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. Auparavant, nous répondions en moyenne en 24 à 48 heures, alors qu’aujourd’hui pour les questions complexes qui nécessitent une intervention humaine, il ne faut que quelques heures. Anabelle proposé par Naturactive est accessible 24h/24 et 7j/7 via facebook et messenger. L’utilisateur peut converser avec Anabelle via différents menus ou lui poser directement des questions. Anabelle peut répondre à plus de 1 500 requêtes concernant  la marque et les produits Naturactive (gammes, besoins, composants)”, signale Thierry Picard, CDO du laboratoire. Pour ce chatbot, 27 semaines après sa mise à disposition, le laboratoire enregistrait 216 utilisateurs et 620 messages envoyés..

La start-up WeFight, dont le chatbot Vik répond aux questions sur le cancer du sein depuis fin 2017, se positionne sur l’accompagnement des patients. La société travaille actuellement avec des laboratoires pharmaceutiques dans le cadre “de lancement de médicaments, avec par exemple des modalités de prise compliquées. Ils sont intéressés pour développer des solutions numériques d’accompagnement”, indique Benoît Brouard, cofondateur et P-DG de WeFight. De son côté, Olivier Thuillart, P-DG et cofondateur de la société BotDesign qui a notamment travaillé avec Pierre Fabre sur le chatbot Anabelle, dévoile “des discussions avec l’industrie pharmaceutique pour les études cliniques. Nos solutions permettent un gain de temps sur l’enrôlement des patients et le recueil du consentement. Le bot les aide à bien comprendre la partie législative. Plus généralement, nous passons du temps au début de chaque projet pour bien comprendre l’usage et définir le besoin. Sinon le bot ne sera pas pérenne dans le temps”.

2 – Choisir la technologie en tenant compte des limites

“A date, le chatbot n’est pas une technologie aussi intelligente qu’on le pense”, observe Thierry Picard qui souligne qu’il s’agit “avant tout d’un arbre décisionnel”. Benoît Brouard de WeFight avertit pourtant : “La technologie est beaucoup plus complexe qu’une arborescence. En effet, plus on crée de contenus, plus le système d’arborescence devient ingérable. Aujourd’hui, l’enchaînement des contenus se crée à la volée”. Il ajoute : “L’enjeu est de comprendre ce que les gens disent. Nous avons développé nos propres algorithmes de compréhension du langage à partir d’une base de contenu élaboré avec des médecins et des pharmaciens”. De son côté, Alexis Hernot de Calmedica précise : “le robot n’écrit pas tout seul. Il va piocher la réponse parmi celles qui ont été préalablement validées. S’il n’a pas la réponse, il informe l’utilisateur et l’administrateur”.

La technologie de compréhension du langage est ainsi un élément clé dans le choix. Un constat fait notamment par Robin Coulet, directeur associé de l’Agence Conversationnel qui a développé un département dédié : “La technologie peut être relativement simple. L’intelligence artificielle qui est associée peut être sémantique, c’est-à-dire qui reconnait du texte et sait traduire. Le vrai métier de concepteur de chatbot consiste à paramétrer l’IA pour prendre en compte l’intention et pouvoir être enrichie au fur et à mesure”. Rémy Choquet, directeur de l’innovation et de la prospective d’Orange Healthcare renchérit : “dans la construction d’un chatbot, la complexité vient de la sensibilité du domaine que l’on souhaite adresser. Le taux de précision de bonnes réponses pour une conversation courante dans un domaine commun (relation client) peut atteindre 75 à 80 %. C’est probablement acceptable pour la gestion de prise de rendez-vous par exemple. Ça ne l’est plus forcément pour un chatbot  qui devra suivre un patient atteint de cancer ou prodiguer des conseils pour des prescriptions médicales. Or, à ce jour, pour arriver à un taux de réponses fiables à 90 %, il faut que toutes les questions soient programmées à l’avance. Une variabilité d’interprétation pouvant être dangereuse selon le cas d’usage”.

D’autres technologies peuvent s’ajouter au chatbot. Pour ses agents conversationnels qui s’adressent aux patients dans le cadre d’essais cliniques, BotDesign réfléchit à l’utilisation de systèmes de certificats et de règles de cryptage, basé entre autres sur une technologie blockchain, pour s’assurer que “c’est le bon patient qui répond au robot lorsqu’il s’agit de recueil de consentement ou de suivi des effets secondaires”, indique Olivier Thuillart.

3 – Préparer et mener la phase d’apprentissage

Après le choix de la technologie, la phase d’apprentissage ne doit donc pas être sous estimée. “Une fois que le cas d’usage est délimité, il faut construire une base d’intentions, c’est-à-dire les questions d’intérêt. Puis il faut travailler avec les experts pour formuler et intégrer les réponses”, détaille Rémy Choquet. Pour son chatbot Nina, Sanofi s’est appuyé sur les questions les plus posées sur ses pages des réseaux sociaux ainsi que celles reçues par téléphone et par courrier. Alexis Hernot de Calmedica souligne : “la première série de questions types est réalisée par le laboratoire. Ensuite, nous enrichissons cette liste. Pour chaque question type, nous en générons neuf supplémentaires en utilisant des synonymes, des tournures de phrases… Nous avons mis au point un algorithme capable de converger très rapidement. Nous sommes capables de lui enseigner à partir de dix exemples. En parallèle de la phase d’apprentissage, nous travaillons sur le tableau de bord, les indicateurs, les alertes, l’ergonomie…” Chez Pierre Fabre, une page Facebook existait depuis 2009 et recensait 36 000 fans. “Nous avions reçus des questions classées en trois à quatre familles, puis nous avions les informations de SAV sur nos diffuseurs d’huiles essentielles”, explique Thierry Picard. La phase d’apprentissage a pourtant duré quatre à six mois, rappelle le dirigeant. “L’outil en lui-même ne prend pas beaucoup de temps à déployer. L’enjeu est sur l’apprentissage. Il faut lui apprendre à reconnaître la question puis y répondre”, précise-t-il. Une phase de tests vise ensuite à mettre le chatbot en vie réelle. “Cela permet, au delà de la mesure de performance du bot, de capturer une variabilité plus grande d’expression de ces intentions et ainsi d’enrichir la base d’intentions et éventuellement de réponses. Un opérateur valide alors si la réponse apportée était la bonne. Cette étape est primordiale pour améliorer l’efficacité du chatbot”, détaille Rémy Choquet. Robin Coulet conseille de mener une période de bêta test “avec un petit nombre d’utilisateurs qui vont essayer de faire craquer la compréhension du texte pour trouver ses limites et identifier des rebonds, c’est-à-dire comment répondre à certaines questions sensibles, détecter la pharmacovigilance… “   

4 – Intégrer le chatbot dans les canaux d’accès et dans les systèmes d’information

“L’avantage des chatbots est que tout se fait sous forme de discussion et ils peuvent se connecter à de nombreux services. Ils sont disponibles sur les applications mobiles, les SMS, Messenger…”, détaille Benoît Brouard de Wefight. Chez Calmedica, Alexis Hernot renchérit : “Ces systèmes ne sont pas liés à un canal particulier. Notre robot n’a pas pour objectif de remplacer un canal mais de compléter un site Internet, une application mobile, etc.” Si la question du canal de diffusion du chatbot ne semble pas être limitant, son intégration dans le système d’information du laboratoire peut présenter plus de difficultés. Comme le confirme Rémy Choquet d’Orange Healthcare : “Il existe un travail à réaliser pour intégrer le chatbot dans des process (par exemple qualité) qui sont déjà en place. Il faut mesurer leur effet, le risque de leur utilisation et les intégrer à l’organisation technique”. Robin Coulet de l’Agence Conversationnel détaille notamment “si le chatbot doit être connecté à un CRM peut demander du temps”.

5 – Prendre en compte les contraintes réglementaires

La mise en oeuvre de chatbots dans le domaine de la santé doit répondre aux contraintes réglementaires, comme celle de faire remonter les questions de pharmacovigilance. “Nous avons un système natif qui examine la conversation et déclenche une alerte en temps réel. Cette alerte peut par exemple concerner la pharmacovigilance”, détaille Alexis Hernot de Calmedica. Thierry Picard rappelle également les limites liés aux échanges entre les laboratoires et les patients : “nous n’avons pas le droit de faire des recommandation, des prescriptions…” Enfin, quand l’utilisateur partage des données de santé, il faut prévoir un hébergement de données de santé agréé ou certifié.

6 – Faire évoluer le chatbot

Une fois mis à disposition, le chatbot doit être maintenu. “En phase de réelle, le chatbot a toujours besoin d’une surveillance. Cela concerne le stockage des données via un hébergement de données de santé et le maintien en condition opérationnelle du chatbot. Le client doit mettre en place des procédures pour s’assurer que le chatbot apporte toujours les bonnes réponses”, signale Rémy Choquet. “Nous installons un tableau de bord avec l’utilisateur. Nous remontons les statistiques dans un système, qui peut être le nôtre ou celui du client. Nous intervenons ensuite pour ajouter des questions, améliorer la pertinence des réponses, revoir les indicateurs…”, détaille Alexis Hernot.

Et les acteurs de la santé s’intéressent aux évolutions technologiques, comme les voice bot. “Nous réfléchissons à des services autour de la sphères ORL ainsi qu’à un service contrôler par la voix pour l’ensemble des marques Consumer healthcare”, confie thierry Picard chez Pierre Fabre. Benoît Brouard imagine également que l’assistant vocal sera “probablement la prochaine évolution de VIk, mais cela demande de retravailler chaque version de manière importante”.

7 – Tenir compte des délais et des coûts

“Il s’agit de budgets relativement abordables de quelques milliers d’euros, ce qui nous a permis de lancer plusieurs projets”, détaille Thierry Picard de Pierre Fabre. le laboratoire qui a réalisé un hackathon sur le thème des chatbot en 2017 a profité de ces expériences pour se doter de la technologie en interne au sein de sa direction Dopsi. Tous les acteurs s’accordent sur une enveloppe variable. Alexis Hernot de Calmedica indique que “le coût dépend de la technicité. Pour la mise en place, il faut compter entre 10 000 et 30 000 euros puis une licence mensuelle de 500 à 1 500 euros couvre l’évolution du chatbot”. Pour Robin Coulet, le budget peut aller de 10 000 à 100 000 euros, tandis que Rémy Choquet détaille : “un premier POC peut débuter à 30 000 euros et pour des projets très compliqués cela peut monter à quelques centaines de milliers, voire millions d’euros”.

Thierry Picard rappelle par ailleurs que le projet Anabelle a duré quatre mois et a mobilisé deux personnes à temps plein pour le pilotage. Cinq personnes sont ensuite intervenues pendant une quinzaine de jours pour la période de tests. “Il faut compter un à deux mois pour la mise en place d’une première version. Puis sur les trois premiers mois, une analyse fine permet de vérifier que l’ensemble des problématiques sont couvertes”, estime Alexis Hernot de Calmedica. Chez Orange Healthcare, Rémy Choquet prévient : “Suivant la performance voulue du chatbot, un projet peut se dérouler entre quatre mois et un an. Cela dépend de la définition du cas d’usage, des données à disposition pour fabriquer le chatbot, si il est paramétré pour donner des conseils, etc.”