Un cabinet médical reçoit des retours de plusieurs sources: enquêtes après consultation envoyées depuis Doctolib ou CGM, e-mails, formulaire de réclamation du site, avis de la fiche d'établissement Google et réseaux sociaux. Ils arrivent tous dans des boîtes différentes, lues par des personnes différentes quand elles ont le temps, et un futur patient voit parfois un avis Google avant le responsable. La plupart des retours concernent le temps d'attente ou l'accueil, mais parmi eux se trouvent des réclamations sur un préjudice possible pour un patient, pour lesquelles la loi et les procédures internes fixent des délais et un registre. Une telle réclamation, lue une semaine plus tard, est un risque pour le cabinet et une perte de confiance pour le patient.
La solution collecte les retours de toutes les sources par des flux Power Automate: enquêtes de Doctolib ou CGM, boîte aux lettres, formulaire du site et avis de la fiche d'établissement Google, tandis que les avis d'autres portails sont chargés par un collaborateur responsable. Un modèle privé dans votre propre infrastructure ou chez votre hébergeur certifié HDS attribue à chaque retour une catégorie (attente, accueil, prix, hygiène, communication), un service ou un médecin selon votre organisation, et un niveau d'urgence, après avoir d'abord retiré du texte les données personnelles inutiles. Les réclamations présentant des signes de préjudice possible, ou exigeant une réponse officielle selon vos règles, sont immédiatement inscrites dans le registre du responsable dans SharePoint avec un délai et une notification dans Teams. Pour chaque retour qui appelle une réponse, l'agent prépare un projet dans votre ton, aussi bien pour une réponse publique sur la fiche d'établissement Google que pour un e-mail au patient, mais seule la personne responsable répond: elle relit, modifie et envoie ou publie. Le modèle n'évalue pas la qualité des soins et ne tire aucune conclusion sur un préjudice; il se contente de classer et d'orienter. En fin de mois, la solution établit une synthèse par catégorie et par service, avec des citations débarrassées de données personnelles. Nous récupérons les données des enquêtes de Doctolib et de CGM par une API, un export ou un flux d'e-mails, selon la version; nous choisissons la méthode après vérification. Les textes restent dans l'UE et ne servent pas à entraîner le modèle, chaque classement est journalisé pour le RGPD, et le registre et les notifications restent dans votre tenant Microsoft 365. Nous maintenons l'environnement du modèle comme nos propres serveurs cloud GPU.