Le modèle de financement Medicare mis en place dans le cadre du programme ACCESS tranche avec les logiques classiques de remboursement. Pensé pour récompenser des résultats mesurables et non des actes effectués, il ouvre la voie à une place plus structurée pour les outils d’intelligence artificielle entre deux consultations. Une entreprise, Pair Team, fait partie des participants retenus : son approche illustre concrètement comment l’IA peut s’inscrire dans un système de soins lourdement encadré.

ACCESS : un paiement centré sur des résultats

ACCESS (Advancing Chronic Care with Effective, Scalable Solutions) est un programme de dix ans lancé par les Centers for Medicare & Medicaid Services (CMS). L’objectif est d’évaluer un mécanisme de rémunération basé sur la santé obtenue plutôt que sur le nombre d’interventions réalisées. Concrètement, les organisations participant au dispositif reçoivent des paiements prévisibles pour la prise en charge de certaines situations, puis perçoivent la somme maximale lorsque les patients atteignent des objectifs mesurables : par exemple une baisse de la tension artérielle ou une réduction de la douleur.

Le dispositif couvre notamment le diabète, l’hypertension, la maladie rénale chronique, l’obésité, ainsi que certains troubles comme la dépression et l’anxiété.

Pourquoi ce modèle change la donne pour l’IA

Dans Medicare “classique”, la logique de remboursement repose surtout sur le temps passé avec un professionnel de santé. Or, pour l’IA, l’essentiel se joue souvent ailleurs : suivi entre deux rendez-vous, recueil d’informations, coordination d’aides, vérification de l’adhésion aux traitements, ou encore orientation vers des ressources sociales. ACCESS introduit précisément un cadre qui rend ces fonctions plus finançables.

Les participants au programme travaillent donc sur un principe : rémunérer une gestion continue et mesurable de l’état de santé, y compris via des interfaces automatisées capables d’accompagner les patients au quotidien.

Une cohorte large, mais pas uniformément convaincue

La première cohorte du programme regroupe différents profils : start-ups centrées sur des “médecins” virtuels, acteurs de la nutrition en télésanté, entreprises de dispositifs connectés et fabricants de wearables. Certaines entreprises soulèvent toutefois des réserves sur la pertinence de ces technologies selon le profil des patients.

Pair Team, par exemple, cible des personnes qui cumulent maladies chroniques et difficultés sociales, comme l’instabilité du logement, un accès insuffisant à la nourriture ou des problèmes de transport. Dans ce contexte, la valeur d’un outil de suivi seul peut être limitée si les besoins fondamentaux ne sont pas adressés.

Pair Team : soins intégrés et agent vocal IA

Pair Team a été lancée en 2019 avec une approche axée sur le “contexte de vie” des patients. L’entreprise décrit une organisation de soins intégrant dimensions médicales, comportementales et sociales. Elle s’appuie aussi sur une équipe clinique conséquente et indique générer des revenus à un niveau élevé, tout en précisant avoir obtenu des financements auprès d’investisseurs du secteur.

Son changement technologique majeur s’est fait via le déploiement d’un agent vocal d’intelligence artificielle, Flora, présenté comme une interface principale disponible 24 heures sur 7. L’agent est chargé de l’onboarding, de la coordination de certaines orientations et de la réalisation de points de suivi destinés à maintenir l’engagement des patients entre les rendez-vous.

Selon l’entreprise, cet agent contribue aussi à un aspect souvent difficile à quantifier : l’accompagnement relationnel. Dans certains cas décrits, la personne n’avait plus eu de contact suivi depuis plusieurs semaines ; les conversations prolongées avec l’IA apparaissent alors comme un levier d’intervention à part entière.

Des résultats soutenus par des publications, mais des limites persistent

Le modèle de soins communautaires de Pair Team est adossé à des évaluations publiées dans une revue scientifique. Les analyses mentionnées font état d’un engagement des patients et de réductions d’utilisations évitables des urgences et d’hospitalisations.

Toutefois, plusieurs risques sont régulièrement associés à des programmes de ce type. Le traitement de données de santé, parfois très sensibles (logement, santé mentale, maladies), implique des exigences fortes en matière de cybersécurité. De plus, l’historique des initiatives CMS est jugé contrasté : atteindre des économies nettes n’est pas garanti, et l’équation financière dépend en partie du niveau de remboursement réellement versé.

Dans ce débat, Pair Team avance que des niveaux de rémunération plus contraints peuvent inciter à une exploitation “lean”, plus automatisée et mieux alignée avec l’usage d’outils d’IA, à condition d’en maîtriser l’industrialisation.

Un signal pour la santé numérique… mais peu visible hors du secteur

Si les investisseurs observent de près les tendances en santé numérique et l’afflux de financements vers l’IA, le programme ACCESS semble encore peu commenté au-delà des cercles spécialisés. Pourtant, l’enjeu est structurel : il s’agit moins d’intégrer une technologie dans un service existant que de redessiner un mécanisme de paiement, donc un levier de déploiement à grande échelle.

Pour des organisations cherchant à développer des parcours de suivi automatisé, l’attention se porte souvent sur l’intégration de dispositifs et de capacités de mesure. Dans une logique pragmatique, des outils grand public peuvent aussi aider à structurer des flux de données à partager avec des équipes cliniques, tout en restant à un niveau de conseil général.

Quelques pistes d’équipement pour mieux comprendre les données de suivi

• Pour explorer des mesures liées à l’activité et au sommeil, certains équipes testent des wearables comme un wearable type Whoop, utile à condition d’être pertinent pour le profil du patient.
• Pour des suivis à domicile et des tendances de santé, des tensiomètres connectés comme un tensiomètre connecté peuvent aider à constituer des données, notamment lorsque la gestion de l’hypertension est un objectif clinique mesurable.

Au final, ACCESS met l’accent sur un point souvent absent des discussions technologiques : sans mécanisme de paiement adapté, l’IA reste cantonnée à des fonctions d’assistance. En déplaçant la rémunération vers des objectifs de santé, le programme cherche à rendre l’innovation opérationnelle dans un cadre qui, jusqu’ici, favorisait surtout le temps de consultation plutôt que l’accompagnement continu.