Comment Diyeva est passée de moins de 40% à plus de 90% de prises de rendez-vous réussies grâce à une refonte complète de ses automatisations

Contexte & enjeux

Diyeva propose un service de téléphonie par intelligence artificielle dédié aux professionnels de médecine, avec une secrétaire IA capable de gérer les appels, qualifier les demandes et prendre des rendez-vous tout en divisant par 3 les coûts opérationnels.

Pour un centre ophtalmologique, Diyeva s’appuyait sur fine-tuner.ai pour traiter les appels et sur une API interne de prise de rendez-vous, mais le système en production souffrait d’un taux de réussite inférieur à 50% : moins de la moitié des rendez-vous confirmés par téléphone arrivaient réellement dans l’agenda du médecin.

Situation avant intervention

L’architecture reposait sur fine-tuner.ai pour décrocher et gérer les conversations, et sur des scénarios n8n pour orchestrer les appels vers l’API d’agenda (recherche d’agenda, disponibilités, création de rendez-vous).

Le précédent prestataire avait développé l’ensemble des automatisations dans n8n, mais n’arrivait pas à stabiliser le système : rendez-vous non enregistrés, données incomplètes, interprétation approximative des types de rendez-vous et forte insatisfaction des patients se présentant au centre sans rendez-vous réellement créé.

Problèmes rencontrés

• Limites de n8n pour gérer des flux de données complexes (conversions XML/JSON, cas métier multiples) et finalisation difficile du projet par le prestataire initial.
• Perte ou mauvaise interprétation de données entre l’IA et l’API : types de rendez-vous mal compris, informations patients incomplètes, rendez-vous fantômes dans le parcours utilisateur.
• Coûts opérationnels élevés à cause des appels répétés lorsqu’un premier appel n’aboutissait pas, et frustration importante côté patients et centre ophtalmologique.

Objectifs du projet

• Atteindre un taux de réussite de prise de rendez-vous supérieur à 90%.
• Fiabiliser la communication entre l’IA et l’API du centre ophtalmologique avec une traçabilité claire.
• Stabiliser rapidement un système déjà lancé en production pour rattraper la situation du précédent prestataire.
• Travailler avec une vraie logique d’obligation de résultat pour garantir la satisfaction de Diyeva et du centre.

Solution technique mise en place

Nous avons migré les automatisations critiques de n8n vers une application dédiée sous Symfony 7.3, hébergée sur nos serveurs, afin de reprendre le contrôle complet sur la logique métier et les échanges avec l’API du centre ophtalmologique.

• Reprise et réécriture des appels API : recherche d’agenda, recherche de rendez-vous, vérification de disponibilités, création et annulation de rendez-vous.
• Mise en place d’un service de communication XML vers l’API du centre, exposé via des routes claires dans des contrôleurs Symfony.
• Simplification et regroupement des types de rendez-vous pour faciliter la compréhension par l’IA et fiabiliser les appels API.

Le nouveau flux est désormais : Appel entrant → IA fine-tuner.ai → qualification (type + date de rendez-vous) → appel de l’API Symfony pour rechercher les disponibilités → proposition de créneau au patient → en cas de validation, création du rendez-vous via l’API du centre → confirmation au patient.

Qualité, tests et monitoring

• Tests automatisés via une collection Postman couvrant l’intégralité du cycle : token, recherche d’agenda, disponibilités, prise et annulation de rendez-vous.
• Monitoring des appels et de la transmission des paramètres via fine-tuner.ai, complété par les logs Apache et serveurs pour retracer chaque interaction.
• Sécurisation des échanges par une authentification via jeton d’API, limitée aux services autorisés.