Contexte

La Caisse Primaire d’Assurance Maladie (CPAM) de Meurthe-et-Moselle établit un centre d’appels pour encourager ses bénéficiaires à effectuer des dépistages gratuits du cancer.

Besoin

  • Optimisation des campagnes de prévention : La CPAM de Meurthe-et-Moselle souhaite contacter en priorité les bénéficiaires éligibles aux dépistages gratuits du cancer qui sont les plus susceptibles d’y participer.
  • Priorisation basée sur les données : Cette priorisation des appels s’appuiera sur l’exploitation des données dont la CPAM dispose concernant ses bénéficiaires.
  • Exigences fondamentales du projet :
    • Protection absolue des données personnelles : La confidentialité des informations des bénéficiaires doit être garantie, excluant tout accès à Datalchemy.
    • Robustesse méthodologique : Les méthodes algorithmiques employées doivent être d’une robustesse statistique avérée, conformément aux recherches scientifiques actuelles.
    • Réversibilité du projet : Assurer une excellente transmission du projet aux équipes internes pour qu’elles puissent se l’approprier.

Travail réalisé

Pour répondre à ce besoin, Datalchemy a été mandaté pour aider la CPAM de Meurthe-et-Moselle. Nous sommes intervenus pour :

  • Identification des donnés pertinentes : Les données pertinentes des bénéficiaires ont été identifiées grâce à de nombreux échanges avec les équipes métier et IT de la CPAM, afin de comprendre et de cibler celles essentielles au projet.
  • Traitement des données réelles à l’aide de données synthétiques. : Pour le nettoyage et la préparation des données pertinentes des bénéficiaires, une approche innovante a été employée via la construction d’un jeu de données synthétiques, reproduisant les caractéristiques des données réelles. Cette méthode a permis de développer et de valider un code de traitement des données, directement applicable aux données réelles confidentielles CPAM.
  • Entraînement et prédiction d’un modèle ML pour le ciblage : Les bénéficiaires les plus susceptibles de réaliser leur dépistage sont identifiés grâce à un modèle ML entraîné à cet effet sur les données réelles nettoyées, permettant d’établir une liste de personnes à contacter en priorité par le centre d’appels de la CPAM.
  • Documentation et passation aux équipes CPAM pour assurer la réversibilité du projet.

Résultats

  • Le projet a démontré de solides performances prédictives, avec un rappel du modèle de 70%.
  • Une liste des bénéficiaires à contacter a été établie pour le centre d’appels.
  • Le projet a été intégralement réalisé sans accès aux données réelles, assurant ainsi une confidentialité totale des données personnelles CPAM.
  • Le projet a été transmis aux équipes de la CPAM avec succès.