Doctolib lance un agent IA qui permet aux soignants de créer leurs modèles de notes par simple conversation

Le problème

Doctolib propose un assistant de prise de notes IA, le Consultation Assistant, qui écoute la visite d'un patient et rédige la note clinique. Le gain de temps dépend de la capacité de la note à se lire comme le médecin l'aurait écrite. Deux cardiologues n'écrivent pas de la même façon : chaque écart renvoie le médecin à une réécriture. Le produit de Doctolib permettait déjà d'ajouter des consignes aux modèles de notes, mais rédiger un bon modèle demandait du temps et des compétences techniques que la plupart des praticiens n'avaient pas.

Ce qu'ils ont construit

Le Consultation Template Manager remplace un écran de réglages par un chat. Le soignant dit quel type de modèle de note il lui faut, avec sa spécialité et sa structure. L'agent pose des questions à choix multiples, rédige un modèle et l'affine selon les réactions du soignant, par exemple « ajoute une section allergies ». Il peut aussi restructurer en une fois un ancien modèle libre. Derrière, un petit groupe d'agents IA qui coopèrent est coordonné par l'un d'eux, qui oriente chaque demande vers un intervieweur, un concepteur ou un convertisseur.

Comment ils s'y sont pris

L'idée est née lors d'un hackathon interne début mars 2026. Environ trois semaines plus tard, l'agent était en production avec des praticiens bêta externes. L'équipe est restée petite : deux ingénieurs à temps plein (un en logiciel, un en apprentissage automatique), avec l'appui à temps partiel de collègues en gestion de produit, design et marketing produit.

La rapidité venait d'une plateforme IA existante. Elle fournit un cadre pour agents fondé sur l'Agent Development Kit de Google, une passerelle qui permet à Doctolib de changer de fournisseur de modèle de langage sans modifier le code de l'application, un déploiement automatisé, ainsi que de la supervision et des tests intégrés. Le comité Medical Excellence de Doctolib a examiné le produit avant sa mise en service, et le personnel a testé une version alpha dès la première semaine.

Avant la mise en service, l'équipe a lancé des tests automatisés où un modèle jouait des médecins de différentes spécialités et aux objectifs variés, tandis que d'autres modèles évaluaient si l'agent répétait des questions, s'adaptait à la spécialité et produisait un modèle cohérent.

Résultats

Doctolib communique des chiffres issus des quelque 6 000 praticiens qui y ont accès. Parmi les utilisateurs qui ont commencé à se servir de l'agent, 78 % terminent en enregistrant un modèle personnalisé. Doctolib indique que, environ neuf fois sur dix, le modèle enregistré comporte des retouches mineures ou aucune. Environ la moitié de ceux qui essaient l'agent utilisent ensuite leur propre modèle dans un vrai compte rendu de consultation, en général en quelques jours. L'agent fonctionne en France et en Allemagne.

Ce sont des mesures d'adoption issues d'un déploiement précoce. L'article ne donne pas le temps gagné par note.

Ce qu'il faut retenir

Repérez l'étape qui empêche les gens de bien utiliser une fonctionnalité, et confiez-la à un agent conversationnel. Réutilisez une plateforme partagée pour le déploiement et l'évaluation afin que la première version prenne quelques semaines, et suivez si les gens conservent ce que l'agent produit.