IA agentique vs RPA : pourquoi la robotisation classique a échoué en santé
Fragilité aux changements d'interface, absence de raisonnement, coût de maintenance : les limites du RPA.
La robotisation classique (RPA) a connu un engouement réel en santé entre 2018 et 2022, suivi d'une vague de déceptions. Beaucoup de projets ont été lancés avec des promesses fortes, et beaucoup ont été abandonnés ou réduits à un périmètre symbolique.
La cause est structurelle, pas conjoncturelle. Le RPA classique fonctionne par enregistrement de scénarios déterministes : le robot reproduit exactement les clics et les saisies qu'un humain ferait. Ce modèle est fragile dès que l'environnement bouge.
Or les portails de santé bougent en permanence. Les opérateurs AMC modifient leurs interfaces plusieurs fois par an. Les téléservices CNAM évoluent. Les LGO font des mises à jour régulières. Chaque changement casse les scénarios RPA, qui doivent être re-enregistrés à la main.
Le coût de maintenance devient rapidement prohibitif. Sur un parc de 30 à 50 robots couvrant les portails AMC d'un groupe, on estime à un ETP entier le temps consacré à la maintenance. Le ROI initial s'évapore.
Le RPA ne sait pas non plus raisonner. Face à un cas non prévu (un message d'erreur inhabituel, un champ supplémentaire, un changement de wording), il s'arrête ou commet une erreur silencieuse. Cette rigidité limite drastiquement les cas d'usage exploitables.
La conséquence est une couverture limitée. Les robots fonctionnent sur les 60-70% de cas standards, et laissent les 30-40% restants à l'humain. Or ces 30-40% concentrent souvent l'essentiel du temps administratif.
Une IA agentique fonctionne différemment. Elle comprend l'objectif (vérifier des droits, déposer une pièce, demander un accord), s'adapte à l'interface qu'elle rencontre, raisonne sur les cas non prévus, et demande de l'aide à un humain quand elle hésite.
Cette adaptabilité change la donne sur trois axes. La couverture passe de 60-70% à 85-95% des cas. Le coût de maintenance s'effondre, parce que l'agent absorbe les changements d'interface sans intervention. Et la fiabilité augmente, parce que l'agent sait reconnaître ses propres limites.
C'est cette différence de nature, pas un simple gain de précision, qui rend les agents IA viables en production santé. On ne parle pas d'un RPA légèrement amélioré, mais d'une architecture fondamentalement différente.
Pour les établissements ayant déjà investi dans le RPA, la transition vers l'agentique se fait progressivement : remplacement des robots les plus coûteux à maintenir d'abord, extension du périmètre ensuite. L'investissement RPA n'est pas perdu, il sert de base de connaissance pour calibrer les agents.