Sundar Subramanian, PDG de Zyter – Série d’interviews

Sundar Subramanian, PDG de Zyter, est un cadre expérimenté en stratégie et en santé, avec un parcours couvrant le conseil en gestion, la transformation numérique et les opérations de santé à grande échelle. Avant de devenir PDG en juillet 2025, il a passé plus de 16 ans chez PwC’s Strategy&, où il a dirigé le cabinet de conseil en stratégie aux États‑Unis ainsi que sa pratique Enterprise Strategy, Value and Digital Transformation, conseillant de grandes organisations sur la croissance, la refonte des modèles opérationnels et la transformation pilotée par l’IA. Au début de sa carrière, Subramanian a co‑dirigé le Centre d’excellence Medicaid et Medicare de Booz & Company et a travaillé intensivement avec les payeurs de santé, après des postes de direction chez WellCare et McKinsey & Company. Chez Zyter, il dirige l’expansion de l’entreprise autour de l’IA agentique et de l’orchestration intelligente des flux de travail, en mettant l’accent sur l’utilisation de l’IA pour repenser les processus métier de bout en bout plutôt que de simplement automatiser des tâches individuelles.

Zyter est une société technologique d’entreprise privée forte de plus de deux décennies d’expérience dans la santé numérique, dont la plateforme de santé de population TruCare soutient plus de 44 millions de vies au sein de plus de 45 organisations de santé. L’entreprise développe désormais au‑delà de ses racines dans la santé une plateforme d’exécution d’IA conçue pour des flux de travail complexes et hautement réglementés dans les secteurs de la santé, du gouvernement et des services financiers. Son architecture combine Zyter Symphony, qui coordonne les agents d’IA, les systèmes d’entreprise et les actions humaines ; Zyter Praxis, qui regroupe agents, règles, données et supervision humaine dans des modules de flux de travail de bout en bout ; et le TruCare Digital Core, qui relie ces flux de travail à des systèmes tels que les dossiers de santé électroniques, les plateformes de réclamations, les systèmes ERP et les logiciels de gestion de la relation client. L’objectif plus large est de rendre l’IA agentique opérationnelle au sein des environnements d’entreprise existants tout en maintenant la gouvernance, l’auditabilité et la supervision humaine des décisions à fort impact.

Vous avez passé plus de 16 ans chez Strategy&, à diriger son activité de conseil en stratégie aux États‑Unis et à travailler intensivement dans la santé, après une première expérience chez WellCare. Qu’est‑ce qui vous a convaincu que le prochain grand bond de la santé viendrait de l’IA agentique et de l’exécution de flux de travail plutôt que d’une nouvelle génération de logiciels traditionnels ?

Tout au long de ma carrière, j’ai eu l’opportunité de voir la santé sous plusieurs angles, en tant qu’opérateur, consultant en stratégie, puis aujourd’hui en tant que créateur de technologie. De ces expériences, une observation est devenue de plus en plus claire. La santé ne peinait pas parce qu’elle manquait de technologie. Elle peinait parce que la technologie ne changeait pas la façon dont le travail était réalisé.

Au cours de la dernière décennie, le secteur a massivement investi dans la numérisation. Nous avons modernisé les infrastructures, élargi l’analytique, amélioré l’interopérabilité et, plus récemment, adopté l’IA. Ces investissements ont créé des capacités importantes, mais ils n’ont pas résolu l’un des défis les plus persistants de la santé : la coordination du travail entre les personnes, les systèmes, les politiques et les organisations. Trop souvent, la technologie était superposée aux modèles opérationnels existants au lieu de modifier leur fonctionnement.

Cette prise de conscience a changé ma façon de concevoir la transformation. La prochaine phase ne se définit pas par le déploiement de davantage d’IA. Il s’agit de repenser la manière dont le travail est accompli. L’IA est un facilitateur extraordinaire, mais sa plus grande valeur réside dans son aide aux organisations pour exécuter plus efficacement en orchestrant le travail entre les personnes, les systèmes, les politiques et l’IA.

C’est ce qui m’a attiré chez Zyter. Après des années à aider les organisations à développer des stratégies de transformation, je voulais contribuer à construire la couche d’exécution qui transforme ces stratégies en résultats mesurables. Pour moi, l’avenir de la santé ne consiste pas à rendre l’IA plus intelligente, mais à aider la santé à fonctionner plus intelligemment.

Zyter se positionne comme une couche d’exécution pour l’entreprise agentique, Symphony orchestrant les agents et les humains, Praxis exécutant les flux de travail, et TruCare les ancrant dans les données d’entreprise. Que peut‑elle accomplir que les copilotes IA individuels ne peuvent pas ?

La transformation d’entreprise n’a jamais été limitée par un manque d’idées ou d’intelligence. Les organisations savent généralement ce qu’elles doivent faire. Le défi plus difficile consiste à traduire de façon constante ces décisions en actions à travers les personnes, les systèmes, les politiques et les flux de travail.

C’est là que je vois la prochaine phase de l’IA d’entreprise. Les assistants IA individuels rendent les personnes plus productives. L’IA d’entreprise doit rendre les organisations plus efficaces. Elle doit coordonner le travail, exécuter les flux de travail, s’adapter aux changements de conditions et améliorer continuellement le fonctionnement de l’organisation.

Notre architecture reflète cette philosophie. Symphony orchestre les agents d’IA, les systèmes d’entreprise et l’expertise humaine. Praxis exécute les flux de travail, et TruCare fournit la base opérationnelle qui ancre ces flux de travail dans des données d’entreprise fiables. Ensemble, ils créent une couche d’exécution où l’IA devient partie intégrante de la façon dont le travail est réalisé plutôt qu’un simple outil que les gens utilisent en parallèle de leur travail.

Les organisations mesureront finalement l’IA à l’aune de sa capacité à améliorer les résultats. La productivité compte, mais la valeur à long terme provient d’une exécution plus constante, d’une adaptation plus rapide et d’un apprentissage tiré de chaque flux de travail exécuté.

L’IA agentique devient beaucoup plus complexe lorsque plusieurs agents partagent des données, transfèrent des tâches et escaladent des décisions vers des humains. Qu’a appris Zyter sur la fiabilité des systèmes multi‑agents à l’échelle de la santé ?

À mesure que l’IA dépasse les cas d’usage individuels et devient partie du quotidien opérationnel, le défi change. Il ne s’agit plus de l’intelligence d’un agent isolé, mais de la façon dont le travail est coordonné entre les systèmes, les politiques, les personnes et l’IA.

Nous avons constaté que la spécialisation compte. La santé ne repose pas sur une seule personne pour tout faire, et l’IA non plus. Les agents qui ont des responsabilités clairement définies sont plus fiables, plus faciles à gouverner et plus simples à améliorer au fil du temps. La couche d’orchestration coordonne ces agents, gère les transferts, applique les politiques de façon cohérente et détermine quand l’expertise humaine doit intervenir dans le flux de travail.

La visibilité est tout aussi importante. Les équipes doivent comprendre comment les décisions ont été prises, quelles informations les ont informées et comment elles ont contribué au résultat. Capturer la lignée des décisions crée cette transparence tout en permettant à chaque flux de travail de devenir une source d’apprentissage et d’amélioration continue.

L’IA fiable ne se définit pas par le nombre d’agents déployés. Elle se reflète dans la constance avec laquelle le travail est accompli, la confiance que les personnes accordent aux résultats, et l’efficacité avec laquelle le système s’améliore au fil du temps.

Les organisations de santé veulent que les systèmes d’IA s’améliorent avec le temps, mais elles ont aussi besoin d’un comportement prévisible et d’une auditabilité. Comment permettez‑vous un apprentissage continu sans que les systèmes ne s’écartent des directives cliniques, des politiques des payeurs ou des flux de travail approuvés ?

Je ne crois pas que chaque décision doive être automatisée par l’IA. Dans la santé, de nombreuses décisions peuvent être résolues par une logique déterministe, des règles métier établies ou des politiques cliniques qui offrent une réponse claire et cohérente. Lorsque cela est possible, nous devrions les utiliser plutôt que d’introduire une incertitude inutile.

L’opportunité la plus intéressante consiste à combiner ces approches déterministes avec l’IA. Nous avons déployé avec succès une logique neuro‑symbolique qui crée une couche de vérification autour du raisonnement piloté par l’IA. L’IA peut interpréter des informations complexes ou non structurées, tandis que les règles déterministes et la logique symbolique vérifient que l’action résultante reste conforme aux politiques, directives et flux de travail établis. Cela réduit l’incertitude et améliore la précision par rapport à une approche uniquement basée sur l’IA.

Cela change également ma façon de concevoir l’apprentissage continu. L’objectif n’est pas de donner à l’IA davantage de liberté de décision au fil du temps. Il s’agit d’apprendre de l’exécution tout en préservant les contrôles qui déterminent comment les décisions à fort impact sont prises. Vous pouvez améliorer la façon dont le système interprète les informations, gère les exceptions et orchestre le travail sans le laisser s’écarter des règles qui gouvernent le processus sous‑jacent.

Cette combinaison de raisonnement IA, de décision déterministe et de vérification continue est la façon de créer des systèmes capables de s’améliorer avec le temps tout en restant prévisibles, auditables et responsables.

Zyter a exploré le C‑RLM, une approche récursive pour synthétiser des historiques cliniques longs et fragmentés. Quelle importance le raisonnement à long contexte aura‑t‑il dans la santé, et les agents pourront‑ils éventuellement maintenir une compréhension continuellement évolutive de chaque patient ?

La santé n’a jamais manqué d’informations. Le défi réside dans le fait que l’histoire d’un patient est répartie sur des années de notes de médecins, de résultats de laboratoire, de médicaments, d’imageries, de réclamations et d’interactions de soins. Donner du sens à cet historique nécessite plus que le traitement d’un grand volume de données ; il faut connecter les preuves, reconnaître les motifs et bâtir une compréhension cohérente du parcours de chaque patient.

Le raisonnement à long contexte deviendra de plus en plus crucial à mesure que l’IA dépassera l’assistance à des tâches individuelles pour soutenir les soins longitudinaux. Notre travail avec le C‑RLM reflète cette direction. L’objectif n’est pas simplement de résumer davantage d’informations, mais de synthétiser les preuves cliniques fragmentées en une compréhension structurée qui reste ancrée dans le dossier sous‑jacent. Chaque conclusion doit également rester traçable à sa source afin que les cliniciens puissent comprendre comment elle a été atteinte et la valider par rapport aux preuves.

À mesure que ces capacités mûriront, les agents IA aideront de plus en plus à maintenir une compréhension continuellement évolutive du parcours de chaque patient. Cette compréhension devrait s’enrichir à chaque nouvelle information tout en restant transparente, fondée sur des preuves et ancrée dans des données cliniques fiables. Le rôle de l’IA est de fournir aux cliniciens une vue d’ensemble plus complète afin qu’ils puissent prendre des décisions mieux informées avec davantage de confiance.

Zyter participe au programme CMS WISeR, où l’IA peut soutenir les flux de travail tandis que les cliniciens agréés conservent l’autorité décisionnelle. Est‑ce là la frontière d’autonomie à viser aujourd’hui, et que faudrait‑il modifier avant que les agents IA puissent assumer des décisions plus conséquentes ?

Je ne pense pas qu’il existe une frontière d’autonomie unique pour la santé. Le rôle approprié de l’IA dépend du flux de travail, du niveau de risque et de la confiance que les organisations accordent au fait que le système se comporte de façon constante dans des conditions réelles.

Des programmes comme WISeR reflètent cette réalité. L’IA est déjà très efficace pour synthétiser l’information, appliquer les politiques établies de façon cohérente, coordonner les flux de travail administratifs et réduire le travail répétitif. Les cliniciens agréés continuent de fournir le jugement pour les décisions où le contexte, l’ambiguïté et la responsabilité sont primordiaux. C’est un modèle opérationnel qui tire parti des forces tant de l’IA que de l’expertise humaine.

Au fil du temps, ces frontières évolueront, mais elles doivent évoluer parce que la confiance a été gagnée, pas parce que les modèles sont devenus plus performants. La confiance provient des preuves, de la transparence, de la validation et d’une performance constante en production. Chaque extension du rôle de l’IA doit être soutenue par les mêmes standards que la santé applique à toute autre capacité critique.

Je ne pense pas que le succès sera mesuré par le degré d’autonomie de l’IA. Il sera mesuré par la qualité des soins reçus par les patients, le temps que les cliniciens disposent pour se concentrer sur des décisions complexes, et l’efficacité globale du système de santé qui en résulte.

Zyter a récemment migré TruCare vers une infrastructure cloud‑native AWS afin de soutenir l’orchestration d’IA à l’échelle de l’entreprise. Dans quelle mesure le défi de l’IA agentique porte‑t‑il sur les modèles eux‑mêmes versus l’infrastructure qui relie données, systèmes, politiques et personnes ?

Les modèles de fondation progressent à un rythme extraordinaire, ce qui est bénéfique pour l’ensemble du secteur. La discussion se déplace progressivement de ce que les modèles sont capables de faire à la façon dont ils fonctionnent au sein de vraies entreprises.

Connecter les données, les systèmes, les politiques et les personnes est l’endroit où la transformation réussit ou stagne. L’IA doit fonctionner dans les environnements opérationnels existants, s’exécuter à travers plusieurs systèmes, appliquer les politiques de façon cohérente et fonctionner de manière fiable à l’échelle de la production. Sans cette fondation, même le modèle le plus performant reste déconnecté du travail qu’il est censé améliorer.

Notre passage à une architecture cloud‑native AWS reflète cette évolution. Elle fournit la base résiliente et évolutive nécessaire pour orchestrer l’IA à travers les flux de travail d’entreprise tout en maintenant la fiabilité, la gouvernance et la performance requises par la santé. L’infrastructure est importante parce qu’elle permet à l’IA de devenir partie intégrante de l’exécution quotidienne du travail, et non simplement une application supplémentaire fonctionnant parallèlement aux processus existants.

L’opportunité à long terme ne se définit pas uniquement par de meilleurs modèles. Elle résulte de la combinaison des avancées de l’IA avec l’infrastructure et le modèle opérationnel requis pour exécuter le travail de façon constante à l’échelle de l’entreprise.

Zyter positionne également son modèle d’exécution pour d’autres industries réglementées, notamment les services financiers et le gouvernement. Quelles parties de la plateforme sont réellement horizontales, et quels avantages proviennent spécifiquement de l’expérience de Zyter dans la santé ?

Les industries réglementées sont souvent perçues à travers le prisme de leurs différences. J’ai constaté qu’il est tout aussi important de comprendre ce qu’elles ont en commun. Que vous délivriez des soins de santé, gériez des risques financiers ou souteniez des programmes gouvernementaux, le succès dépend de la coordination d’un travail complexe entre personnes, systèmes, politiques et données tout en maintenant la responsabilité de chaque décision.

C’est là que je vois le modèle d’exécution comme fondamentalement horizontal. Orchestrer l’IA, les systèmes d’entreprise et l’expertise humaine, appliquer les politiques de façon cohérente, coordonner le travail à travers plusieurs systèmes et maintenir la transparence sont des défis qui dépassent largement la santé. Les flux de travail diffèrent selon l’industrie, mais le besoin d’une exécution fiable est remarquablement constant.

La santé n’a pas changé ce que nous avons construit. Elle a élevé le standard de la façon dont nous devions le construire. Les flux de travail cliniques exigent précision, interopérabilité, gouvernance, résilience et confiance parce que les conséquences d’une erreur sont importantes. Concevoir pour ce niveau de complexité a créé un modèle d’exécution qui peut être adapté à d’autres industries réglementées où la discipline opérationnelle, la conformité et la responsabilité sont tout aussi critiques.

À mesure que l’IA s’enracine davantage dans les opérations d’entreprise, je pense que la discussion s’éloignera de la question de savoir si une capacité a été conçue pour une industrie spécifique pour se concentrer sur sa capacité à s’exécuter de façon fiable dans des environnements complexes et réglementés. C’est le standard que nous avons conçu dès le départ.

Le Rural Health Orchestrator de Zyter réunit soins virtuels, télésurveillance, gestion des soins et services cliniques. Que peut‑elle résoudre dans la santé rurale que la télésanté seule ne peut pas ?

La télésanté a résolu un problème d’accès important. Le prochain défi consiste à garantir que chaque interaction débouche sur une action coordonnée et des résultats mesurables.

La santé rurale a réalisé des progrès significatifs en élargissant l’accès grâce à la télésanté, à la télésurveillance et aux investissements dans le haut débit. Pourtant, les résultats n’ont pas suivi parce que trop d’interactions numériques restent déconnectées du parcours de soins global. Une visite virtuelle qui ne met pas à jour un plan de soins, ne déclenche pas un suivi ou ne coordonne pas l’étape suivante améliore l’accès, mais pas nécessairement la santé.

C’est là que l’orchestration devient essentielle. Elle relie la télésanté, la télésurveillance, la gestion des soins, les ressources communautaires et les flux de travail cliniques en un seul système coordonné afin que l’information circule sans heurts et que l’action suive automatiquement. Chaque interaction devient partie d’un parcours de soins continu plutôt qu’un événement isolé.

L’opportunité ne consiste pas simplement à étendre l’accès. Il s’agit de transformer l’accès en résultats. Lorsque les soins sont connectés entre personnes, systèmes et flux de travail, les cliniciens passent moins de temps à naviguer dans des processus fragmentés, les patients bénéficient d’un suivi plus cohérent, et les systèmes de santé ruraux peuvent offrir de meilleurs résultats avec les ressources déjà disponibles. C’est là que, selon moi, l’orchestration IA crée sa plus grande valeur.

Avec la nouvelle collaboration PwC, qu’est‑ce qui distinguerait une transformation IA réussie d’un simple pilote IA en santé ? Quels indicateurs mesurables vous convaincraient que l’IA a fondamentalement amélioré le fonctionnement d’un payeur ou d’un prestataire ?

La santé a passé des années à investir dans les capacités numériques. Aujourd’hui, la plupart des organisations ont accès aux données, à l’IA et aux technologies modernes. La prochaine phase ne consiste pas à ajouter davantage de capacités. Il s’agit de repenser la façon dont le travail est réalisé.

C’est pourquoi je ne mesure pas la transformation par le nombre de modèles IA déployés ou de pilotes lancés. Je regarde si le modèle opérationnel d’une organisation a changé. Les décisions sont‑elles plus rapides ? Les flux de travail sont‑ils plus coordonnés entre les départements et les systèmes ? La charge administrative diminue‑t‑elle tandis que les cliniciens et les équipes de soins consacrent plus de temps à des activités qui améliorent les soins aux patients ? Ces améliorations sont‑elles reproductibles à l’échelle de l’entreprise plutôt qu’isolées à un cas d’usage unique ?

Voici la philosophie qui sous‑tend notre collaboration avec PwC. PwC apporte une expertise approfondie en stratégie et transformation de la santé. Zyter fournit la couche d’exécution qui opérationnalise ces stratégies à travers des flux de travail complexes, en reliant l’IA, les systèmes d’entreprise, les politiques et les personnes afin que les organisations puissent transformer constamment la stratégie en action.

Pour moi, une transformation IA réussie se produit lorsque l’IA n’est plus perçue comme une initiative distincte. Elle devient partie intégrante du modèle opérationnel. À ce stade, les organisations ne mesurent pas le succès de l’IA elle‑même. Elles mesurent de meilleurs résultats, des coûts administratifs plus bas, des soins plus coordonnés, et un système de santé qui fonctionne plus efficacement parce que l’exécution s’est fondamentalement améliorée.

Merci pour cette excellente interview, les lecteurs qui souhaitent en savoir plus devraient visiter Zyter.