L'évaluation HAS est devenue, pour tous les établissements et services médico-sociaux, un rendez-vous structurant qui mobilise les équipes pendant plusieurs mois. Préparation du référentiel, constitution du dossier de preuves, formalisation des plans d'action, indicateurs de suivi : la charge documentaire est considérable, et l'exigence de rigueur de plus en plus marquée.
Face à cette charge, l'intelligence artificielle est aujourd'hui une option sérieuse — pas comme outil magique qui produirait l'évaluation à la place de l'équipe, mais comme accélérateur sur les tâches répétitives et structurantes. La question pratique est : par où commencer ? Cet article propose une démarche progressive en cinq étapes, applicable dans la plupart des contextes.
Étape 1 — Identifier les tâches à fort levier
Toutes les tâches d'une évaluation HAS ne sont pas équivalentes du point de vue de l'IA. Certaines sont massives, répétitives, structurées : ce sont celles où l'IA apporte le plus. D'autres relèvent de l'expertise humaine, du jugement éducatif, de la connaissance fine de l'établissement : l'IA n'a rien à y faire.
Les tâches à fort levier IA sont typiquement :
- la production de premiers jets de fiches de preuves à partir d'éléments existants ;
- la reformulation et l'harmonisation de contenus rédigés par plusieurs personnes ;
- l'analyse de critères du référentiel pour clarifier les attendus et identifier les preuves possibles ;
- la mise en forme de tableaux de bord et d'indicateurs ;
- le commentaire d'indicateurs pour les rapports de suivi.
Les tâches à laisser strictement humaines sont : l'analyse stratégique des constats, l'interprétation éducative, les décisions de positionnement et tout ce qui touche directement à des personnes identifiables.
Étape 2 — Décrypter les critères du référentiel HAS
Le référentiel HAS définit des critères précis. Comprendre ce qu'attend réellement l'évaluateur derrière chaque critère est un travail de traduction exigeant. L'IA peut accélérer cette phase : collez le texte d'un critère, demandez-lui de l'analyser, d'identifier les attendus implicites, de lister les éléments de preuve possibles.
Le résultat n'est pas la vérité absolue : c'est un point de départ structuré qui vous fait gagner du temps de réflexion. Vous restez maître de l'interprétation finale, vous validez ce qui correspond à votre contexte.
Construisez une grille d'analyse réutilisable à partir des sorties IA. Pour chaque critère : les attendus, les preuves possibles, les éléments à collecter. Cette grille devient un actif durable pour votre démarche qualité.
Étape 3 — Exploiter le projet d'établissement comme source
Votre projet d'établissement contient déjà beaucoup d'éléments utiles pour le dossier de preuves. Mais il est souvent peu exploité : trop long, mal structuré pour servir de source, parfois ancien. L'IA peut vous aider à extraire les passages pertinents par critère.
La méthode : vous fournissez à l'IA le texte de votre projet d'établissement (généralement sans difficulté de confidentialité, c'est un document institutionnel public) et le critère HAS visé. Vous demandez d'extraire les passages qui peuvent constituer une preuve, ou qui y contribuent. L'IA produit une cartographie initiale que vous validez.
Vous gagnez ainsi du temps sur la phase la plus chronophage : retrouver ce que vous avez déjà avant de produire ce qui manque.
Étape 4 — Construire les fiches de preuves
Les fiches de preuves sont le cœur du dossier d'évaluation. Une fiche bien construite comporte une description claire de l'élément de preuve, son rattachement au critère, sa source, sa date, ses limites éventuelles. L'IA peut produire un premier jet structuré à partir des éléments collectés.
La méthode :
- vous rassemblez les éléments factuels (procédure, indicateur, document) ;
- vous demandez à l'IA de produire la fiche en suivant votre trame type ;
- vous relisez, ajustez, contextualisez ;
- vous validez avec l'équipe concernée.
L'IA accélère significativement la phase 2, qui sans elle prendrait plusieurs heures par fiche. Comptez plutôt 15-20 minutes par fiche en intégrant la relecture humaine.
Étape 5 — Plans d'action et indicateurs de suivi
Une évaluation HAS produit des constats qui appellent des plans d'action. Ces plans doivent être structurés (objectif, action, responsable, échéance, indicateur de suivi) et alimentés régulièrement.
L'IA peut :
- aider à structurer un plan d'action à partir d'un constat brut ;
- proposer des indicateurs de suivi pertinents selon la nature de l'action ;
- produire des points d'étape réguliers à partir de l'avancement reporté.
Pour le suivi pluriannuel, la méthode permet de gagner du temps sur des tâches qui, sans elle, sont souvent reportées faute de capacité.
Ce qu'il ne faut pas faire
- Coller des données nominatives d'usagers dans ChatGPT ou équivalent grand public. Le dossier d'évaluation HAS ne devrait jamais contenir de telles données, mais l'erreur arrive.
- Demander à l'IA de produire des indicateurs chiffrés qu'elle "inventerait". L'IA met en forme et commente des chiffres que vous lui fournissez ; elle ne doit pas en produire elle-même.
- Considérer la sortie IA comme finale. Toute production IA doit être relue, validée, contextualisée. La signature reste celle de la direction et du service qualité.
- Mobiliser l'IA pour des constats stratégiques. L'analyse stratégique des constats relève de la direction, pas d'un outil.
Une démarche progressive
La démarche proposée ici est progressive. Personne ne commence par tout faire en même temps. Une stratégie raisonnable : choisir une ou deux étapes à expérimenter sur la prochaine évaluation, capitaliser sur ce qui fonctionne, étendre progressivement.
L'expérience montre que les structures qui réussissent leur transition vers une démarche assistée par IA sont celles qui :
- impliquent la direction et le service qualité conjointement dès le départ ;
- formalisent rapidement une charte interne sur ce que l'IA peut et ne peut pas faire dans la démarche ;
- construisent une bibliothèque de prompts réutilisables au fil des évaluations ;
- acceptent de commencer petit pour gagner en confiance.
L'évaluation HAS reste un exercice exigeant et profondément humain. L'IA n'enlève rien à cette exigence : elle redonne du temps pour ce qui compte vraiment — la réflexion stratégique, le dialogue avec les équipes, l'amélioration continue des pratiques.
Le Module 2 du catalogue Aktiva Numérique est entièrement dédié à cette démarche. Une journée pour structurer méthodes, prompts et trames, applicable directement à votre prochaine évaluation.