prédire en temps réel la charge de travail infirmière et de proposer une planification à court terme plus flexible et adaptée aux besoins du terrain. Pour ce faire, le projet cherche à exploiter des données non-structurées (par exemple, les notes infirmières et champs de texte libre dans les dossiers patient·es) permettant de prédire la charge de travail et les besoins de soins. Sur cette base, une répartition dynamique du personnel dans les services de soins pourrait être envisagée à l’échelle de la journée, voire de quelques jours en prédisant aussi le besoin de faire appel à des intérims ou au pool.
La HE-Arc développe les algorithmes combinant machine learning et modèles de langage (LLM), destinés à exploiter ce type de données de manière utile. Elle est en charge de la validation avec le terrain, de l’étude de faisabilité, de la sélection des documents utiles et de l’entrainement du modèle sur ces documents.
Au sein de La Source, Jonathan Jubin mène une revue de littérature sur l’impact que les outils de planification et de prédiction de la charge de travail basés sur l’IA peuvent avoir sur le bien-être du personnel infirmier. Le H4 quant à lui s’intéresse aux besoins concrets du terrain afin de s’assurer que l’outil développé puisse être adopté de manière optimale.
Pour le H4, Thierry Dagaeff s’intéresse aux besoins concrets du terrain afin d’identifier les cas d’applications et les sources de données pertinentes, et de s’assurer que l’outil développé puisse être adopté de manière optimale. Il procède par des interviews de personnel soignant afin de collecter les besoins en identifiant les cas d’usages pertinents. Il organise des ateliers avec des professionnels de santé afin d’évaluer la plus-value du produit potentiel et les moyens d’utiliser les résultats de la prédiction.
Bénéfice attendu/pertinence
Au sein d’un service, une meilleure anticipation de la charge de travail permet de gérer au mieux la répartition du personnel en tenant compte de la situation actuelle. L’outil contribuera ainsi à réduire le stress lié à l’incertitude et à améliorer le bien-être des professionnel·les tout en améliorant la qualité des soins.
L’équipe du projet accorde une attention particulière à l’impact de cet outil sur le bien-être des professionnel·les de santé, convaincue qu’une répartition du personnel plus adaptées contribue à améliorer la satisfaction, la motivation et la rétention du personnel.
Requérants
- Anis Ghorbel (Precisia Care)
- Fabrizio Albertetti (HE-Arc)
- Hatem Ghorbel (HE-Arc)
- Jonathan Jubin (La Source)
- Thierry Dagaeff (H4)
Durée
Septembre 2025 à septembre 2027
Contact
Jonathan Jubin
Chargé de recherche – Institut et Haute École de la Santé La Source
Mail: j.jubin@ecolelasource.ch
