Agent de triage médical CHSA — modèle final
Qwen3-1.7B-Base spécialisé au triage des urgences par fine-tuning supervisé
avec LoRA, puis aligné par préférences (DPO). Les adaptateurs sont fusionnés :
le modèle se charge comme n'importe quel modèle causal, sans bibliothèque
d'adaptation.
Prototype pédagogique. Aide à la décision destinée au personnel soignant, sous supervision humaine obligatoire. Le catalogue de présentations cliniques ayant servi à construire les données d'entraînement n'a pas été validé par un médecin urgentiste : ce modèle ne doit pas être utilisé en situation réelle. Devant tout signe vital engagé, appeler le 15 (SAMU).
Ce que fait le modèle
À partir d'une description de patient — motif, symptômes, antécédents, constantes relevées à l'accueil, en français ou en anglais — il produit une réponse en français, toujours structurée ainsi :
Niveau de priorité : URGENCE_VITALE | URGENCE_MODEREE | CONSULTATION_DIFFEREE
Justification : <explication clinique courte>
Recommandation : <conduite à tenir>
| Niveau | Délai de prise en charge | Échelle FRENCH |
|---|---|---|
URGENCE_VITALE | immédiate | tris 1 et 2 |
URGENCE_MODEREE | quelques heures | tris 3 et 4 |
CONSULTATION_DIFFEREE | consultation programmée | tri 5 |
Utilisation
Le gabarit de dialogue et le jeton de fin de séquence sont inscrits dans le tokenizer exporté : aucun réglage n'est nécessaire côté appelant.
from transformers import AutoModelForCausalLM, AutoTokenizer
nom = "BenoitJT-GIRARD/qwen3-1.7b-chsa-triage"
tokenizer = AutoTokenizer.from_pretrained(nom)
modele = AutoModelForCausalLM.from_pretrained(nom, device_map="auto")
messages = [
{"role": "system", "content": CONSIGNE_SYSTEME},
{"role": "user", "content": "Homme de 67 ans, douleur thoracique et sueurs depuis 20 minutes."},
]
invite = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
La consigne système exacte est publiée dans la carte du dataset et dans son
fichier metadata.json. Servi par vLLM :
vllm serve BenoitJT-GIRARD/qwen3-1.7b-chsa-triage \
--revision modele-v1.0.0 \
--served-model-name qwen3-1.7b-chsa-triage --max-model-len 1024
--revision épingle une version citable : la branche par défaut bouge à chaque
publication, l'étiquette non.
Une particularité à connaître
Le modèle de base porte les jetons ChatML comme un vecteur unique jamais
entraîné, et lie sa tête de sortie à ses embeddings. Un fine-tuning LoRA qui
n'adapte que les projections produit donc un modèle incapable d'émettre son jeton
de fin de tour : il génère jusqu'à la limite. Ce modèle-ci a été entraîné avec
sa tête de sortie, et ses poids sont exportés avec le lien défait
(tie_word_embeddings: false). Il s'arrête donc de lui-même.
Quiconque repart du modèle de base rencontrera ce piège : il est décrit, mesures
à l'appui, dans src/chsa_triage/training/sft.py et
reports/training/comparaison_modules.json du dépôt du projet.
Données d'entraînement
Dataset BenoitJT-GIRARD/chsa-triage-medical-bilingue :
corpus équilibré sur trois niveaux de triage et deux langues, construit à partir
d'un catalogue de présentations cliniques rédigé pour le projet, complété de cas
filtrés issus de MediQAl (vignettes cliniques françaises), MedQuAD et MedMCQA.
Aucune donnée patient réelle.
Évaluation
Les chiffres ci-dessous portent sur un jeu de cas écrits à la main, jamais vus à l'entraînement, dont près de la moitié sont des présentations atypiques. Le modèle est comparé à quatre références, dont une règle de triage explicite et un classifieur classique entraîné sur les mêmes paires.
| Mesure | Valeur sur 60 cas |
|---|---|
| Exactitude du niveau de triage | 0,700 [0,57 – 0,80] |
| Sous-triage des cas urgents | 27,5 % |
| Surclassement, tous cas | 11,7 % |
| Réponses exploitables par le système d'information | 100 % |
Analyse d'erreurs, détail par langue et par type de présentation :
reports/evaluation_results.json dans le dépôt du projet.
Limites
- Catalogue clinique non validé par un urgentiste — limite principale.
- Données d'entraînement en majorité synthétiques : elles n'ont pas le désordre du langage réel, et les vignettes générées partagent un petit nombre de réponses attendues.
- Jeu d'évaluation de quelques dizaines de cas : à cet effectif, aucun écart d'exactitude entre systèmes n'est concluant.
- Aucune vérité terrain externe : le catalogue, la règle de triage et le jeu d'évaluation ont la même source.
- 1,7 milliard de paramètres : un format et trois classes, pas un raisonnement clinique.
Reproduire
Code, hyperparamètres, graine et pipeline complet : https://github.com/BenoitJT-GIRARD/chsa-triage
Licence
MIT, comme le modèle de base Qwen/Qwen3-1.7B-Base.