Mettre en place un chatbot en sept points

Accompagner les patients dans l’ambulatoire ou assurer un support pour la prise de rendez-vous des patients dans les établissements hospitaliers mais aussi répondre aux questions autour de produits hors médicament des laboratoires pharmaceutiques, les chatbots font leur début dans la santé sur le marché français. Dans l’industrie pharmaceutique, ils affichent par exemple les noms de Nina chez Sanofi, Annabelle chez Pierre Fabre. De la définition de la cible et de l’application à leur maintien en vie réelle en passant par le choix de la technologie et le déploiement, mind Health revient sur les sept points à prendre en compte.

1 – Définir l’usage

Avant de travailler sur la technologie de l’agent conversationnel, la première étape consiste à bien définir la cible. En effet, le contenu et les contraintes réglementaires ne sont pas les mêmes quand le chatbot doit dialoguer avec des professionnels de santé ou avec des patients. “Dans l’industrie, nous avons trois types d’utilisateurs : les laboratoires qui ont des sites Internet à destination des patients sur des maladies ; ceux qui veulent répondre aux professionnels de santé pour des questions sur leurs produits ; et les sociétés de technologies ou les agences qui n’ont pas d’intelligence artificielle et intègrent notre technologie dans un projet pour un laboratoire”, observe Alexis Hernot, cofondateur et CTO de Calmedica. Des stratégies adoptées notamment par Sanofi et Pierre Fabre. Le premier a mis à disposition son chatbot Nina fin 2017 pour répondre à toute heure aux questions des patients autour de sa gamme de compléments alimentaires dans le domaine des troubles du sommeil. Le second a développé deux chatbots, l’un pour accompagner les professionnels de santé et professionnels concernés par la prise en charge du paludisme et l’autre, nommé Anabelle, destiné aux utilisateurs autour de sa marque Naturactive en mars 2018 “pour répondre plus vite à notre communauté. Nous mettions beaucoup de temps à répondre et certaines questions étaient relativement similaires. Nous pouvions donc automatiser nos réponses et concentrer l’expertise humaine sur des questions plus spécifiques.