Préconsultation médicale : pourquoi l'entretien vocal fait mieux que le questionnaire écrit
Par Luc Dufour · 9 juillet 2026
Le temps perdu en documentation : un problème documenté
Avant de parler de préconsultation, il faut poser le contexte. En 2016, une étude de référence publiée dans les Annals of Internal Medicine a chronométré 57 médecins généralistes et spécialistes américains sur 430 heures de travail. Résultat : 49,2 % de leur journée était consacrée au dossier médical informatisé et aux tâches administratives, contre seulement 27 % en contact direct avec les patients. [1]
Une étude complémentaire publiée dans les Annals of Family Medicine en 2017 a analysé 118 millions d'événements dans les dossiers électroniques de 142 médecins généralistes : 5,9 heures par jour passées sur le logiciel médical, pour une journée de travail moyenne de 11,4 heures. Dont 1,4 heure après la fin des consultations. [2]
Ce n'est pas une question d'efficacité personnelle — c'est structurel. Et cela a des conséquences directes : selon une étude publiée dans le JAMA portant sur 109 628 médecins dans 45 pays, le taux d'épuisement professionnel atteint 62,8 % en 2021, contre 45,5 % dix ans plus tôt. [3] [4] Les chercheurs de la JAMIA ont montré que les médecins utilisant un logiciel médical présentaient un taux de burnout deux fois plus élevé que ceux qui n'en utilisaient pas (27,2 % vs 13,6 %). [5]
La préconsultation ne résout pas tout — mais elle attaque directement la partie de la consultation la plus chronophage et la moins médicale : l'interrogatoire de routine.
Le problème des questionnaires écrits
Les questionnaires pré-consultation écrits existent depuis des années. Leurs résultats sont mitigés.
Une revue systématique de 49 études portant sur plus de 15 000 patients a montré que 83,7 % des études évaluaient les outils de préparation à la visite comme très efficaces sur la qualité de la communication médecin-patient. [6] Mais cette efficacité dépend d'un prérequis critique : que le patient complète effectivement le questionnaire.
Or les taux de complétion varient énormément selon le contexte et la population. Dans une étude portant sur des patients atteints de polyarthrite rhumatoïde, le taux de réponse aux questionnaires électroniques n'était que de 40 % — malgré quatre ans d'utilisation progressive. [7] Et quand les patients répondent, la qualité des données pose un second problème.
Ce que les patients ne signalent pas spontanément
Une étude publiée dans BMC Palliative Care a comparé deux formats de recueil de symptômes sur 340 patients hospitalisés : un questionnaire où les symptômes sont listés et un format où les patients les ajoutent librement. Les écarts sont saisissants [8] :
- Bouche sèche : 83 % de détection avec liste guidée, 3 % en format libre
- Constipation : 73 % vs 15 %
- Troubles du sommeil : 71 % vs moins de 1 %
Ces données confirment ce que les cliniciens savent intuitivement : les patients ne signalent spontanément que les symptômes les plus saillants. Une étude antérieure citée dans la même publication montrait que seulement un tiers des symptômes étaient spontanément rapportés — les deux tiers nécessitaient un interrogatoire structuré.
Un questionnaire écrit à choix multiples peut lister des symptômes, mais il ne s'adapte pas. Il ne creuse pas. Il ne demande pas "depuis quand ?" ou "qu'est-ce qui aggrave la douleur ?" en fonction de la réponse précédente.
Ce que change l'entretien vocal adaptatif
Un entretien vocal qui s'adapte aux réponses du patient reproduit la dynamique de l'interrogatoire clinique — sans mobiliser le temps du médecin.
Les données sur les agents conversationnels en médecine commencent à s'accumuler. Une revue systématique publiée dans JMIR Medical Informatics en 2024 recense les études sur les chatbots d'anamnèse. [9] L'une d'elles, publiée dans Allergy, montrait une réduction de 57,3 % du temps d'interrogatoire pour les bilans allergologiques, avec un taux de complétude de 73,3 %.
Plus frappant encore : une étude publiée dans Genetics in Medicine a comparé un agent conversationnel vocal à un formulaire web pour la collecte d'antécédents familiaux. [10] L'agent vocal a détecté les conditions médicales avec une sensibilité de 49 % contre 31 % pour le formulaire écrit. Pour l'hypertension spécifiquement : 47 % vs 15 %. Pour le diabète : 54 % vs 22 %. Et 97 % des patients comprenaient les questions posées par l'agent vocal, contre 66 % pour le formulaire.
Du côté de l'acceptabilité, une enquête nationale allemande auprès de 1 000 personnes montrait que 63 % se disaient prêts à utiliser un chatbot d'anamnèse chez leur médecin — et 75 % souhaitaient que les données collectées soient intégrées au dossier. [11]
Ce que reçoit le médecin
À l'issue d'un entretien vocal adaptatif bien conduit, le médecin dispose d'une synthèse structurée : motif de consultation, histoire de la maladie, antécédents pertinents, traitements en cours, évolution. Une lecture de 30 secondes qui remplace 5 à 10 minutes d'interrogatoire de routine.
Une revue Cochrane portant sur 33 essais randomisés et 8 244 patients a montré que les interventions pré-consultation augmentaient significativement le nombre de questions posées par les patients et leur satisfaction — sans allonger la durée de la consultation. [12]
Ce n'est pas pour remplacer l'échange médecin-patient. C'est pour libérer cet échange des questions de routine et permettre au médecin de se concentrer sur ce qui demande réellement son expertise.
En pratique
La préconsultation vocale d'Anteos Health fonctionne sans application à installer pour le patient. Un lien envoyé avant le rendez-vous suffit. L'entretien dure en moyenne 5 à 10 minutes et génère une synthèse structurée accessible depuis la fiche patient avant même que le patient entre dans le cabinet.
Si vous souhaitez tester, une démo sans inscription est disponible directement sur le site.
Références
[1] Sinsky C, et al. Allocation of Physician Time in Ambulatory Practice: A Time and Motion Study in 4 Specialties. Annals of Internal Medicine, 2016;165(11):753–760. https://pubmed.ncbi.nlm.nih.gov/27595430/
[2] Arndt BG, et al. Tethered to the EHR: Primary Care Physician Workload Assessment Using EHR Event Log Data and Time-Motion Observations. Annals of Family Medicine, 2017;15(5):419–426. https://pmc.ncbi.nlm.nih.gov/articles/PMC5593724/
[3] Rotenstein LS, et al. Prevalence of Burnout Among Physicians: A Systematic Review. JAMA, 2018;320(11):1131–1150. https://pmc.ncbi.nlm.nih.gov/articles/PMC6233645/
[4] Shanafelt TD, et al. Changes in Burnout and Satisfaction With Work-Life Integration in Physicians During the First 2 Years of the COVID-19 Pandemic. Mayo Clinic Proceedings, 2022;97(12):2248–2258. https://pmc.ncbi.nlm.nih.gov/articles/PMC9472795/
[5] Gardner RL, et al. Physician Stress and Burnout: The Impact of Health Information Technology. JAMIA, 2019;26(2):106–114. https://pmc.ncbi.nlm.nih.gov/articles/PMC7647171/
[6] Gholamzadeh M, et al. Pre-Visit Planning Assessment Tools in Primary Care: A Systematic Review. BMC Health Services Research, 2021. https://pmc.ncbi.nlm.nih.gov/articles/PMC8116646/
[7] Wiegel J, et al. Predictors for response to electronic patient-reported outcomes in routine care in patients with rheumatoid arthritis. Rheumatology International, 2023;43(4):651–657. https://pmc.ncbi.nlm.nih.gov/articles/PMC9885920/
[8] Monsen RE, et al. A comparison of the prevalence of dry mouth and other symptoms using two different versions of the Edmonton Symptom Assessment System. BMC Palliative Care, 2024;23:75. https://pmc.ncbi.nlm.nih.gov/articles/PMC10943902/
[9] Hindelang M, et al. Transforming Health Care Through Chatbots for Medical History-Taking and Future Directions: Comprehensive Systematic Review. JMIR Medical Informatics, 2024. https://pmc.ncbi.nlm.nih.gov/articles/PMC11393511/
[10] Wang C, et al. Acceptability and feasibility of a virtual counselor (VICKY) to collect family health histories. Genetics in Medicine, 2015;17(10):822–830. https://pmc.ncbi.nlm.nih.gov/articles/PMC4503525/
[11] Haug S, et al. Acceptance of Medical History-Taking Supported by Artificial Intelligence and Chatbots: A Population-Based Survey in Germany. Healthcare (Basel), 2026;14(7):905. https://pmc.ncbi.nlm.nih.gov/articles/PMC13073366/
[12] Kinnersley P, et al. Interventions before consultations for helping patients address their information needs. Cochrane Database of Systematic Reviews, 2007;(3):CD004565. https://pmc.ncbi.nlm.nih.gov/articles/PMC9036848/