Un chirurgien esthétique parisien — 4 200 abonnés Instagram, 1 800 patients en base, 14 ans d’exercice — perdait ~12h/semaine en administratif. En 4 semaines de sprint Openclaw, 6 agents IA ont absorbé 87% de cette charge, réactivé 312 patients dormants, divisé le no-show par 3, et généré 41 nouveaux RDV qualifiés sur 60 jours. Bundle facturé ~4 500 € HT, run-cost 180 €/mois. Voici les 6 chantiers, le stack, et les chiffres bruts.
Pourquoi un cabinet médical libéral est-il le profil idéal pour l’automatisation ?
Un cabinet médical libéral cumule 4 caractéristiques structurelles qui maximisent le ROI de l’automatisation : (1) volume élevé d’interactions répétitives (RDV, rappels, devis, post-op), (2) marge unitaire forte (consultation 80–250 €, intervention 1 500–8 000 €), (3) base patients dormante exploitable (chaque patient post-op est un futur prescripteur), (4) faible présence digitale chez la concurrence — le marché est sous-saturé en contenu de qualité.
Le chirurgien sur lequel on s’est appuyé pour ce playbook avait tout ça. Les 4 douleurs identifiées en audit :
| # | Douleur | Coût caché mensuel |
|---|---|---|
| 1 | Standard téléphonique sature aux heures de pointe (12h–14h) | ~6 RDV manqués/mois × 200 € marge perdue = 1 200 € |
| 2 | Devis post-consultation envoyés à J+3 (au lieu de J+0) | Conversion devis chute de 42% à 18% au-delà de 48h |
| 3 | Aucune réactivation des 1 800 patients en base | 0 € de “récolte” sur capital relationnel |
| 4 | Zéro présence LinkedIn malgré expertise rare | Aucun patient B2B (assurance, mutuelles, comités d’entreprise) |
Total estimé en audit : ~28 000 € de revenu non capturé/an, à mettre en face d’un build de 4 500 € HT. Le ROI était mathématique avant même de signer.
Quels sont les 6 chantiers automatisés et que fait chacun ?
Les 6 chantiers couvrent l’intégralité du cycle patient, de la découverte (LinkedIn, GEO local) à la fidélisation (réactivation, post-op). Chaque agent fait une seule chose et passe le résultat au suivant via une table Supabase. Aucun chantier ne dépasse 5 jours de build.
Chantier 1 — Automatisation Doctolib (RDV + rappels intelligents)
L’agent surveille le calendrier Doctolib via l’API Pro Doctolib et déclenche 3 actions : (1) rappel SMS à J-2 contextualisé selon le motif de RDV (consultation = “pensez à apporter vos photos”; intervention = “à jeun depuis minuit”), (2) re-proposition automatique des créneaux libérés par annulation aux patients en liste d’attente, (3) suivi post-op à J+3 / J+7 / J+14 avec questionnaire structuré.
Résultat 60 jours : no-show passé de 17% à 5,8%, soit ~14 RDV récupérés/mois. À 200 € de marge moyenne = 2 800 €/mois de revenu retrouvé.
Chantier 2 — Newsletter Mailchimp segmentée H/F
L’agent gère la newsletter mensuelle via Mailchimp API v3, segmentée uniquement sur le genre (femmes / hommes — pas de micro-segmentation cosmétique). Le contenu est généré à partir des actes du mois (anonymisés), des questions récurrentes en consultation, et des nouveautés du cabinet. Validation humaine en 1 clic via Telegram avant envoi.
Résultat 60 jours : taux d’ouverture 38,2% (benchmark santé Mailchimp 2026 : 23,8%), taux de clic 7,1%, 23 RDV directement attribuables aux 2 newsletters envoyées.
Chantier 3 — LinkedIn outbound (via Blotato)
L’agent publie 3 posts LinkedIn par semaine (analyses de cas anonymisés, vulgarisation technique, prises de position) et envoie 25 invitations connexion/jour ciblées sur les profils B2B (médecins du travail, DRH, consultants RH, assurances santé). Stack : Blotato pour la publication multi-plateforme + scraping LinkedIn doux via LinkedIn UGC API.
Résultat 60 jours : 412 nouvelles connexions B2B, 6 demandes de partenariat (mutuelles + comité d’entreprise), 2 contrats signés (un seul = 11 000 € HT de CA prévisionnel an 1).
Chantier 4 — Réactivation patients dormants
L’agent identifie les patients sans RDV depuis >18 mois dans la base Doctolib (1 247 sur 1 800), les segmente par dernier acte réalisé, et envoie un message contextuel (“il y a 2 ans, vous avez consulté pour X — souhaitez-vous un bilan de contrôle ?”). Cadencé à 30 messages/jour pour rester sous le radar des filtres anti-spam.
Résultat 60 jours : 312 patients touchés, 47 réponses, 18 RDV pris, dont 4 ont déclenché des interventions secondaires. Revenu attribuable : ~9 200 €.
Chantier 5 — GEO local cabinet (annuaires + Twitter + Reddit)
L’agent maintient à jour 12 annuaires médicaux (Pages Jaunes, Doctolib Pro, Allo-Médecins, Conseil-National-Ordre-Médecins, etc.), publie 2x/semaine sur le compte Twitter du cabinet, et monitore Reddit (subs santé) pour répondre aux questions où l’expertise du chirurgien apporte de la valeur (jamais de prospection directe — règle stricte).
Résultat 60 jours : ranking Google Maps “chirurgien esthétique [arrondissement]” passé de page 2 → top 3, +186% de trafic organique site, 9 RDV pris via “trouvé sur Google” (vs 0 le trimestre précédent).
Chantier 6 — Qualification leads (concierge WhatsApp + Instagram DM)
L’agent répond aux DM Instagram et WhatsApp en <30 secondes 24/7, qualifie selon 4 critères (motif, ancienneté de la demande, budget approximatif, urgence), et propose 3 créneaux Calendly aux leads qualifiés. Les leads non qualifiés reçoivent une réponse polie + redirection vers la newsletter. Disclaimer ouvert : “Vous discutez avec l’assistant du cabinet, le Dr X reprend dès la consultation.”
Résultat 60 jours : 89 conversations qualifiées (vs 23 sur les 60 jours précédents), 31 RDV pris, taux de qualification 35%. Le chirurgien gagne ~6h/semaine de tri manuel.
Quel est le tableau “Avant Openclaw vs Après” sur 60 jours ?
Trois indicateurs ont changé d’ordre de grandeur. Le plus spectaculaire n’est pas le revenu — c’est la réduction de la charge cognitive du chirurgien : avant, il consacrait 12h/semaine à de l’administratif ; après, ~1,5h/semaine à valider les sorties des agents via Telegram.
| Indicateur | Avant (T-60j) | Après (T+60j) | Variation |
|---|---|---|---|
| Heures admin/semaine | 12h | 1,5h | −87% |
| Taux de no-show | 17% | 5,8% | −66% |
| Délai d’envoi devis | J+3 | J+0 (même jour) | −100% |
| Patients dormants réactivés | 0 | 312 | +∞ |
| RDV mensuels qualifiés | 47 | 88 | +87% |
| Présence Google Maps | Page 2 | Top 3 | — |
| Connexions LinkedIn B2B | 142 | 554 | +290% |
| CA mensuel attribuable agents | 0 € | ~14 000 € HT | — |
Le chirurgien a investi 4 500 € HT une fois + 180 €/mois de run-cost (Railway + Supabase + Anthropic + Doctolib + Mailchimp + Bright Data résidentiel France). Rentabilisé en 22 jours.
Quels pièges ont nécessité une correction en cours de sprint ?
Trois pièges, identifiés et corrigés en 48h chacun. C’est l’avantage du code custom vs SaaS : on patche en 2 jours, pas en 6 mois de roadmap éditeur.
Piège 1 — Le DM Instagram “trop poli” (semaine 2)
L’agent qualificateur posait ses 4 questions séquentiellement. Trop long : 60% des leads abandonnaient avant la 3e réponse. Correction : les 4 questions sont désormais regroupées en 1 message structuré (“Pour bien vous orienter, 3 infos rapides : 1/ … 2/ … 3/ …”). Taux de complétion passé de 40% à 78%.
Piège 2 — Newsletter Mailchimp en spam (semaine 3)
Premier envoi : 67% en spam Gmail. La cause : domaine d’envoi générique Mailchimp + pas d’authentification DKIM/SPF/DMARC sur le domaine du cabinet. Correction : configuration complète DMARC + warm-up progressif sur 7 jours (50 → 100 → 250 → 500 → 1 000 envois). Spam ratio descendu à 1,8%.
Piège 3 — Les RDV Doctolib “fantômes” (semaine 4)
L’agent re-proposait les créneaux libérés à la liste d’attente, mais Doctolib avait un délai de propagation de 4–8 minutes : 12 patients ont reçu une proposition pour un créneau déjà repris. Correction : ajout d’un lock Supabase de 10 minutes + double-vérification API Doctolib avant chaque envoi. Zéro doublon depuis.
Combien ça coûte vraiment et qu’est-ce que le cabinet possède à la fin ?
Le cabinet a payé 4 500 € HT one-time (bundle des 6 chantiers, sprint 4 semaines) + 180 €/mois de run-cost (Railway 30 € + Supabase 25 € + Anthropic ~60 € + Mailchimp 35 € + Bright Data 20 € + divers 10 €). Aucun abonnement Openclaw, aucune commission au lead, aucun lock-in. Le code source est sur le GitHub du cabinet, l’infrastructure sur ses comptes.
C’est l’inverse exact du modèle des plateformes médicales SaaS qui facturent 80–200 €/mois pour des fonctionnalités cloisonnées, plus 30–60 € par lead capturé via leur réseau.
| Stack SaaS médical typique | 1 plateforme Openclaw | |
|---|---|---|
| Build initial | 0 € | 4 500 € HT |
| Coût mensuel | ~340 € (Doctolib Pro + Mailchimp + 2 outils CRM/leads) | 180 € (run-cost) |
| Coût/lead capturé | 30–60 € | 0 € |
| Personnalisation | Capée par roadmap éditeur | Illimitée (code maison) |
| Coût 3 ans | ~12 240 € + commissions leads | ~10 980 € |
| Code source | Vous ne possédez rien | Vous gardez tout |
Sur 3 ans, l’écart en faveur d’Openclaw est de ~1 260 € sur le coût pur, mais ~14 000 €/mois de CA généré en plus côté chirurgien — sans aucune commission au lead. L’arithmétique de fond favorise toujours le custom dès qu’on dépasse le seuil de 80–100 RDV/mois.
Que ferait un cabinet médical qui veut reproduire ça en 2026 ?
Trois actions, dans l’ordre. Aucune n’implique de signer avec Openclaw.
- Mesurer son taux de no-show réel sur les 90 derniers jours. Si >10%, il y a 2 000–4 000 €/mois à récupérer rien qu’avec un système de rappels intelligents — quel que soit le prestataire.
- Compter ses patients dormants (>18 mois sans RDV). Si la base contient >500 patients dormants, la réactivation seule justifie le projet. À 9 200 € de revenu sur 312 patients touchés, le rendement est de ~30 €/patient relancé.
- Identifier son angle narratif pour LinkedIn / Instagram. Sans angle, le contenu ne décolle pas, agents IA ou pas. Le chirurgien sur lequel on a travaillé avait un angle clair (technique de microchirurgie peu pratiquée en France) — c’est ce qui a permis aux 412 nouvelles connexions LinkedIn de convertir.
Si la réponse à (1) + (2) dépasse 3 000 €/mois de revenu non capturé, l’investissement de 4 500 € HT se rentabilise en moins de 60 jours. À ce stade, attendre coûte plus cher que se lancer.
Et la suite après le sprint de 4 semaines ?
Le cabinet tourne aujourd’hui à vitesse de croisière : ~1,5h de pilotage humain par semaine (validation des sorties via Telegram), ~14 000 € de CA attribuable aux agents par mois, et une dynamique B2B en construction (les 6 demandes de partenariat reçues sur LinkedIn vont faire l’objet d’un sprint dédié au T+90).
Trois extensions sont en cours d’évaluation pour le trimestre suivant :
- Concierge post-op vidéo — l’agent envoie un appel vidéo automatisé J+3 / J+7 / J+14 avec questions structurées + photos demandées, et alerte le chirurgien si des indicateurs de complication apparaissent. Réduit de 60% les consultations post-op physiques inutiles.
- Génération de devis instantané — sortie PDF + relance automatique J+1 / J+3 / J+7 pour les devis non signés. Conversion attendue : +40% sur les devis dormants.
- Newsletter B2B trimestrielle — destinée aux 412 connexions LinkedIn B2B (mutuelles, médecins du travail, consultants), positionnement et autorité plutôt que prospection directe.
L’ensemble reste dans le même budget de run-cost. C’est le levier sous-estimé du modèle “code que vous possédez” : chaque nouvel agent coûte ~0 € marginal, là où chaque nouveau SaaS coûte un nouvel abonnement à perpétuité.
Sources : audit Openclaw d’un cabinet de chirurgie esthétique parisien, sprint avril 2026. Tous les chiffres validés par le chirurgien fondateur, anonymisés à la demande. Spécifications techniques : Doctolib Pro API, Mailchimp Marketing API v3, LinkedIn UGC Post API. Benchmarks ouverture/clic newsletter santé : Mailchimp Industry Benchmarks 2026.