Des longues files d'attente au tri intelligent : un pilote de présélection des usagers par AI pour le DSS du Delaware.

À propos du client

La DSS, au sein du Department of Health and Social Services du Delaware, exploitait 18 bureaux locaux de prestations à travers l'État, chacun doté au guichet de travailleurs sociaux seniors, le seul personnel à maîtriser pleinement les règles de l'État relatives aux prestations et capable d'utiliser le logiciel servant à calculer les niveaux de prestations. Cette mission s'appuyait directement sur les travaux d'enquête client antérieurs d'Iknow pour la DSS, qui avaient déjà identifié les longs temps d'attente comme la principale préoccupation des clients à l'accueil.

Contexte sectoriel

Le filtrage d'éligibilité à base de règles et piloté par l'IA est depuis devenu un outil courant dans le secteur des services sociaux. En 2025, Imagine LA, dans le comté de Los Angeles, en collaboration avec Nava Labs, a expérimenté un chatbot d'assistance propulsé par l'IA générative pour aider les travailleurs sociaux à s'orienter dans l'éligibilité aux prestations publiques, dans le cadre d'un effort plus large visant à combler un manque estimé à 227 milliards de dollars de prestations publiques non réclamées chaque année à l'échelle nationale. Dans le même temps, la Social Security Administration américaine a déployé des chatbots propulsés par l'IA générative à la fois pour le public et pour son propre personnel, dans le cadre d'une stratégie de service client « digital-first ». Un cadre de référence publié en 2026 par l'American Public Human Services Association valide explicitement la philosophie de conception du pilote du Delaware de 2016 : appliquer « le bon niveau de technologie au bon cas d'usage », la logique à base de règles prenant en charge les processus bien définis et à fort volume, l'IA plus avancée n'étant ajoutée que là où elle apporte une réelle valeur. L'objectif est une technologie qui assiste le personnel plutôt que de remplacer son jugement. Le système de triage du Delaware fondé sur Neota Logic, et le déploiement à l'échelle de l'État obtenu grâce à un financement fédéral, ont anticipé de près d'une décennie cette approche devenue la norme.

Situation actuelle

Le directeur de la division de la DSS avait reconnu que poster des travailleurs sociaux seniors à chaque guichet était à la fois inefficace et coûteux, puisque ce personnel était nécessaire pour le traitement des dossiers complexes mais consacrait au lieu de cela un temps considérable à des questions de routine posées au guichet. Il a demandé à Iknow de proposer une solution permettant de mieux allouer cette expertise coûteuse sans compromettre l'exactitude ni la cohérence du service reçu par les clients.

• Des files d'attente indifférenciées. Chaque client attendait dans la même file, que son besoin soit simple (déposer une demande, retirer un formulaire) ou complexe.
• Une expertise coûteuse et essentielle immobilisée au guichet. Les travailleurs sociaux seniors étaient le personnel de première ligne le plus coûteux de la DSS, et pourtant les seuls à maîtriser pleinement les règles complexes de l'État en matière de prestations et à savoir utiliser le logiciel de détermination des prestations.
• Aucun mécanisme pour distinguer les besoins à l'arrivée. La DSS n'avait aucun moyen d'identifier les cas à réponse rapide au moment où les clients se présentaient, si bien que même les demandes simples attendaient aux côtés des demandes complexes.
• Un service incohérent à l'échelle de l'État. L'exactitude et l'exhaustivité des orientations reçues par les clients variaient selon la formation, les compétences et l'expérience de chaque agent dans les 18 bureaux de la DSS.
• Des connaissances profondes et spécialisées à capturer. Toute solution devait encoder de manière fiable toute la complexité des règles d'éligibilité SNAP et des politiques de la DSS, suffisamment bien pour qu'un personnel d'accueil moins coûteux puisse l'exploiter.

• Réduire le nombre de clients devant faire la queue pour être servis.
• Libérer les travailleurs sociaux seniors afin qu'ils consacrent plus de temps au traitement effectif des dossiers de prestations plutôt qu'au tri au guichet.
• Délivrer aux clients des orientations plus cohérentes et plus exactes, quel que soit le bureau ou l'agent.
• Valider l'approche par un pilote contrôlé avant de s'engager dans un investissement à l'échelle de l'État.
• Accompagner la DSS dans l'obtention d'un financement pour un déploiement à l'échelle de l'État si le pilote s'avérait concluant.

Comment Iknow a structuré le travail

Iknow est passé de l'observation directe du fonctionnement réel des bureaux, en passant par l'ingénierie des connaissances et la sélection de la plateforme, à un processus agile de développement des règles validé par un pilote contrôlé dans deux bureaux, en réservant toute recommandation d'investissement à l'échelle de l'État jusqu'à ce que l'approche ait fait ses preuves dans la pratique.

Activités et décisions clés

• Observation et identification des opportunités. Iknow a observé les flux de visiteurs dans plusieurs bureaux locaux et a identifié que trier les clients dès leur arrivée (en traitant les besoins à réponse rapide, comme indiquer aux clients où déposer une demande ou retirer un formulaire) pouvait réduire de manière significative le nombre de clients contraints d'attendre.
• Ingénierie des connaissances. Iknow a interrogé des travailleurs sociaux seniors connaissant bien le fonctionnement de l'accueil et a conclu que les connaissances nécessaires au triage pouvaient être capturées sous la forme d'un ensemble défini de règles de décision. Ces règles s'appuyaient sur les manuels de politiques, les supports de formation, les procédures opérationnelles standard et les formulaires et documents de programmes de la DSS, et intégraient les règles et procédures d'éligibilité SNAP du U.S. Food and Nutrition Service comme celles propres au Delaware.
• Sélection de la plateforme. Iknow a évalué des logiciels de moteurs de règles open source et commerciaux et a retenu la plateforme de moteur de raisonnement de Neota Logic pour ses fonctionnalités à base de règles, son raisonnement complexe et ses capacités de workflow de processus, y compris la prise en charge du filtrage initial d'éligibilité, d'un enchaînement de questions de triage optimisé dynamiquement et réduit au minimum, et d'orientations personnalisées sur les prochaines étapes pour chaque client.
• Développement agile des règles. Iknow a construit et affiné les règles de décision au fil d'une série d'ateliers avec les experts de la DSS, en adoptant une approche agile pour intégrer rapidement leurs retours.
• Test pilote. Une fois un ensemble suffisant de règles développé, Iknow les a codées dans la plateforme Neota Logic et a expérimenté le système sur des ordinateurs portables connectés à la plateforme hébergée via le WiFi des bureaux locaux, en le testant dans deux bureaux jusqu'à ce que le système de triage démontre une exactitude suffisante.
• Appui à la subvention. Après le succès du pilote, Iknow a travaillé avec le bureau des subventions de la DSS pour préparer le dossier économique et l'énoncé de travaux détaillé à l'appui d'une demande de financement à l'échelle de l'État.

Parties prenantes et collaboration

Iknow a travaillé directement avec le directeur de la division de la DSS, les travailleurs sociaux seniors qui ont servi d'experts métier derrière les règles de triage et le bureau des subventions de la DSS, tandis que le pilote achevé et la demande de subvention ont finalement été examinés et financés par le Food and Nutrition Service du département de l'Agriculture des États-Unis.

Capturer une expertise profonde avec une fiabilité suffisante pour la déléguer

Les connaissances nécessaires au triage n'existaient que dans la tête des travailleurs sociaux seniors les plus expérimentés de la DSS, ce qui rendait difficile leur délégation à un personnel d'accueil moins coûteux sans perte d'exactitude. Iknow y a répondu par une ingénierie des connaissances systématique (en ancrant les règles dans les propres manuels de politiques, supports de formation et procédures de la DSS, et en les affinant de manière itérative lors d'ateliers directs avec les experts eux-mêmes) avant de coder quoi que ce soit dans la plateforme.

Éliminer l'incohérence à l'échelle de l'État

Parce que la formation, les compétences et l'expérience des agents variaient entre les 18 bureaux de la DSS, les clients recevaient historiquement des orientations incohérentes selon le bureau ou l'agent rencontré. Iknow y a répondu en encodant la logique de triage directement dans une plateforme de moteur de règles plutôt qu'en s'appuyant sur une formation informelle du personnel, de sorte que chaque client reçoive les mêmes orientations exactes et complètes quel que soit le bureau visité.

Prouver le modèle avant d'engager un investissement à l'échelle de l'État

Un nouveau modèle de fonctionnement de l'accueil propulsé par l'IA comportait un risque réel s'il était déployé dans tout l'État avant d'avoir fait ses preuves. Iknow y a répondu en menant un pilote contrôlé dans deux bureaux représentatifs, en testant le système jusqu'à ce qu'il démontre une exactitude suffisante, et en ne soutenant qu'ensuite la demande de la DSS pour le financement nécessaire à son extension.

Résultats opérationnels

• Environ 60 pour cent des clients n'ont plus eu à faire la queue du tout, et les clients qui avaient réellement besoin d'un travailleur social senior ont connu des temps d'attente nettement plus courts.
• Les interactions de triage sont devenues plus exactes, plus cohérentes et couvrant tous les programmes de prestations pertinents, sans questions inutiles ou redondantes, puisque le logiciel présentait chaque question suivante en fonction des réponses précédentes du client.
• Le système générait une liste personnalisée des données et justificatifs requis pour chaque programme de prestations potentiel, aidant les clients à franchir plus facilement l'étape suivante.

Résultats stratégiques et organisationnels

Du point de vue de la DSS, la logique de triage était exacte, à jour et parfaitement cohérente à l'échelle de l'État (éliminant la variabilité qui existait auparavant en raison des différences de formation et d'expérience du personnel), tout en minimisant dynamiquement le nombre de questions posées et en suivant les blocages fréquents pour affiner encore le système. Les représentants de la DSS paraissaient plus compétents et plus crédibles aux yeux des clients, et les coûts de la DSS ont diminué car moins de travailleurs sociaux seniors coûteux étaient nécessaires à l'accueil ; ceux redéployés vers le suivi individuel des dossiers sont devenus plus efficaces en ne traitant que les cas complexes. Fort du succès du pilote, Iknow a aidé le bureau des subventions de la DSS à préparer le dossier économique et l'énoncé de travaux pour un déploiement à l'échelle de l'État, et en août 2016, le Food and Nutrition Service de l'USDA a accordé à la DSS du Delaware une Process and Technology Improvement Grant de 667 618 $ pour étendre le système de triage aux 18 bureaux locaux.

Délai avant impact

Iknow a mené à bien l'ingénierie des connaissances, la sélection de la plateforme, le développement des règles et le test pilote, et a soutenu une demande de subvention à l'échelle de l'État couronnée de succès, le tout dans le cadre de la mission de neuf mois, passant d'un concept à un stade précoce à un plan d'extension à l'échelle de l'État financé, au sein d'un seul et même projet.

Compétences clés

• IA et ingénierie des connaissances
• Innovation des processus métier
• Conseil au gouvernement et au secteur public
• Appui aux subventions et aux financements

Méthodes et cadres

• Ingénierie des connaissances et capture de règles de décision
• Développement agile des règles et ateliers d'experts
• Test pilote contrôlé et validation
• Élaboration de dossiers économiques et d'énoncés de travaux pour subventions

Technologies et outils

• Plateforme de moteur de raisonnement Neota Logic (logique à base de règles, raisonnement complexe, workflow de processus)