Santé
League lance des agents d’IA pour les soins de santé avec des contrôles de sécurité

Points clésLeague limite les réponses de l'agent aux connaissances approuvées plutôt qu'aux…
Voir plus
- League limite les réponses de l'agent aux connaissances approuvées plutôt qu'aux connaissances générales du modèle.
- Les agents doivent réussir des évaluations synthétiques de patients avant leur déploiement et conserver un enregistrement d'audit par la suite.
- Le modèle d'escalade de League a atteint une précision de 99,72 % contre 95,36 % pour Gemini 3.5 Flash Lite.
Le 16 novembre 2026, League a annoncé que AI Front Door, destiné aux payeurs, et AI Care Companion, destiné aux prestataires de soins, étaient désormais disponibles sur sa plateforme Forge, avec un délai de déploiement annoncé pouvant être aussi court que 12 semaines. Les deux produits associent des agents destinés aux membres ou aux patients à des mécanismes de protection et à la possibilité de faire intervenir un humain.
League indique que ces produits s’appuient sur les enseignements tirés de plus de 1,8 milliard d’interactions réelles dans le domaine des soins de santé. Ils étendent la plateforme Forge, présentée le 21 juillet 2026, qui fournit des outils permettant de connecter les agents aux données autorisées, de définir des garde-fous et des règles d’escalade, de les tester auprès de populations synthétiques et de suivre, par cas d’usage, les tâches menées à bien, les escalades et la précision. La version précédente fournissait le système de développement et de gouvernance ; les nouveaux produits l’appliquent aux processus courants des payeurs et des prestataires de soins.
Des processus différents pour les payeurs et les prestataires de soins
AI Front Door regroupe, au sein d’un même point d’accès utilisable par messagerie instantanée, texto ou widget intégré à l’application, l’accompagnement dans les démarches liées aux prestations, la recherche de soins, les communications concernant les lacunes dans les soins et le coaching santé. Les réponses sur les prestations, la couverture et l’admissibilité s’appuient sur les documents approuvés par le régime. La fonction de recherche de soins met les membres en relation avec des prestataires ou des services faisant partie du réseau, conformément aux règles du régime. League cite la réduction du volume d’appels aux centres de service et la diminution des consultations hors réseau parmi les résultats visés, et non parmi les résultats mesurés chez les clients.
AI Care Companion accompagne les patients entre leurs consultations, à domicile et en dehors des heures ouvrables, en complément du travail des équipes de soins et des équipes cliniques. Les systèmes de santé choisissent une première population, par exemple des personnes atteintes de maladies chroniques ou en convalescence après une intervention chirurgicale, et League configure les processus en fonction de ce groupe. Ceux-ci peuvent comprendre la prise de rendez-vous et l’envoi de rappels, des vérifications proactives des symptômes, des réponses aux questions sur les médicaments ou les traitements fondées sur des plans ou des protocoles approuvés, ainsi que l’orientation vers des spécialistes ou des équipes de garde selon des protocoles établis. Les aidants désignés peuvent agir au nom d’un patient, et leurs réponses sont identifiées séparément de celles du patient. Les objectifs annoncés sont une meilleure observance du plan de soins et une réduction des visites évitables aux urgences, des appels en dehors des heures ouvrables et des suivis manqués.
Contrôles de sécurité et traçabilité
Les deux produits limitent les réponses des agents aux connaissances fournies et approuvées, plutôt qu’aux connaissances générales du modèle. Les garde-fous filtrent les informations soumises à des restrictions avant qu’elles ne parviennent au modèle, ainsi que les réponses interdites avant qu’elles ne soient transmises aux membres ou aux patients. Avant leur mise en service, les agents doivent réussir des évaluations fondées sur des scénarios synthétiques de patients, des cas limites et des jeux de données de référence, qui servent de corrigés rédigés par des experts. Après leur mise en service, les contrôles comprennent la détection de dérive, la revalidation des modifications et la consignation de chaque interaction dans un registre d’audit. Lorsqu’un cas est transmis à une équipe, celle-ci reçoit l’historique de la conversation et le contexte pertinent.
À l’échelle de la plateforme, le League Trust Center décrit le fonctionnement des agents en lecture seule, avec une stricte isolation des sessions, la détection en temps réel des problèmes urgents et des informations cliniques erronées, la traçabilité des sources et la consignation des activations des garde-fous. Les clients peuvent définir des règles d’escalade et des seuils de sensibilité dans les limites de sécurité établies. Les informations de santé protégées sont exclues des pipelines d’entraînement, tandis que des données synthétiques et des techniques de désidentification sont utilisées pour entraîner les modèles.
Ces contrôles correspondent aux priorités relevées dans une enquête de League et de Healthcare Dive menée auprès de 150 cadres du secteur de la santé. Selon cette enquête, 61 % avaient déployé une IA agentique et 70 % de ce groupe l’utilisaient dans des applications destinées aux membres ou aux patients, mais seuls 16 % étaient parvenus à un déploiement à grande échelle. Les principales exigences pour lancer ces solutions en toute confiance étaient l’intégration de la conformité aux règles du secteur de la santé (49 %), l’escalade automatique vers une personne (48 %) et les contrôles en cours d’exécution sur les propos ou les actions des agents (46 %).
Évaluations des modèles propres au secteur de la santé
League indique que son architecture hybride associe des modèles décisionnels affinés et de petits modèles de langage à des grands modèles de langage généralistes, dans le but d’améliorer la précision, de réduire la latence et de diminuer les coûts d’exploitation. L’un des composants, le modèle d’escalade essentiel à la sécurité, repère les messages des membres et des patients qui nécessitent une intervention humaine.
Lors des évaluations internes de League Labs, ce modèle a atteint une précision de 99,72 % avec une latence de 0,374 seconde, contre une précision de 95,36 % et une latence de 1,121 seconde pour Gemini 3.5 Flash Lite.
League rapporte également que son outil Synthetic Question Generator, qui anticipe les questions susceptibles d’être posées au sujet des données de santé d’un utilisateur, a généré 2,2 fois plus de questions ayant reçu une réponse adéquate ou meilleure, ainsi qu’une couverture supérieure de 11 %, par rapport à Gemini 3.5 Flash. L’ajout de Semantic Expansion, qui reformule les questions longues, ambiguës ou comportant de nombreuses abréviations avant la recherche, a généré 3,9 fois plus de questions ayant reçu une réponse adéquate ou meilleure et une couverture supérieure de 42 % par rapport à Gemini 3.5 Flash, avec une latence supplémentaire d’environ 430 millisecondes par requête. League définit la mesure des réponses comme la proportion de cas où les données de santé récupérées sont suffisamment pertinentes et complètes pour fournir une réponse au moins assez bonne ; la couverture désigne la part des informations nécessaires qui a été trouvée.
Pour les organismes de santé, l’importance concrète de cette mise en service tient au fait que la supervision est intégrée à l’interaction : les agents peuvent être limités aux ressources approuvées, testés avant leur lancement, transférés avec leur contexte et contrôlés au moyen d’une piste d’audit au niveau de chaque interaction. Ce modèle opérationnel répond directement aux garanties que les dirigeants disaient vouloir mettre en place avant d’étendre l’utilisation de l’IA auprès des membres et des patients.












