Contexte d’adoption
Depuis 2020, plusieurs systèmes de santé publics et privés ont intégré Palantir Foundry pour centraliser les dossiers patients, les résultats de laboratoire et les flux logistiques. Le contrat type, désigné comme un platform-as-a-service, promet une vue unifiée des données afin d’optimiser la planification des ressources et le suivi des épidémies. L’article de WIRED montre que, dans la pratique, les équipes cliniques se retrouvent à corriger manuellement les incohérences que le système n’a pas pu résoudre.
Architecture technique de Foundry
Foundry repose sur un pipeline d’extraction, transformation et chargement (ETL) composé de connecteurs vers les systèmes d’information hospitaliers (EHR, PACS, ERP). Chaque connecteur produit un dataset brut qui passe ensuite par des transformations codées en Python ou SQL. Les transformations sont versionnées dans le code repository interne de Palantir et appliquées de manière incrémentale via le moteur d’orchestration Apollo. La plateforme expose les résultats via des ontologies et des tableaux de bord interactifs.
Sources de défaillances et charge de nettoyage
Le principal point de friction identifié provient de la qualité des schémas source. Les hôpitaux utilisent souvent des formats proprietaires ou des champs optionnels qui ne sont pas normalisés. Lorsque les pipelines importent ces flux, les validation rules de Foundry sont parfois désactivées pour éviter les arrêt de production, ce qui laisse passer des enregistrements incomplets ou dupliqués. Les techniciens cliniques doivent alors reconcilier manuellement les dossiers : identifier les doublons, corriger les dates mal formatées, et valider les correspondances patientés.
Impacts opérationnels et limites
Le temps consacré à ces tâches de nettoyage réduit la disponibilité du personnel soignant pour les soins directs. Sur le plan technique, chaque intervention manuelle introduit un risque de erreur humaine qui peut se propager dans les rapports agrégés. De plus, l’absence de feedback loops automatisés signifie que les erreurs ne sont pas remontées aux équipes de développement de Palantir, limitant l’amélioration du pipeline. L’article souligne l’absence de transparence quant aux indicateurs de qualité de données mesurés par Palantir, ce qui empêche les gestionnaires de quantifier l’ampleur du problème.
