Selon EconomieMatin.fr Factures falsifiées, prestations fictives ou prescriptions détournées sont déjà monnaie courante depuis bien des années chez les assurance mutualistes, confirmant le caractère protéiforme de la fraude aux prestations santé.
Dans un souci de « rentabiliser » leurs cotisations, les adhérents sont enclins à accepter facilement les propositions de certains opticiens, peu scrupuleux de gonfler leurs factures dans les limites des garanties offertes aux clients par leur mutuelle. Il faut également souligner que ces pratiques sont aussi fréquentes dans les secteurs dentaire ou audio. Au final, cette pratique pénalise l’ensemble des acteurs : les cotisations des mutuelles augmentent et le prix des équipements est en constante inflation créant ainsi un cercle vicieux au sein duquel l’adhérent voudra rentabiliser davantage ses cotisations en se suréquipant aux frais de sa mutuelle car son coût a augmenté. […]
Big Data et IA
Si le principe des plates-formes Big Data pour lutter contre la fraude n’est pas nouveau, elles s’appuient désormais sur un potentiel technologique qui permet de traiter plus de données, plus rapidement, avec des algorithmes plus puissants. Plus de données, car les partenariats évoqués précédemment impliquent également le partage de données entre acteurs, un partage désormais très surveillé dans le cadre du Règlement Général pour la Protection des Données puisque les informations médicales sont particulièrement sensibles. Ces partages d’informations permettent à l’animateur de la plate-forme de compiler un spectre plus large de données que s’il ne collaborait qu’avec le professionnel de santé. Ainsi, il dispose d’éléments détaillés à la fois sur la prescription médicale, l’équipement vendu par l’opticien, les caractéristiques des verres fournis par l’industriel, la consommation des garanties par l’assureur, etc.
Plus rapide et plus puissant, c’est la promesse de l’Intelligence Artificielle. A partir de cette photo de données à un instant T, différentes techniques d’apprentissage, aussi appelées machine learning en anglais, vont permettre d’identifier des comportements atypiques. Distinguons deux grandes familles. D’un côté, les apprentissages non-supervisés cherchent à délimiter des niches de comportements dérivant de tendances centrales. Ces niches sont ensuite décortiquées par des experts pour confirmer ou infirmer le niveau de risque ou la propension à frauder. De l’autre côté, les apprentissages supervisés s’appuient sur une expérience passée, qui se matérialise par des historiques de dossiers contrôlés a posteriori par des experts et considérés réellement atypiques. Dans ce cas, les algorithmes décortiquent les corrélations et s’efforcent d’identifier quels sont les facteurs susceptibles de déclencher le passage à l’acte. Dans un cas comme dans l’autre, le recours à l’expertise humaine est fondamental et apporte un éclairage sur la façon dont l’Intelligence Artificielle contribue à optimiser les processus de pans entiers de l’économie.
Faute d’une détection systématique, la fraude est par essence un comportement marginal. L’insuffisance des moyens jusqu’ici confiés à la lutte contre ces pratiques confirme l’enjeu financier relativement restreint. Si le projet du gouvernement RAC0 voit bien le jour, cette tendance pourrait toutefois prendre de l’ampleur et justifier l’accélération des investissements des acteurs de la santé autour de solutions internes (types plates-formes), confirmant ainsi le rôle du Digital et de l’Intelligence Artificielle en outils d’aide à la décision, plutôt qu’en substituts humains capables de gérer des situations potentiellement conflictuelles voire judiciaires avec les assurés ou les professionnels de santé…
http://www.economiematin.fr/news-sante-france-fraudes-prestations-secu
