85 millions de francs d’économie grâce à la collaboration entre l’humain et la machine

En 2021, la Suva a contrôlé près de 2,5 millions de factures de frais de traitement. 13 % des factures présentaient des erreurs ou des imprécisions et ont été corrigées ou renvoyées. Des techniques d’apprentissage automatique sont également utilisées à cet effet. Elles ont permis d’éviter le versement de plus de 85 millions de francs de frais de traitement indus.

85 millions de francs d’économie grâce à la collaboration entre l’humain et la machine

Image: depositphotos

Les coûts de la santé ne cessent d’augmenter depuis de nombreuses années. Il en va de même pour les frais de traitement, c’est-à-dire les frais qui résultent de prestations médicales et thérapeutiques consécutives à un accident. Grâce à un contrôle exhaustif des factures, la Suva a vérifié près de 2,5 millions de factures en 2021. Elle en a corrigé ou refusé plus de 300’000, soit 13 % de la totalité des factures reçues. La plupart des factures refusées étaient des factures à double, des factures comportant des prestations incorrectement facturées ou non assurées, ou encore, mais plus rarement, des factures concernant des prestations qui n’ont même pas été fournies. Le contrôle a permis à la Suva d’éviter de verser plus de 85 millions de francs de frais de traitement indus. Ces économies bénéficient également aux personnes assurées à la Suva car les primes qu’elles paient sont ainsi moins élevées.

Les logiciels sont toujours plus performants – grâce à l’intervention humaine

Pour le contrôle des factures, la Suva exploite également les possibilités qu’offre l’apprentissage automatique. Un tiers des factures, soit plus de 110 000, sont renvoyées de façon entièrement automatique, sans intervention humaine. C’est notamment le cas lorsque des prestations sont facturées selon un tarif erroné ou lorsque des fournisseurs de prestations, tels que des hôpitaux, des médecins ou des thérapeutes, ne sont pas autorisés à facturer une prestation donnée. Pour les autres factures, la machine attire l’attention sur les factures déviées qui sont alors contrôlées manuellement. Il peut s’agir par exemple d’une radiographie de l’épaule alors que la blessure concerne le genou ou d’un examen oculaire en cas de blessure au bras causée par un accident de ski.

En analysant des millions de factures déjà traitées, le système apprend en toute autonomie, par exemple, si le médicament facturé est délivré souvent ou pratiquement jamais pour le type de blessure et l’âge de la personne accidentée. «Au cours des cinq dernières années, nous avons pu augmenter sensiblement la part des refus automatiques», déclare Michael Widmer, chef du team frais de traitement à la Suva. «De telles performances et économies ne sont possibles qu’avec une bonne interaction entre l’humain et la machine. L’humain et la machine ne peuvent atteindre l’un sans l’autre un tel niveau d’efficacité».

Source: Suva