Cet article examine l’intégration du deep learning et du traitement automatique du langage naturel (NLP) dans le développement de chatbots médicaux capables de proposer des diagnostics et des recommandations à partir des symptômes fournis par les usagers. La commune rurale de Sangarébougou, au Mali, sert de cas d’étude pour le développement et le déploiement de ce chatbot. Le projet débute par la collecte et le prétraitement d’un corpus de données de santé, suivis de l’analyse et de la tokenisation des données textuelles. Différents algorithmes de NLP et de deep learning sont ensuite mobilisés pour entraîner le modèle. L’implémentation repose sur plusieurs bibliothèques Python, dont TensorFlow et NLTK, pour le traitement du texte et les modèles d’apprentissage. Les résultats montrent que les techniques contemporaines de NLP et de deep learning peuvent atteindre des performances satisfaisantes dans l’appui à l’assistance médicale automatisée. Le chatbot développé parvient à comprendre les questions des usagers et à fournir des réponses pertinentes et précises, contribuant ainsi à améliorer l’accès aux soins dans les zones rurales.