Une enquête menée auprès de 166 organismes publics à travers le monde le confirme, 26 pour cent d’entre eux s’étant déjà dotés de chatbots et 59 pour cent envisageant de le faire dans les trois années à venir (graphique 1). De même, une étude portant sur 230 services publics reposant sur l’IA proposés dans l’Union européenne montre que les chatbots se classent en tête des applications de l’IA, puisqu’ils sont présents dans plus d’un cinquième des services étudiés (Commission européenne, 2020). Le marché mondial de l’IA conversationnelle, dont celui des chatbots et des assistants virtuels intelligents, devrait enregistrer un taux de croissance annuel composé (Compound annual growth rate – CAGR) de 22 pour cent au cours de la période 2020-2025, pour atteindre près de 14 milliards de dollars des États-Unis (USD) (Deloitte, 2017).

Un chatbot (ou assistant virtuel) est un algorithme qui tient une conversation textuelle ou vocale. Les chatbots ne sont pas une technologie réellement nouvelle – ainsi, la programmation du premier chatbot remonte à 1966 et devait permettre de découvrir si les humains seraient capables de déterminer s’ils parlaient à une personne ou à une machine –, mais ils offrent aujourd’hui des possibilités décuplées grâce aux avancées des technologies reposant sur l’IA et à l’évolution des modes de communication (Van Noordt et Misuraca, 2019).

Les chatbots sont des programmes informatiques capables de reconnaître le message d’un utilisateur en faisant appel à des techniques de filtrage par motif (pattern matching), d’accéder à des informations contenues dans une base de données et de répondre à l’utilisateur au moyen de ces informations. Alors que les chatbots les plus rudimentaires utilisent des réponses préprogrammées pour communiquer, les plus avancés font appel à l’IA, grâce à laquelle les machines peuvent mieux analyser et traiter le langage dans son contexte (technique plus connue sous le nom de traitement du langage naturel ou TLN), ce qui permet aux chatbots d’exécuter des tâches plus complexes et de tenir des conversations plus proches d’une conversation humaine. Les administrations publiques font de plus en plus appel aux chatbots pour faire face à d’énormes volumes d’interactions avec le public et pour aider les usagers à se repérer dans des politiques et des dispositions législatives complexes afin d’accéder aux services publics (Henman, 2020).

Pour une communication centrée sur l’usager dans les institutions de sécurité sociale: expériences des institutions membres de l’AISS

Compte tenu de l’importance que revêt l’interaction avec les usagers pour l’administration de la sécurité sociale, l’engouement des institutions de sécurité sociale pour les chatbots n’est guère surprenant. Cependant, même si ces outils peuvent à la fois améliorer la satisfaction des usagers et l’efficience opérationnelle, leur utilisation n’a rien d’un processus linéaire. Les perspectives, coûts et risques qui leur sont associés peuvent varier considérablement selon la technique de mise en œuvre, le moyen de communication choisi, les objectifs visés, la capacité opérationnelle et le canal de communication (AISS, 2021). À travers ses Lignes directrices, l’Association internationale de la sécurité sociale (AISS) promeut une utilisation responsable des chatbots. Ainsi, la Ligne directrice 10 des Lignes directrices de l’AISS en matière de communication des administrations de sécurité sociale (AISS, 2019a) porte sur l’utilisation stratégique des nouvelles technologies dans tous les domaines dans lesquels il est possible de recourir à des chatbots sur les réseaux sociaux et les systèmes de messagerie, et la Ligne directrice 14 concerne l’information orientée client. La Ligne directrice 5 des Lignes directrices de l’AISS en matière de qualité des services (AISS, 2019b) est consacrée à la compréhension des besoins et attentes des usagers, qui est aussi importante dans le cadre du processus de développement de chatbots. Enfin, les Lignes directrices de l’AISS en matière de technologies de l’information et de la communication (AISS, 2022a) évoquent la mise en place d’un centre de services et d’exécution des demandes, notamment d’un centre de services virtuels (Ligne directrice 17), de même que les utilisations potentielles des technologies émergentes (Ligne directrice 96), qui contextualisent le recours aux chatbots comme application de l’IA. L’AISS facilite également le dialogue entre institutions membres, ce qui leur permet de découvrir les subtilités des chatbots. Ainsi, lors de la 16ᵉ Conférence internationale de l’AISS sur les technologies de l’information et de la communication dans le domaine de la sécurité sociale, une séance consacrée à l’IA a été l’occasion de mettre en lumière les perspectives ouvertes par les chatbots intelligents et la complexité de ces outils. Le présent article analyse ces expériences, s’inscrivant dans le prolongement d’un autre article, consacré à l’utilisation des chatbots en Amérique latine (AISS, 2021).

Office national de l’emploi, Belgique

En Belgique, l’Office national de l’emploi (ONEM) s’est doté d’un chatbot pour alléger la charge de travail du centre de contact, confronté à un afflux de demandes sans précédent à la suite de la pandémie de COVID-19 (Office national de l’emploi, 2021, 2022). Le premier chatbot, dénommé Marc, a été installé sur le site de l’ONEM en mai 2020. Dans un premier temps, il ne répondait qu’à un seul type de demande, à savoir qu’il permettait aux usagers d’obtenir rapidement un exemplaire de la fiche fiscale à joindre à la déclaration de revenu. En mai 2021, ses fonctionnalités se sont considérablement enrichies et un nouveau chatbot, Ori, a été lancé. L’analyse des questions que les usagers posaient à Ori a permis d’installer une version plus performante en décembre 2021. Le chatbot est désormais capable de répondre à un ensemble de questions liées au chômage et aux interruptions de carrière. Il facilite aussi la navigation sur le site Web de l’ONEM. Il sert par ailleurs d’outil de promotion pour développer l’utilisation de l’e-box, la boîte aux lettres virtuelle et sécurisée qui permet aux administrations belges de communiquer en toute sécurité avec les citoyens. Le chatbot se souvient du contexte dans lequel se trouve la personne lorsqu’elle pose des questions, si bien qu’il peut continuer à l’aider quelles que soient la page du site où elle se trouve et la manière dont elle navigue sur le site. Enfin, les thèmes qu’il couvre sont actualisés régulièrement à partir de l’analyse des questions posées par les usagers.

Institution d’assurance sociale, Finlande

En Finlande, l’Institution d’assurance sociale (Kela) a créé deux chatbots, Kela-Kelpo et FPA-Folke, pour aider les usagers à trouver des informations sur les prestations sur son portail Web en libre-service (Institution d’assurance sociale, 2022a et 2022b). Grâce au traitement du langage naturel, les chatbots s’expriment dans deux langues – le finnois et le suédois – et comprennent également l’anglais. Kela a commencé à faire appel à des chatbots en 2017. Entre 2017 et 2021, elle les a en permanence enrichis d’informations sur un nombre croissant de prestations. En 2020, elle les a fusionnés, créant Kela‑Kelpo/FPA‑Folke, afin d’éviter aux usagers d’avoir à s’adresser à plusieurs chatbots pour avoir des informations sur différentes prestations. Cet agent conversationnel permet de trouver plus facilement les informations et de mieux les comprendre et aide à remplir les demandes de prestations. De plus, il fournit des conseils personnalisés à partir de variables contextuelles à mesure que les usagers remplissent des demandes de prestations parentales, d’aide sociale et autres. Durant la crise de la COVID-19, un chatbot spécialisé a été installé temporairement pour répondre aux questions relatives aux prestations sociales liées à la COVID-19.

Assurance pension allemande – Agence fédérale

L’Assurance pension allemande – Agence fédérale (Deutsche Rentenversicherung Bund – DRV-Bund) a créé un chatbot pour répondre aux questions fréquemment posées par les assurés (Assurance pension allemande – Agence fédérale, 2021). Conçue comme un premier pas vers la création d’un chatbot beaucoup plus complet, cette initiative visait à garantir un accès à l’information 24 heures sur 24 et 7 jours sur 7. Le chatbot fait appel aux technologies de l’IA pour simuler le langage naturel et permet au personnel de disposer de temps pour s’occuper de tâches plus complexes. Comme il n’est que dans la phase initiale de sa mise en œuvre, son utilisation reste marginale (5 pour cent). La DRV-Bund a l’intention de l’enrichir prochainement d’une fonctionnalité d’aide au remplissage de formulaires.

Fonds de prévoyance des salariés, Malaisie

En Malaisie, le Fonds de prévoyance des salariés (Employees Provident Fund – EPF) a créé ELYA (pour EPF Loves You Always), un assistant virtuel bilingue utilisant le traitement du langage naturel et reposant sur un système de messagerie instantanée (Fonds de prévoyance des salariés, 2021a et 2021b). L’EPF dispose d’un centre d’appels chargé de répondre aux questions des usagers, mais celui-ci recevait 5 000 appels par jour pour une capacité de traitement de 4 000, si bien que le taux d’abandon des appels atteignait 25 pour cent. Parallèlement, dans 82 pour cent des cas, les réponses aux demandes de renseignements se trouvaient déjà sur le site Web de l’EPF, ce qui signifie que le centre d’appels ne fonctionnait pas efficacement. Par ailleurs, une enquête a révélé que 55 pour cent des usagers éprouvaient des difficultés à naviguer sur le site. ELYA a donc été créé pour les aider à trouver par eux-mêmes l’information recherchée et pour réduire ainsi le volume des appels reçus par le centre d’appels.

Le lancement d’ELYA a été précédé par une analyse détaillée des problèmes et besoins, en 2017-2018. En 2019-2020, l’EPF a créé un chatbot simple, avant de déployer le chatbot conversationnel actuel, en 2021-2022. Il prévoit de développer encore les capacités d’ELYA en 2023-2024 pour qu’il puisse fournir des conseils. ELYA s’exprime en anglais et en malais, conversant et traitant de manière interactive des questions sur environ 30 produits et services de l’EPF. Il est disponible 24 heures sur 24 et 7 jours sur 7 sur le site Web de l’EPF et il est assorti d’un mécanisme qui redirige en temps réel les questions complexes vers un agent humain pendant les heures ouvrées. Il repose sur une base de connaissances représentative, qui a été constituée avec soin par regroupement d’informations fournies par des représentants des assurés, de messages électroniques des assurés et des questions fréquemment reçues par le centre d’appels. Les Lignes directrices de l’AISS en matière de communication des administrations de sécurité sociale, en particulier la Ligne directrice 14, consacrée à l’information orientée client, a servi de référence lors de la conception d’ELYA. ELYA applique également les quatre principes définis dans les Lignes directrices de l’AISS en matière de bonne gouvernance (AISS, 2019c), à savoir transparence, prévisibilité, participation et dynamisme, et repose sur l’utilisation d’une langue claire et simple et sur le recours à des plateformes orientées utilisateurs.

Résultats

Le tableau 1 recense les résultats obtenus par ces institutions grâce à des chatbots.

Tableau 1. Résultats obtenus grâce à des chatbots

Institution	Résultats obtenus
ONEM, Belgique	16 833 personnes ont utilisé le chatbot, soit près de 9 pour cent de celles qui consultent le site Web (septembre 2021). 18 616 conversations ont été enregistrées (septembre 2021). 55 275 messages (questions) ont été postés, parmi lesquels 616 seulement n’ont pas pu être correctement interprétés par le chatbot (septembre 2021).
Kela, Finlande	Le chatbot a tenu 64 372 conversations (2021). 108 817 questions ont été posées (2021). 89 pour cent des conversations sont de bonne qualité et 40 pour cent des commentaires des usagers sont positifs. Pendant la période durant laquelle il a été en place, le chatbot créé à l’occasion de la COVID-19 a tenu 18 678 conversations et répondu à 31 567 questions.
DRV-Bund, Allemagne	Encore en phase initiale, en attente des résultats
EPF, Malaisie	1,6 million de conversations ont été enregistrées entre juin 2020 et mars 2021, soit en moyenne 6 100 conversations d’environ 12 minutes par jour, ce qui a contribué à un taux de satisfaction des clients élevé (4,1/5) à l’égard de la stratégie numérique de l’EPF dans son ensemble.

Principaux facteurs de réussite

Traduire des informations juridiques et administratives complexes en contenu conversationnel exige de la rigueur au niveau de la conception, de l’entraînement et des tests. En Belgique, l’ONEM a sollicité la contribution de spécialistes du développement clientèle et a testé le chatbot de façon continue pour que le langage utilisé soit adapté à l’usager moyen. En Malaisie, l’EPF a fait appel à 200 personnes au cours des phases alpha et bêta du développement du produit pour s’assurer, avant de déployer le chatbot, de ses capacités de compréhension et de l’exactitude des réponses fournies. De plus, humaniser le chatbot et lui donner une personnalité aide l’usager à établir un lien avec lui sur un plan émotionnel. En Allemagne, la DRV-Bund a constaté que le nom «chatbot» rebutait beaucoup d’utilisateurs. Conscient de cette difficulté, l’EPF, en Malaisie, a doté ELYA d’une personnalité qui a séduit les usagers.

Une maintenance et une amélioration continues sont indispensables à une adoption durable de l’outil par les usagers. Il est indispensable d’évaluer la qualité de la conversation et l’exactitude des réponses par rapport à des critères prédéfinis. L’ONEM, en Belgique, a analysé quotidiennement les réponses fournies par le chatbot pour corriger d’éventuelles erreurs dans les réponses. En Finlande, lorsque le chatbot est dans l’incapacité de répondre à une question, le personnel de Kela publie rapidement les réponses en fonction de la fréquence à laquelle la question risque d’être posée. En Malaisie, l’EPF publie des fonctionnalités supplémentaires du traitement naturel du langage par lots d’après l’analyse des demandes de renseignements des usagers.

Un personnel dédié et la collaboration entre équipes sont nécessaires pour que le lancement de chatbots soit couronné de succès. L’ONEM, en Belgique, a désigné un responsable spécialement chargé de piloter le développement et l’entraînement du chatbot. Ce responsable a un intérêt pour les technologies de l’information, mais il connaît surtout très bien les services et produits proposés par l’ONEM. Il se charge de réunir des compétences complémentaires en sollicitant d’autres équipes, par exemple celles chargées des technologies de l’information, du développement clientèle, etc. En Finlande, Kela fait appel à des entraîneurs de chatbots, chargés de créer les dialogues, d’entraîner le chatbot et d’entretenir la qualité en coopération avec des spécialistes du développement clientèle. En Allemagne, la DRV-Bund dispose d’une équipe éditoriale composée de membres du personnel administratif qui reçoivent une formation à l’édition. En Malaisie, l’EPF a mobilisé une équipe multidisciplinaire composée de concepteurs de chatbots, de concepteurs de conversation, d’entraîneurs de chatbots, d’administrateurs système et d’analystes en IA.

Pour que les chatbots fonctionnent correctement, il est aussi important d’investir dans l’infrastructure que dans le personnel. La DRV-Bund, en Allemagne, a examiné les diverses options qui s’offraient à elle pour intégrer son chatbot sur son site Web. L’existant technologique et l’envergure du projet sont des critères déterminants au moment de choisir les technologies. Dans le cas de la DRV-Bund, l’utilisation de la technologie d’un fournisseur de cloud a permis de réduire les coûts.

Enfin, on ne dira jamais assez que les chatbots ne sont qu’un canal de communication parmi de nombreux autres. Pour établir un véritable dialogue avec les usagers, les institutions de sécurité sociale ont besoin de canaux numériques et physiques, chaque canal ayant des fonctionnalités singulières et complémentaires. Ainsi, Kela dispose, en plus de son chatbot, de 147 centres de services, de centres de téléservices dans 79 communes, d’e-services et d’un centre d’appels. S’agissant du chatbot installé sur son site Web, elle veille à ce qu’il ne se contente pas de répéter les informations qui se trouvent déjà sur le site et elle cherche au contraire à renforcer l’utilité du site en fournissant aux usagers des informations supplémentaires et des exemples. Au fil du temps, l’amélioration de l’efficacité des chatbots peut se traduire par une moindre mobilisation des autres canaux. Il faut en tenir compte à l’étape de la planification et de l’affectation des ressources.

Conclusions

D’après certaines estimations, fin 2022, en moyenne, une personne discutera plus souvent avec un chatbot qu’avec son propre conjoint (Deloitte, 2017). Les chatbots sont donc appelés à faire partie intégrante de la stratégie globale de communication des institutions de sécurité sociale avec leurs usagers.

Les institutions de sécurité sociale doivent tirer plusieurs enseignements fondamentaux des initiatives décrites dans cet article. Premièrement, les chatbots sont complémentaires des canaux numériques et humains existants: ils peuvent en remplacer certains et en améliorer d’autres. En outre, dans certains cas, la coexistence d’autres canaux reste nécessaire parce que l’utilisation de chatbots n’est pas souhaitable pour des raisons liées au respect de la vie privée et aux cadres juridiques en place. Deuxièmement, il ne faut pas sous-estimer le cycle de développement d’un chatbot. Les institutions auraient intérêt à commencer par un projet modeste, d’ampleur limitée, comme l’ont fait l’ONEM, en Belgique, et l’EPF, en Malaisie. Troisièmement, le développement d’algorithmes capables de traduire des informations administratives en conversation – en tenant compte du contexte dans lequel se trouvent les usagers – est une tâche dont la complexité exige le recours à un processus hautement itératif pour entraîner et publier de nouvelles solutions d’apprentissage automatique du traitement du langage naturel en un court laps de temps, parfois en l’espace d’une journée. Il est donc impératif d’investir dans des ressources humaines spécifiques, en particulier dans du personnel spécialisé dans les services à la clientèle qui se chargera du travail quotidien d’analyse, de révision et de maintenance. Quatrièmement, il faut concevoir les chatbots en se plaçant du point de vue des usagers, ce qui suppose de dialoguer régulièrement avec eux et de recueillir leur avis. Enfin, les chatbots engendrent de nouvelles préoccupations juridiques et éthiques pour les institutions de sécurité sociale (Henman, 2020). Ainsi, l’ONEM a dû veiller à ce que le chatbot ne collecte pas de données personnelles, conformément à la législation stricte applicable en matière de protection de la vie privée. L’IA étant de plus en plus sophistiquée, l’idée qu’elle pourrait apprendre des comportements nuisibles dans le cadre de ses interactions avec les usagers suscite des inquiétudes (AISS, 2020).

Comme le montrent les expériences présentées dans cet article, les institutions de sécurité sociale qui anticipent les problèmes de responsabilité et de protection des données ont plus de chances de tirer pleinement parti des effets positifs des chatbots intelligents. L’AISS aide ses membres à adopter la technologie des chatbots et à faire face aux problèmes de mise en œuvre, à commencer par les problèmes liés à l’application de l’IA, à travers des lignes directrices (AISS, 2022a), l’échange de bonnes pratiques entre institutions (AISS, 2020 et 2022b) et l’organisation de rencontres.

Références

AISS. 2019a. Lignes directrices de l’AISS en matière de communication des administrations de sécurité sociale. Genève, Association internationale de la sécurité sociale.

AISS. 2019b. Lignes directrices de l’AISS en matière de qualité des services. Genève, Association internationale de la sécurité sociale.

AISS. 2019c. Lignes directrices de l’AISS en matière de bonne gouvernance. Genève, Association internationale de la sécurité sociale.

AISS. 2020. L’intelligence artificielle dans le domaine de la sécurité sociale: histoire et expériences. Genève, Association internationale de la sécurité sociale.

AISS. 2021. L’utilisation de chatbots dans la sécurité sociale: expériences de l’Amérique latine. Genève, Association internationale de la sécurité sociale.

AISS. 2022a. Lignes directrices de l’AISS en matière de technologies de l’information et de la communication. Genève, Association internationale de la sécurité sociale.

AISS. 2022b. Les TIC face à la COVID-19: s’appuyer sur l’accélération de la transformation numérique pour construire des systèmes de protection sociale meilleurs et plus résilients (Rapport de synthèse 2020-2022 d'une commission technique de l'AISS). Genève, Association internationale de la sécurité sociale.

Assurance pension allemande - Agence fédérale. 2021. Using chatbots to improve e-services: What we learned at the ZfA division of DRV-Bund (Webinaire de l’AISS: Améliorer le service client grâce aux chatbots intelligents, 8 décembre). Genève, Association internationale de la sécurité sociale.

Commission européenne. 2020. AI watch - Artificial intelligence in public services. Luxembourg, Office des publications de l'Union européenne.

Deloitte. 2017. Conversational AI - Five vectors of progress. Chatbots. Londres.

Fonds de prévoyance des salariés. 2021a. ELYA: l’assistant virtuel bilingue du Fonds de prévoyance des salariés - Offrir aux affiliés un libre-service, partout et en tout temps (Bonnes pratiques en sécurité sociale). Genève, Association internationale de la sécurité sociale.

Fonds de prévoyance des salariés. 2021b. EPF Chatbot: A case study in Malaysia (Webinaire de l’AISS: Améliorer le service client grâce aux chatbots intelligents, 8 décembre). Genève, Association internationale de la sécurité sociale.

Gartner. 2021. Gartner says government organizations are increasing investment in AI, but their workforce remains apprehensive. Stamford, CT, Gartner Inc.

Henman, P. 2020. «Improving public services using artificial intelligence: possibilities, pitfalls, governance», dans Asia Pacific Journal of Public Administration, vol. 42, No 4.

Institution d'assurance sociale. 2022a. Le chatbot Kela: une aide bilingue en ligne pour les usagers, 24 h/24 et 7 j/7 (Bonnes pratiques en sécurité sociale). Genève, Association internationale de la sécurité sociale.

Institution d'assurance sociale. 2022b. Kelas bilingual chatbot (Présentation à la 16ᵉ Conférence internationale de l’AISS sur les technologies de l’information et de la communication dans le domaine de la sécurité sociale, Estonie). Genève, Association internationale de la sécurité sociale.

Office national de l'emploi. 2021. Chatbot Ori (Webinaire de l’AISS: Améliorer le service client grâce aux chatbots intelligents, 8 décembre). Genève, Association internationale de la sécurité sociale.

Office national de l'emploi. 2022. Création et mise en ligne d’un chatbot sur le site Web de l’Office national de l’emploi (Bonnes pratiques en sécurité sociale). Genève, Association internationale de la sécurité sociale.

Van Noordt, C.; Misuraca, G. 2019. New wine in old bottles: Chatbots in government (Document de conférence, 11th International Conference on Electronic Participation (ePart), San Benedetto Del Tronto, septembre).