Les guides d'implémentation FHIR (IG) sont des spécifications complètes qui expliquent comment utiliser FHIR pour des besoins précis en matière de santé — des profils nationaux de patients aux flux cliniques spécialisés. Ils définissent quelles ressources utiliser, quels codes inclure et comment les systèmes doivent se comporter pour que les données circulent sans heurts entre les organisations.
Aujourd'hui, développer un IG demeure une tâche hautement technique. Elle exige la création de CodeSystems, de ValueSets, de StructureDefinitions et d'Extensions, puis leur publication sous forme de spécification cohérente et validée. Le processus est complexe et ralentit souvent les projets.
Cet article présente une nouvelle approche : l'utilisation d'agents IA pour générer et tester des guides d'implémentation FHIR directement à partir du langage naturel. L'objectif est de rendre le développement des guides plus rapide, plus simple et plus accessible — non seulement pour les spécialistes techniques, mais aussi pour les cliniciens, les chercheurs et les décideurs qui comprennent le contexte clinique sans vouloir écrire du code JSON.
Les difficultés du développement d'IG FHIR
Quiconque a travaillé avec FHIR connaît la difficulté. Créer des ressources canoniques — les blocs de base de l'interopérabilité en santé — est complexe. Les fichiers JSON sont verbeux, les contraintes sont élaborées, et la courbe d'apprentissage est assez abrupte pour faire douter les développeurs expérimentés de leurs choix de carrière.
En raison de cette complexité, la communauté a créé des outils pour simplifier le processus. L'un d'eux est FHIR Shorthand (FSH), un langage plus compact et plus lisible que le JSON brut. Il exige toutefois que les développeurs apprennent encore une autre syntaxe et comprennent les subtilités de l'architecture sous-jacente de FHIR.
Le pipeline traditionnel de publication d'IG
Même avec FSH, la construction d'un IG reste un processus complexe et sujet aux erreurs. Le flux de travail typique ressemble à ceci :
- Rédiger les fichiers FSH — Définir les ressources en syntaxe FHIR Shorthand
- Exécuter SUSHI — Compiler les fichiers FSH en ressources FHIR JSON
- Corriger les erreurs de compilation — Déboguer les problèmes de syntaxe et les violations de contraintes
- Exécuter IG Publisher — Générer la documentation HTML et effectuer la validation finale
- Itérer sur les erreurs — Corriger les échecs de validation et republier
- Tests manuels — Vérifier que les ressources fonctionnent dans les systèmes cibles
Ce pipeline à plusieurs étapes requiert une connaissance approfondie de multiples outils : la syntaxe FSH, la compilation SUSHI, la configuration d'IG Publisher et les règles de validation FHIR. Le résultat est un processus qui crée des obstacles excluant les experts du domaine clinique d'une participation directe.
Alors, quelles alternatives existe-t-il à cette approche conventionnelle, très dépendante des outils ? Les récentes avancées en IA offrent peut-être une façon de repenser la manière dont les IG sont développés et testés.
La solution propulsée par l'IA
Et si on pouvait éliminer cette couche de traduction ? Imaginez des experts en santé décrivant leurs besoins en langage naturel et l'IA générant automatiquement des ressources FHIR prêtes pour la production.
Les récentes avancées en grands modèles de langage (LLM) le rendent possible. L'IA moderne peut :
- Comprendre le contexte du domaine : Lire des descriptions en langage naturel des exigences en matière de santé
- Générer une sortie structurée : Créer du FHIR JSON valide directement à partir de spécifications
- Appliquer les bonnes pratiques : S'assurer que les ressources générées respectent les conventions FHIR et les directives d'implémentation
- Itérer rapidement : Permettre des ajustements rapides en fonction des retours, sans édition manuelle du JSON
L'idée centrale est que l'IA peut combler l'écart entre l'intention humaine et la mise en œuvre technique — exactement ce dont on a besoin dans le développement de guides d'implémentation FHIR. Cela réduit la charge technique et permet aux développeurs comme aux experts en santé de contribuer directement.
Boucler la boucle : validation instantanée avec Aidbox
Générer des ressources FHIR ne représente que la moitié du travail. La vraie magie se produit lorsque les agents IA peuvent immédiatement tester leurs créations contre un serveur FHIR en direct, créant une boucle de rétroaction rapide qui permet un perfectionnement continu.
Le serveur FHIR Aidbox rend cela possible en fournissant :
- Validation instantanée des ressources : Les ressources générées par l'IA sont immédiatement validées par rapport aux spécifications FHIR
- Rétroaction en temps réel : Les erreurs de validation sont détectées instantanément, ce qui permet à l'agent IA de corriger les problèmes sur-le-champ
- Un environnement de test en direct : Les ressources peuvent être créées, mises à jour et testées en temps réel, sans attendre le déploiement
- Conformité aux normes : S'assure que toutes les ressources satisfont aux exigences FHIR R4+ avant d'être finalisées
Cela crée un cycle de développement puissant :
- L'IA génère des ressources FHIR à partir du langage naturel
- Aidbox valide les ressources instantanément via l'API REST
- L'IA affine en fonction des retours de validation
- Le processus se répète jusqu'à l'atteinte d'une conformité parfaite
Le résultat : une rétroaction en moins d'une minute, un développement plus rapide, tout en garantissant l'exactitude clinique et la conformité technique.
Exemple de projet de développement d'IG : Github
Pour voir comment cela fonctionne en pratique, examinons un exemple de projet.
Flux de travail collaboratif IA-humain
Invite initiale à l'IA :
Create an MD file for a CodeSystem that includes biological sex codes: 1 for Male, 2 for Female, 3 for Intersex, 93 for 'Not reported' when Civil Registry updates occur, and 99 for Unknown cases.
L'IA génère un fichier markdown structuré comme src/CS/CSSexoBiologico.MD, et vous itérez dessus jusqu'à ce qu'il vous convienne. Une fois satisfait de la spécification en markdown, vous demandez simplement à l'IA de « créer une ressource FHIR pour le système de codes CSSexoBiologico » et elle la convertit en ressource FHIR JSON dans le dossier target/ : target/CSSexoBiologico.json.
Tests instantanés avec l'intégration Aidbox
C'est là qu'intervient la validation. L'IA peut tester les ressources générées immédiatement en utilisant les commandes de Claude Code et les fichiers .http.
Avec Claude Code, il suffit d'exécuter :
/test-cs CSSexoBiologico
Cela déclenche la commande Claude personnalisée définie dans .claude/commands/test-cs.md, qui :
- Examine la structure du CodeSystem à partir de
src/CS/CSSexoBiologico.MD - Valide la conformité FHIR par rapport au JSON généré dans
target/CSSexoBiologico.json - Démarre le serveur FHIR Aidbox si nécessaire (
docker-compose up -d) - Crée ou exécute des suites de tests complètes dans test/CS/
- Rapporte les résultats de validation et les recommandations
Fichier de test généré (test/CS/test-CSSexoBiologico.http) :
@fhirServer = http://localhost:8080/fhir
@auth = Basic basic:secret
### Create CSSexoBiologico CodeSystem
PUT {{fhirServer}}/CodeSystem/CSSexoBiologico
Authorization: {{auth}}
Content-Type: application/json
< ../../target/CSSexoBiologico.json
### Test $lookup operation for code "1" (Male)
GET {{fhirServer}}/CodeSystem/$lookup?system=https://interoperability.testcompany.cl/CodeSystem/CSSexoBiologico&code=1
Authorization: {{auth}}
### Test $lookup operation for code "2" (Female)
GET {{fhirServer}}/CodeSystem/$lookup?system=https://interoperability.testcompany.cl/CodeSystem/CSSexoBiologico&code=2
Authorization: {{auth}}
... Other tests ...
### Test $lookup operation for invalid code "999"
GET {{fhirServer}}/CodeSystem/$lookup?system=https://interoperability.testcompany.cl/CodeSystem/CSSexoBiologico&code=999
Authorization: {{auth}}
### Verify CodeSystem was created
GET {{fhirServer}}/CodeSystem/CSSexoBiologico
Authorization: {{auth}}
### Delete CSSexoBiologico CodeSystem
DELETE {{fhirServer}}/CodeSystem/CSSexoBiologico
Authorization: {{auth}}
Cette configuration permet aux développeurs et aux experts du domaine de valider rapidement les ressources, d'observer leur comportement sur un serveur en direct et de les affiner sans quitter le flux de travail.
Mise à l'échelle vers un guide d'implémentation complet
La même approche propulsée par l'IA peut être appliquée à tous les types de ressources FHIR nécessaires pour un guide d'implémentation complet :
- ValueSets : L'IA génère des ensembles terminologiques complets et les valide à l'aide des opérations $expand et $validate-code pour tester les règles d'inclusion et d'exclusion de codes (voir commande test-vs | fichier de test).
- Profils : L'IA crée des ressources patient contraintes avec des extensions, puis valide toutes les contraintes de profil, incluant la cardinalité, les types de données et les liaisons terminologiques (voir commande test-profile | fichier de test).
- Extensions : L'IA définit des éléments de données réutilisables avec des forces de liaison appropriées et valide leur intégration dans les ressources de base.
Chaque type de ressource suit le même modèle : décrire les exigences en langage naturel → l'IA génère le markdown → conversion en FHIR JSON → validation instantanée dans Aidbox.
Cela permet de passer d'un seul CodeSystem à un guide d'implémentation complet et prêt pour la production.
Publication du guide d'implémentation
Une fois toutes les ressources validées, l'étape finale consiste à publier le guide complet. Cela implique généralement :
- commande publish-ig — Génère la documentation HTML
- commande view-ig — Prévisualise l'IG publié localement
Ces étapes produisent ensemble un ensemble complet de documentation et de ressources, prêt à être utilisé et distribué.
Le flux de travail complet propulsé par l'IA
À ce stade, l'ensemble du cycle s'articule ainsi :
- L'IA génère la documentation markdown à partir du langage naturel
- L'IA convertit le markdown en ressources FHIR JSON valides
- L'IA crée des suites de tests complètes pour tous les types de ressources
- Aidbox valide les ressources en temps réel via l'API REST
- L'IA affine en fonction des retours de validation
- IG Publisher génère la documentation finale
Mises en garde et perspectives
Le développement d'IG assisté par l'IA est encore une pratique émergente. Bien qu'il puisse déjà réduire le travail répétitif et raccourcir les boucles de rétroaction, certains aspects requièrent une attention particulière :
- Exactitude clinique — L'IA peut générer des ressources techniquement valides, mais les experts humains doivent s'assurer qu'elles reflètent les exigences cliniques et réglementaires correctes.
- Contraintes complexes — Toutes les règles avancées ou les invariants ne sont pas faciles à saisir à partir d'invites en langage naturel. Certains nécessitent encore l'apport d'experts.
- Alignement communautaire — Un guide d'implémentation n'a de valeur que lorsqu'il est approuvé et adopté par sa communauté. L'IA peut aider à créer des IG plus rapidement, mais l'établissement du consensus demeure une tâche humaine.
Pour l'avenir, nous envisageons un monde où les experts en santé et les développeurs travaillent côte à côte avec des agents IA : les experts décrivent l'intention, l'IA produit une première ébauche, et les deux affinent le résultat ensemble. Cela rendrait le développement des guides d'implémentation plus inclusif, plus rapide et plus proche des besoins réels.
Vous voulez voir cela en pratique?
Tout le code source est disponible dans le dépôt agentic-coding-ig-development. Vous pouvez explorer les flux de travail, exécuter les commandes et tester le fonctionnement du développement d'IG piloté par l'IA, étape par étape.
Nous croyons que cette approche n'est que le début. En combinant l'expertise du domaine, l'IA moderne et des outils comme Aidbox, les guides d'implémentation peuvent être développés plus rapidement, avec moins de surcharge, et avec une participation plus large de la communauté de la santé.
Essayez-le vous-même avec Aidbox : démarrez un serveur FHIR, exécutez le cycle de validation et voyez comment l'IA peut générer et tester des ressources en quelques minutes. Commencez dès aujourd'hui et partagez votre expérience — vos commentaires contribueront à façonner l'avenir du développement FHIR propulsé par l'IA.
