Un hôpital allemand a automatisé la planification des médecins avec la programmation en nombres entiers mixtes, économisant des heures de planification

La planification des médecins d'un service hospitalier allemand était manuelle et lente — des plans élaborés à la main, dont la qualité était difficile à évaluer. L'automatiser ressemblait à un projet logiciel ponctuel : les règles de chaque hôpital diffèrent, si bien que les systèmes prêts à l'emploi ne convenaient jamais.

La démarche de l'équipe a consisté à séparer les données du modèle. La modélisation relationnelle des données a structuré les informations complexes de planification (médecins, gardes, qualifications, préférences d'équité) de sorte qu'une formulation unique en programmation en nombres entiers mixtes devienne praticable. L'optimiseur s'appuie sur les plannings précédents et gère la compatibilité des gardes au-delà de l'horizon de planification.

Le résultat est un outil d'aide à la décision qui produit des tableaux de service beaucoup plus rapidement avec moins de travail, visualise la qualité du plan pour faciliter son évaluation et gère explicitement l'équité sur l'horizon de planification. Le modèle est conçu pour être rapidement personnalisé et mis en œuvre dans d'autres services hospitaliers.

Modéliser la structure des données du planning, puis l'optimiser

La modélisation relationnelle transforme un problème « différent partout » en entrées standard, de sorte qu'un seul programme en nombres entiers mixtes fonctionne dans plusieurs services au lieu d'un programme sur mesure par hôpital.

Partir du planning précédent et respecter les gardes au-delà de l'horizon maintient des changements progressifs, ce que les médecins acceptent réellement.

Faire de l'équité un objectif explicite signifie que le plan peut être défendu auprès du personnel, une exigence que les tableaux de service élaborés à la main ne satisfaisaient jamais.

Lorsque l'automatisation échoue sans cesse parce que chaque cas est différent, corrigez d'abord la couche de données : la modélisation relationnelle peut rendre un optimiseur réutilisable dans plusieurs services et hôpitaux.

Le système de planification fondé sur la programmation en nombres entiers mixtes a été publié dans l'INFORMS Journal on Applied Analytics en 2026. Les auteurs le présentent comme rapidement personnalisable pour d'autres services internes à l'hôpital et d'autres hôpitaux, le modèle de données relationnel constituant le cœur réutilisable.