Doctolib illustre comment une entreprise tech et santé peut mener une transformation IA à l’échelle, en combinant culture, gouvernance et industrialisation des agents IA.
1. Traiter l’IA comme une transformation d’entreprise, pas comme un outil
Doctolib a positionné l’IA comme une “cause nationale” interne, portée par le top management (Produit, Tech, RH). L’objectif prioritaire n’est pas un ROI immédiat, mais l’adoption massive, la profondeur d’usage et la montée en maturité des cas d’usage.
2. Démocratiser l’accès tout en structurant la montée en puissance
L’IA est déployée à l’ensemble des 3 000 collaborateurs, évitant la création de silos ou d’élites “avec IA / sans IA”. Cette approche favorise l’effet réseau, l’émergence spontanée de cas d’usage et la diffusion rapide des agents construits par les équipes elles-mêmes.
3. Séparer IA horizontale de productivité et agents verticaux métier
Doctolib distingue clairement :
une IA horizontale pour supprimer les irritants du quotidien (résumés, recherche, rédaction),
des agents IA spécialisés, conçus par métier, capables de résoudre des problèmes complexes (ex. diagnostic de bugs, support technique, capitalisation de connaissances).
Cette double approche permet de scaler rapidement tout en créant de la valeur profonde.
4. Faire des choix clairs entre build et buy
Après un premier succès interne (“DoctoGPT”), Doctolib choisit de ne pas reconstruire une plateforme IA générique et d’acheter une solution industrielle Dust, afin de concentrer ses ressources sur son cœur de métier. Une décision clé pour éviter la dette technique et accélérer l’innovation sur les agents.
5. Mettre la sécurité et la gouvernance au cœur du dispositif
Dans un contexte santé très régulé, Doctolib a consolidé l’IA sur une plateforme unique, celle de Dust, avec hébergement UE, permissions fines et lignes rouges strictes (aucune donnée de santé). Cette gouvernance rend possible un déploiement massif sans compromettre la conformité.
En synthèse
👉 Le cas Doctolib montre que la réussite de l’IA repose sur l’adoption, la culture et la gouvernance avant la sophistication technique.
Un modèle inspirant pour déployer des agents IA à grande échelle, durables, sécurisés et réellement intégrés aux usages métiers.
