Travail de Bachelor
En collaboration avec Smartibex AI Sàrl
Conception UX d’un module de facturation radiologique assisté par IA
J’ai conçu et testé le prototype d’un module qui propose automatiquement la cotation des examens de radiologie, tout en laissant la décision finale aux professionnel·le·s.
- UX Research
- Prototypage Figma
- IA en santé
Prototype confidentiel
- Santé, imagerie médicale (radiologie)
- UX Designer
- Projet individuel et confidentiel
- 2026
Les outils utilisés
01
Gestion de projet
Notion, Teams, Google Workspace
02
Rapport
Word
03
Présentation
Canva
04
UX/UI et prototypage
Figma Design, FigJam
Chiffres clés
- 3
- établissements visités pour les entretiens (CHUV, HIB et Medimage)
- 7
- enseignements issus de la recherche
- 4
- professionnel·le·s lors des tests (ehnv, HIB, Medimage et CIMC)
- 89,4
- / 100 de score SUS moyen
01Le projet
Contexte
Smartibex AI Sàrl est une startup suisse qui développe un système d’information pour la radiologie conçu autour de l’IA. Son premier module génère une proposition de facturation à partir des données d’un examen. Depuis janvier 2026, le nouveau tarif TARDOC oblige les technicien·ne·s en radiologie médicale (TRM) à facturer chaque prestation individuellement, selon des règles de dépendance, de cumul et de chaînage. Le risque d’erreur et d’oubli augmente, dans un service où les interruptions sont fréquentes. Mon travail portait sur l’expérience utilisateur de ce module.
02La problématique
Question de recherche
Comment concevoir l’expérience utilisateur d’un module de facturation radiologique assisté par IA, qui accompagne les professionnel·le·s dans la cotation tout en favorisant son acceptation au quotidien ?
Le module devait être rapide à prendre en main, s’intégrer aux pratiques des TRM et leur laisser la décision finale, sans ajouter de complexité à une tâche déjà exigeante.
03Le processus
- 01
Comprendre
Entretiens sur site dans trois établissements pour questionner et observer les pratiques de cotation, les outils utilisés et les difficultés rencontrées.
- 02
Définir
Analyse des entretiens en sept enseignements, traduits en besoins, hypothèses de conception et job stories.
- 03
Structurer
Définition du parcours utilisateur, du contenu de chaque écran, de l’architecture de l’information et du user flow.
- 04
Explorer
Recherche d’inspirations et wireframes basse fidélité pour comparer plusieurs pistes avant de choisir.
- 05
Prototyper
Réalisation du wireflow et d’un prototype interactif sur Figma, à partir des composants fournis par l’entreprise.
- 06
Tester
Tests avec quatre professionnel·le·s (think aloud, comparaison de variantes, questionnaire SUS), puis recommandations à l’entreprise pour la suite.
01 — 02
Constats issus de la recherche
- 01 Recevoir un retour immédiat sur les erreurs de cotation
- 02 Prévenir les oublis de prestations
- 03 La cotation fondée sur les actes réalisés
- 04 Conserver un contrôle humain sur les propositions de l’IA
- 05 Accéder simultanément aux informations nécessaires à la cotation
- 06 Identifier rapidement les examens nécessitant une intervention
03
Parcours utilisateurs
04 — 06
Explorer, prototyper, tester
04La solution
Un prototype qui propose, explique et laisse l’utilisateur·trice décider
Le prototype interactif couvre trois écrans confidentiels, qui suivent le parcours d’un·e TRM.
01
La liste des patient·e·s
Point d’entrée du module, c’est une liste unique des examens de la journée, que chaque profil adapte avec des filtres (modalité, salle, statut). Les allergies et les contre-indications sont signalées directement dans la liste, et les examens urgents sont mis en évidence.
02
Le dossier d’examen
Un panneau latéral affiche un résumé dès qu’on sélectionne un·e patient·e. Le dossier complet, avec l’historique et les images, peut s’ouvrir si nécessaire.
03
La proposition de facturation
Les prestations sont présentées avec des actes cliniques plutôt que des codes TARDOC, qui restent affichés discrètement. Des alertes signalent les doublons et les incohérences. Chaque proposition de l’IA s’accompagne d’un raisonnement et d’un taux de confiance. La prescription et le protocole se consultent sur la même page, et rien n’est validé sans vérification humaine.
Score SUS moyen
89,4
/ 100
4 participant·e·s
Ce que les tests ont montré
Le prototype a obtenu un score SUS moyen de 89,4/100, avec quatre participant·e·s. Les professionnel·le·s ont validé le parcours, le vocabulaire clinique, la validation humaine et la consultation des informations cliniques sur la page de facturation. Les tests ont aussi relevé des points à améliorer :
- 01
Rendre l’alerte actionnable
L’alerte de doublon signalait un problème sans indiquer la prestation concernée ni l’action à faire. Seule une personne sur quatre l’a utilisée pour corriger l’erreur. Je recommande d’y préciser le type de problème, la prestation et l’action attendue.
- 02
Ajouter l’heure d’arrivée
L’heure d’arrivée du ou de la patient·e manquait dans la liste, et les quatre testeur·euse·s l’ont demandée. Je recommande de l’ajouter à côté de l’heure de rendez-vous.
- 03
Adapter le niveau d’explication
Le raisonnement de l’IA était rarement trouvé spontanément, et les préférences de niveau de détail variaient selon les profils. Je recommande un résumé visible par défaut, avec des explications détaillées à la demande.
Note du travail de Bachelor
6 / 6
Un projet de recherche et de conception mené dans un contexte métier exigeant.
05Avec du recul
Ce travail est une étape de conception, pas un produit fini. Les tests ont porté sur des wireframes en niveaux de gris, avec quatre participant·e·s et des propositions de l’IA simulées. Ils ont évalué l’expérience autour de l’IA, pas la qualité réelle de ses recommandations.
Ce que j’ai appris
- 01
Le problème de départ semblait se résumer à une interface affichant une cotation. Les entretiens ont montré qu’il touchait aussi l’organisation des services, la fragmentation des outils et la manière dont les TRM raisonnent à partir des actes cliniques. La qualité d’une solution dépend de la justesse du problème formulé.
- 02
Un choix compréhensible pour moi pendant la conception ne l’était pas forcément pour les utilisateur·trice·s. Les difficultés observées en test sont des indications pour améliorer le design, pas des erreurs des participant·e·s.
- 03
Concevoir avec une IA demande un équilibre entre automatisation, transparence et contrôle humain. Dans le prototype, cela s’est traduit par une étape de vérification avant validation et par le raisonnement de l’IA accessible à la demande.
- 04
Avec peu de disponibilités côté professionnel·le·s et un calendrier serré, j’ai dû choisir un périmètre, prioriser et documenter mes décisions pour que le travail puisse être repris.