Sujet 8.3 — Science comportementale et adoption

Déployer un système change ce qui est possible ; seul le changement de comportement le rend réel, donc traitez l'adoption comme un résultat conçu et mesuré — pas un sous-produit plein d'espoir de la mise en production.

Pourquoi c'est important dans la santé et l'action sociale#

Un système qui est installé mais non utilisé n'est pas un résultat neutre. Dans la santé et l'action sociale, c'est un risque en direct : les outils à moitié adoptés engendrent des contournements, un enregistrement double, et des lacunes où l'information devrait circuler, et chacun de ceux-ci est une route vers un incident clinique. Quand un hôpital achète une prescription électronique mais qu'une proportion de prescripteurs continue de griffonner sur papier, le dossier est maintenant divisé entre deux médias et le dossier de sécurité construit sur le système numérique échoue discrètement. Le déploiement et l'adoption sont des réalisations différentes, et la distance entre eux se mesure en comportement.

Du côté patient et citoyen, les enjeux concernent l'équité et les résultats. Une application qui gère une condition de longue durée n'aide que les personnes qui la téléchargent, l'activent, et continuent de l'utiliser semaine après semaine — et ces personnes sont de manière disproportionnée plus jeunes, plus riches, plus confiantes numériquement, et déjà en meilleure santé. Si vous mesurez le succès par « le service est disponible », vous pouvez rapporter un triomphe tout en élargissant les inégalités mêmes que le NHS existe pour réduire. Les personnes qui ont le plus besoin d'un parcours de diabète ou d'hypertension sont souvent les moins susceptibles de l'adopter sans aide.

La science comportementale est la discipline qui prend l'adoption au sérieux comme objet de conception et de preuve. Elle s'inscrit aux côtés de — pas à l'intérieur de — la gestion du changement (voir Sujet 8.1 — Gestion du changement), qui dirige la transition organisationnelle, et les communications et l'engagement (voir Sujet 8.2 — Communications et engagement), qui construisent la compréhension et la confiance. La science comportementale est plus étroite et plus spécifique : elle demande ce qui rend un comportement cible unique plus ou moins probable pour une véritable personne dans un véritable contexte, et elle utilise cette compréhension pour rendre l'action souhaitée l'option facile et évidente. Parce que vous influencez les décisions de santé des gens avec de l'argent public, bien faire cela — et le faire éthiquement — fait partie de votre devoir de soin, pas un raffinement optionnel.

Concepts fondamentaux#

Changement de comportement et science comportementale. L'économie comportementale et le domaine plus large du changement de comportement commencent avec un modèle réaliste des gens : l'attention est rare, l'effort est coûteux, les défauts sont collants, et les décisions sont façonnées par le contexte bien plus que par l'information seule. Donner un mémo aux cliniciens, ou un dépliant aux citoyens, change rarement ce qu'ils font ; changer l'environnement environnant le fait habituellement. La question pratique n'est jamais « les gens savent-ils qu'ils devraient ? » mais « qu'est-ce qui rend la bonne action facile, et la mauvaise action plus difficile, ici ? »

Le modèle COM-B et la Roue du changement de comportement. COM-B, développé par Susan Michie et ses collègues à University College London, énonce que tout comportement (B) exige trois conditions : la Capabilité (la capacité physique et psychologique de le faire), l'Opportunité (le contexte social et physique qui le permet et le sollicite), et la Motivation (les pulsions réflexives et automatiques vers lui). La Roue du changement de comportement enveloppe COM-B dans une méthode systématique : diagnostiquez laquelle de la Capabilité, l'Opportunité, ou la Motivation est la contrainte contraignante, puis sélectionnez des fonctions d'intervention (éducation, formation, habilitation, restructuration environnementale, incitation, et autres) qui adressent cet écart spécifique. Sa discipline est qu'elle vous force à diagnostiquer avant d'intervenir, plutôt que de revenir par défaut à encore plus de formation ou encore plus de communications.

Théorie du nudge et architecture de choix. La théorie du nudge, de Richard Thaler et Cass Sunstein, soutient que de petits changements à la façon dont les choix sont présentés — l'architecture de choix — peuvent diriger le comportement sans retirer d'options ou changer les incitations économiques. Les défauts, l'encadrement, l'ordre, et la saillance sont les leviers. Le Behavioural Insights Team du Royaume-Uni (la « Nudge Unit »), fondé à l'intérieur du Cabinet Office en 2010, a rendu cela opérationnel dans les services publics, testant des interventions telles que des messages de norme sociale et des rappels SMS via des essais contrôlés.

Adoption, activation, et utilisation soutenue. Ce sont trois comportements distincts, pas un. L'adoption est le démarrage — se connecter, télécharger, s'inscrire. L'activation est atteindre le point où l'utilisateur vit la valeur centrale (le moment « aha » : envoyer un premier message sécurisé, compléter une première lecture à distance). L'utilisation soutenue est l'utilisation continue et intégrée des semaines et mois plus tard. De nombreux services sont forts sur l'adoption, s'effondrent à l'activation, et sont des cimetières au troisième mois — donc mesurer seulement le premier vous dit presque rien.

Friction, défauts, rappels, et rétroaction. La friction est tout ce qui rend un comportement plus difficile — une connexion, un champ de formulaire, une étape, une attente. Réduire la friction sur le chemin que vous voulez, et l'ajouter aux chemins que vous ne voulez pas, est le levier comportemental le plus fiable que vous ayez. Les défauts fixent le résultat pour les personnes qui ne font rien et sont puissants précisément parce que tant de gens ne font rien. Les rappels résolvent l'oubli ; la rétroaction (progrès, comparaison, confirmation) soutient la motivation une fois le comportement commencé.

Formation d'habitude. Une habitude est un comportement qui devient automatique via une boucle signal-routine-récompense répétée dans un contexte stable. L'utilisation soutenue d'un système clinique est réellement un problème de formation d'habitude : vous voulez qu'ouvrir le système devienne le premier pas irréfléchi d'une tournée de service, pas une décision consciente à chaque fois. Les habitudes se forment via la répétition liée aux signaux existants, ce qui est pourquoi intégrer un nouvel outil dans un flux de travail établi bat l'ajouter à côté de lui.

Incitations et leurs limites. Les incitations — financières, professionnelles, ou réputationnelles — peuvent changer le comportement, mais appliquées grossièrement, elles se retournent. Elles peuvent évincer la motivation intrinsèque, produire du jeu contre la métrique, et arrêter de fonctionner au moment où elles sont retirées. La théorie de l'autodétermination explique pourquoi l'autonomie, la compétence, et l'appartenance soutiennent habituellement le comportement plus durablement que la récompense externe seule.

Courbes de diffusion et d'adoption. Comment une innovation se répand à travers une population est décrit par la diffusion des innovations et le cycle de vie d'adoption technologique — innovateurs et adoptants précoces d'abord, puis les majorités, puis les retardataires. Ceci connecte la science comportementale à la question plus large d'échelonner l'innovation (voir Sujet 8.0 — Échelonner l'innovation) : les leviers comportementaux doivent être ajustés à où un groupe se situe sur cette courbe.

Bonnes pratiques#

1. Définissez le comportement cible précisément, pour un groupe nommé, dans un contexte nommé. « Améliorer l'engagement » n'est pas un comportement ; « les infirmières de district enregistrent une évaluation de plaie sur l'application mobile pendant la visite à domicile, pas après sur papier » l'est. La science comportementale ne fonctionne que sur des spécificités : qui, fait quoi, quand, où, au lieu de quoi. Écrivez le comportement à cette résolution avant de concevoir quoi que ce soit, car une cible vague garantit une intervention vague.

2. Diagnostiquez la barrière avec COM-B avant de choisir une correction. Demandez si la contrainte contraignante est la Capabilité (ils ne peuvent pas — compétences, compréhension, ou l'appareil échoue), l'Opportunité (le contexte le bloque — pas de temps, pas de signal, pas de sollicitation), ou la Motivation (ils ne veulent pas — aucun bénéfice perçu, habitudes concurrentes, ou méfiance). L'intervention découle du diagnostic : un écart de Capabilité a besoin de formation ou simplification, un écart d'Opportunité a besoin de changement environnemental, un écart de Motivation a besoin d'un levier entièrement différent. Sauter le diagnostic est pourquoi les organisations répondent à un problème d'Opportunité avec plus d'e-mails et se demandent pourquoi rien ne bouge (voir Sujet 8.1 — Gestion du changement sur le diagnostic de la résistance).

3. Réduisez la friction sur le chemin souhaité sans relâche. Chaque clic, connexion, champ de texte libre, et changement de contexte supplémentaire perd une fraction de vos utilisateurs, et les fractions se composent. Comptez les étapes dans le parcours actuel, puis supprimez, pré-remplissez, et défaultez votre chemin vers moins. La connexion unique, les défauts sensés, et les formulaires qui arrivent pré-remplis à partir du dossier déplacent souvent l'adoption plus que toute quantité de persuasion, car ils changent l'Opportunité plutôt que de simplement faire appel à la Motivation.

4. Fixez les défauts délibérément et éthiquement. Parce que la plupart des gens acceptent le défaut, le défaut est une décision de conception avec de véritables conséquences — faites-en l'option sûre et recommandée, et rendez le retrait facile et transparent. Les structures de retrait (par exemple, un créneau de rendez-vous par défaut que le patient peut changer) élèvent l'adoption bien plus que les équivalents d'inscription. La ligne éthique est que le défaut doit servir la personne, l'alternative doit rester véritablement disponible, et vous devez être ouvert sur ce que vous avez fait.

5. Utilisez les rappels et la rétroaction pour convertir l'intention en action et la soutenir. Des sollicitations bien synchronisées ferment l'écart entre vouloir agir et agir — la conclusion comportementale classique derrière les rappels de rendez-vous par SMS qui réduisent les taux de non-présentation. La rétroaction (une barre de progrès, une série, une confirmation « votre lecture est dans la plage », une comparaison de pairs) soutient un comportement une fois commencé. Gardez les sollicitations spécifiques, opportunes, et parcimonieuses ; un canal qui sur-notifie est bientôt mis en sourdine ou désinstallé.

6. Concevez pour l'habitude en intégrant dans le flux de travail et les signaux existants. Ne demandez pas aux gens de se souvenir d'utiliser un nouvel outil ; attachez-le à quelque chose qu'ils font déjà à un point fixe — la connexion qui commence la garde, le moment avant la sortie, le huddle quotidien existant. Des signaux stables plus la répétition construisent l'automatisme. Un outil qui vit à l'intérieur du flux de travail devient une habitude ; un qui siège à côté reste une corvée et est abandonné sous pression.

7. Utilisez les incitations prudemment, et surveillez le jeu et l'éviction. Si vous attachez un paiement ou une cible de performance à un comportement, attendez-vous à ce que les gens optimisent pour exactement ce que vous mesurez — parfois au détriment de ce que vous vouliez dire. Préférez les motivateurs intrinsèques et professionnels (autonomie, maîtrise, normes de pairs, bénéfice patient visible) là où vous le pouvez, et traitez les incitations financières comme un catalyseur à court terme plutôt qu'un support permanent. Demandez toujours ce qui se casse quand l'incitation est retirée, car un comportement qui n'existe que tant que vous payez pour lui n'a jamais été adopté.

8. Testez les interventions plutôt que de les supposer. Les effets comportementaux sont dépendants du contexte et surprennent fréquemment même les experts, donc pilotez, testez A/B, ou exécutez un petit essai contrôlé randomisé là où vous le pouvez — la méthode de travail du Behavioural Insights Team. Une comparaison à deux bras de deux formulations de rappel coûte peu et peut doubler l'efficacité. Tester vous protège aussi de déployer avec confiance un nudge qui ne fait rien, ou pire, se retourne pour un sous-groupe.

9. Vérifiez l'effet d'équité de chaque nudge, et concevez d'abord pour les défavorisés. Les nudges et défauts numériques tendent à fonctionner mieux pour les personnes déjà avantagées — alphabétisées, connectées, confiantes, en bonne santé — ce qui signifie qu'une intervention peut élever la moyenne tout en élargissant l'écart. Segmentez vos données d'adoption par âge, précarité, langue, et handicap, et concevez des voies assistées, des replis humains, et un accès par procuration pour ceux que le chemin numérique laisse pour compte (voir Sujet 1.9 — Inclusion numérique et accessibilité et Sujet 3.3 — Services numériques destinés aux patients et citoyens). Une stratégie d'adoption qui n'atteint que les faciles-à-atteindre est un échec déguisé en succès.

10. Mesurez le comportement et l'adoption, pas le déploiement. Instrumentez les véritables comportements — connexions, événements d'activation, utilisation de fonctionnalité, cohortes d'utilisation soutenue, taux de contournement et de retour en arrière, taux de non-présentation et d'adhérence — et rapportez-les contre une base, segmentés par groupe. Les métriques de déploiement (« le système est en direct dans 40 sites ») vous flattent ; les métriques comportementales vous disent la vérité. Faites de l'utilisation soutenue à quatre-vingt-dix jours, pas la mise en production, la définition de fini (voir Sujet 10.1 — Indicateurs clés de performance).

Questions à discuter avec votre équipe#

1. Pour le changement que nous sommes sur le point de faire, quel est le comportement précis unique dont nous avons besoin, de qui, et lequel de la Capabilité, l'Opportunité, ou la Motivation le bloque réellement aujourd'hui ? Cette question force l'équipe au-delà de l'abstraction confortable de « piloter l'adoption » vers le comportement spécifique qui doit se produire — et par qui, quand, et où. Dans un cadre de santé et action sociale, la réponse honnête est souvent inconfortable : la barrière n'est pas que les cliniciens manquent de conscience ou de motivation, mais l'Opportunité, car le système ajoute quatre-vingt-dix secondes à une consultation qu'ils n'ont pas, ou la Capabilité, car il échoue sur le matériel vieillissant du service. Le débat devrait faire surgir la différence entre ce que la direction suppose être la barrière et ce que l'observation et les données de première ligne montrent réellement, car les deux divergent fréquemment. Considérez si vous avez observé de véritables utilisateurs tenter le comportement, ou inférez à partir de plaintes et d'espoir. Une bonne réponse nomme un comportement à haute résolution, cite des preuves pour quel composant COM-B est contraignant, et s'engage à une intervention qui correspond à ce diagnostic plutôt que de revenir par défaut à plus de formation ou plus de communications. La meilleure version identifie un cas où l'équipe était sur le point de corriger le mauvais composant et redirige l'effort.

2. Où dépendons-nous de nudges et défauts qui pourraient mieux fonctionner pour nos utilisateurs déjà avantagés que pour ceux qui ont le plus besoin du service — et comment le saurions-nous même ? C'est la question d'équité que la science comportementale rend inévitable, car les mêmes techniques qui élèvent l'adoption globale peuvent discrètement élargir les inégalités. La tension à débattre est réelle : un défaut de retrait ou un parcours numérique-en-premier élégant peut élever vos chiffres vedettes tout en laissant les patients plus âgés, plus pauvres, moins confiants numériquement, ou non anglophones plus loin derrière, et une moyenne qui s'améliore peut cacher un écart qui grandit. La discussion devrait confronter si vos données d'adoption sont segmentées du tout — par précarité, âge, langue, handicap — ou si vous rapportez un seul chiffre flatteur. Elle devrait aussi examiner quelles voies assistées et non numériques existent pour les personnes que le nudge n'atteint pas, et si ces voies sont ressourcées ou simplement nominales. Une réponse sérieuse accepte que « disponible pour tous » n'est pas la même chose qu'« adopté par tous », s'engage à mesurer la distribution et pas seulement la moyenne, et traite un écart qui s'élargit comme une condition d'échec qui arrêterait ou changerait le déploiement. La réponse la plus faible est celle qui n'a jamais regardé.

3. Où se situe la ligne éthique entre aider les gens à prendre de bonnes décisions de santé et les manipuler — et sommes-nous du bon côté, de manière transparente ? Influencer le comportement en santé porte un devoir que le marketing ordinaire n'a pas, car l'asymétrie de pouvoir est plus grande et le sujet est le corps et la vie des gens. Le débat devrait distinguer l'architecture de choix légitime — rendre l'option saine ou recommandée facile, tout en gardant les alternatives véritablement disponibles et en étant ouvert sur ce que vous avez fait — de la manipulation clandestine, des dark patterns, de l'exploitation de la peur, ou de cacher le retrait. Considérez des cas concrets : un rendez-vous de dépistage par défaut que le patient peut librement changer est défendable ; une conception qui rend le refus délibérément difficile, ou qui utilise la honte, ne l'est pas. L'équipe devrait demander si elle serait à l'aise d'expliquer chaque nudge à la personne qu'il cible, et à un régulateur ou au public, car la transparence est le test pratique de l'influence éthique. L'autonomie, le consentement éclairé, et la confiance ne sont pas des obstacles à l'adoption mais sa fondation (voir Sujet 1.8 — Éthique des données, consentement et confiance publique), et une victoire manipulatrice aujourd'hui dépense la confiance dont vous avez besoin pour chaque futur changement. Une bonne réponse fixe un standard clair, l'applique à vos conceptions réelles, et est prête à retirer un nudge qui fonctionne mais ne peut pas être défendu ouvertement.

4. Avons-nous distingué l'adoption de l'activation de l'utilisation soutenue — et quelqu'un ici possède-t-il réellement le chiffre qui dit que les gens utilisent encore ceci à quatre-vingt-dix jours ? Les équipes effondrent routinièrement trois comportements différents en un seul mot, « adoption », et célèbrent ensuite le mauvais. L'adoption (s'inscrire) est la plus facile à atteindre et la plus flatteuse à rapporter ; l'activation (atteindre le premier moment de véritable valeur) est là où la plupart des services hémorragient discrètement des utilisateurs ; l'utilisation soutenue des mois plus tard est ce qui livre réellement le bénéfice clinique dans le dossier commercial. La discussion devrait confronter où vos propres données s'arrêtent — de nombreux programmes peuvent citer des inscriptions mais n'ont jamais instrumenté le moment d'activation ou tracé une courbe de rétention, donc ils ne peuvent même pas voir la falaise de semaine deux, sans parler de l'expliquer. Elle devrait aussi nommer un propriétaire responsable : si « l'adoption » appartient à tout le monde en général, elle n'appartient à personne en particulier, et le chiffre à quatre-vingt-dix jours devient un orphelin qu'aucun tableau de bord ne porte. Débattez de ce qu'est réellement votre définition de « fini », car si la mise en production compte comme succès, tout le système est optimisé pour cesser de se soucier exactement quand la partie difficile commence. Une réponse honnête sépare les trois comportements, montre l'entonnoir avec de véritables chiffres, et pointe vers une personne nommée responsable de l'utilisation soutenue — pas un dossier de bénéfices qui l'a supposé.

5. Intégrons-nous ce comportement dans un flux de travail et signal existants, ou ajoutons-nous un nouvel outil à côté d'un et espérons que les gens s'en souviendront ? Les habitudes se forment quand un comportement est lié à un signal stable et préexistant et répété, ce qui est pourquoi la question d'intégration est une question comportementale et pas simplement technique. La tension à faire surgir est que la chose la plus facile à livrer — une application autonome ou un portail séparé avec sa propre connexion — est souvent la chose la plus sûrement abandonnée sous pression, car elle rivalise pour l'attention et la mémoire plutôt que de se porter sur quelque chose que l'utilisateur fait déjà. L'équipe devrait examiner, concrètement, à quel moment existant le comportement souhaité s'attachera : la connexion qui commence la garde, l'étape avant la sortie, la tournée de médication matinale. Elle devrait aussi être honnête sur le coût de l'alternative, car intégrer dans le dossier électronique ou le flux de travail quotidien est plus difficile, plus lent, et plus politique que de livrer un outil séparé, et cette difficulté est exactement pourquoi les organisations la sautent. Une bonne réponse identifie le véritable signal et s'engage à l'intégration en contexte même quand une construction autonome serait plus rapide ; la réponse faible livre à côté du flux de travail et blâme les utilisateurs quand l'outil est discrètement abandonné la première semaine occupée.

6. Qu'avons-nous réellement testé ici plutôt que supposé — et nos incitations entraînent-elles discrètement les gens à jouer contre la métrique ? Les effets comportementaux sont notoirement dépendants du contexte et déjouent fréquemment même les experts, donc un plan construit sur une hypothèse confiante plutôt qu'une petite comparaison est un plan portant un risque caché. La discussion devrait demander ce qui pourrait être pilotée ou testé A/B à bon marché avant l'échelonnement — deux formulations de rappel, deux paramètres par défaut, une voie assistée contre aucune — car un test à deux bras coûte peu et change routinièrement la réponse, et car échelonner un nudge non testé peut ancrer quelque chose qui ne fait rien ou se retourne pour un sous-groupe. La conversation doit aussi se tourner vers les incitations, financières ou de cible de performance, et demander quel comportement elles récompensent réellement : attachez un paiement ou une cible à un chiffre et les gens optimiseront pour ce chiffre, parfois au détriment du résultat que vous vouliez dire, et le comportement peut s'effondrer au moment où l'incitation est retirée. Considérez si une cible actuelle pourrait être atteinte tandis que l'intention clinique sous-jacente est manquée, ce qui est la signature du jeu. Une réponse forte nomme ce qui sera testé et comment, traite les incitations financières comme un catalyseur à court terme à surveiller pour les effets secondaires plutôt qu'un support permanent, et demande de chaque incitation ce qui se casse quand elle s'arrête.

En pratique : un exemple de santé et d'action sociale#

Un système de soins intégrés déploie un service de surveillance à distance pour les personnes ayant une insuffisance cardiaque : les patients prennent des lectures quotidiennes de poids et de symptômes sur un appareil fourni, et une équipe hospitalière virtuelle les révise. La technologie fonctionne dans le pilote. Six mois plus tard, le responsable de programme remarque le motif que la science comportementale prédit — une forte inscription, une chute nette après la semaine deux, et un petit groupe démographiquement asymétrique encore utilisant au troisième mois.

Plutôt que de commander plus de dépliants patients, l'équipe exécute un diagnostic COM-B. L'inscription (adoption) va bien. L'effondrement est à l'activation et l'utilisation soutenue, et les barrières diffèrent par groupe. Pour de nombreux patients plus âgés, la contrainte est la Capabilité — la configuration de l'appareil a trop d'étapes — et l'Opportunité — personne ne les sollicite et la lecture quotidienne n'a aucune ancre dans leur routine. Pour les infirmières hospitalières virtuelles, la contrainte est aussi l'Opportunité : réviser les lectures signifie une seconde connexion à un portail séparé qui ne fait pas partie de leur flux de travail existant.

Les interventions suivent le diagnostic. La configuration de l'appareil est défrictionnée vers un kit préconfiguré et prêt à l'emploi livré à domicile, avec un bref appel d'activation en personne ou téléphonique afin que la première lecture — le moment « aha » — se produise avec du soutien. Un rappel quotidien est synchronisé à un signal existant (médication matinale), et un simple message de rétroaction confirme « votre lecture est dans la plage » ou escalade. Pour le personnel, les lectures sont surfacées à l'intérieur du système clinique existant plutôt qu'un portail séparé, transformant la révision en une habitude attachée au début de la garde. De manière cruciale, l'équipe segmente les données d'adoption par âge et précarité, trouve que le chemin numérique échoue le quartile le plus précaire, et ajoute une voie assistée basée sur téléphone et un accès aidant/procuration afin que l'adoption ne suive pas simplement le privilège.

Ils testent la formulation du rappel dans une petite comparaison à deux bras avant l'échelonnement. Le succès est redéfini : pas « appareil émis à 300 patients » mais utilisation quotidienne soutenue à quatre-vingt-dix jours, suivie et rapportée par sous-groupe, aux côtés des taux d'admission d'insuffisance cardiaque contre la base. Le tableau de bord du conseil d'administration montre maintenant le comportement, pas le déploiement — et l'écart d'équité est une métrique vedette, pas une note de bas de page.

Angles sectoriels#

Startup#

Une startup de santé numérique vit ou meurt par l'activation et la rétention, donc la conception comportementale n'est pas une gentillesse mais le cœur du produit. Les fondateurs devraient instrumenter l'entonnoir obsessionnellement — inscription, activation, rétention au jour 7 et jour 30 — et exécuter des tests A/B bon marché sur l'intégration, les défauts, et les sollicitations, car une petite élévation en activation compose en survie. Le piège est d'optimiser pour des métriques de vanité (téléchargements, utilisateurs enregistrés) qui impressionnent les investisseurs tandis que la véritable utilisation soutenue fuit discrètement. Les startups portent aussi un risque éthique disproportionné : la pression de croissance tente les dark patterns et les astuces de rétention manipulatrices, qui dans la santé peuvent vous coûter la confiance clinique et la base de preuves dont vous avez besoin pour vendre au NHS du tout. Construisez une architecture de choix honnête et une conception consciente de l'équité dès le début, car les adapter rétroactivement après un incident de sécurité ou de confiance est bien plus coûteux.

Petite entreprise#

Un prestataire établi de petite taille — un cabinet de médecins généralistes, une pharmacie communautaire, une maison de retraite ou une agence de soins à domicile, une clinique monosite — porte le même devoir de rendre un nouvel outil véritablement utilisé, mais sans aucune des analytiques, super-utilisateurs, ou capacité de réserve de l'entreprise pour exécuter des essais. Ici, le travail comportemental doit être maigre et physique plutôt qu'instrumenté : choisissez un comportement précis, dépouillez sa friction jusqu'à l'os, et liez-le à un signal qui existe déjà dans la journée d'une petite équipe, car il n'y a personne dont le travail est de poursuivre l'adoption. Les défauts et l'intégration comptent encore plus que dans un grand trust, car une équipe de cinq personnes ne peut pas absorber un flux de travail parallèle ou une seconde connexion et reviendra au papier le premier matin occupé si l'outil siège à côté de sa routine plutôt qu'à l'intérieur. Surveillez l'effet d'équité avec les moyens modestes que vous avez — les résidents d'une maison de retraite ou les patients plus âgés et plus précaires d'un cabinet sont exactement le groupe qu'un défaut numérique-en-premier peut laisser derrière — et appuyez-vous sur les voies assistées et par procuration et sur la relation personnelle de confiance qu'un petit prestataire a déjà. Là où la capacité ou la preuve dépasse vos moyens, adoptez les playbooks, défauts, et motifs de voies assistées prêts à l'emploi publiés nationalement plutôt que d'inventer les vôtres.

Entreprise#

Un grand trust ou ICS a l'échelle pour faire correctement de la science comportementale — véritables analytiques d'adoption, segmentation de sous-groupes, super-utilisateurs intégrés, et pilotes contrôlés avant le déploiement large — mais aussi l'inertie qui laisse « déployé » se faire passer pour « adopté » à travers des milliers de personnel et de sites. Le défi d'entreprise est de faire de l'adoption un résultat possédé et mesuré plutôt qu'une hypothèse dans un dossier de bénéfices, avec quelqu'un responsable de l'utilisation soutenue à quatre-vingt-dix jours et au-delà. L'intégration est le levier clé à l'échelle : intégrer un comportement dans le dossier électronique et flux de travail existants, via connexion unique et sollicitations en contexte, bat tout outil autonome ou poussée de formation. Méfiez-vous de la fatigue de changement et de la surcharge de notification — avec de nombreux programmes simultanés, chaque sollicitation supplémentaire rivalise pour la même attention rare, et les nudges mal gouvernés s'annulent mutuellement. L'avantage de l'entreprise, bien utilisé, est la capacité d'intégrer le comportement durablement via le flux de travail, la politique, et l'audit.

Gouvernement#

Un organisme public national ou local conçoit rarement le clic individuel ; il façonne les conditions — standards, financement, défauts, et services nationaux — sous lesquelles le comportement se produit à l'échelle de la population, ce qui est exactement là où les nudges mordent le plus fort et les risques d'équité sont les plus grands. Le gouvernement est là où le modèle « Nudge Unit » appartient : tests rigoureux (essais randomisés), preuve publiée, et playbooks comportementaux réutilisables que les organisations locales peuvent adopter. La responsabilité envers les ministres, le Parlement, et le public élève fortement la barre éthique — un défaut ou nudge national est hautement visible, politiquement sensible, et, s'il est manipulateur ou élargit l'inégalité, corrosif pour la confiance publique pendant des années (voir Sujet 1.8 — Éthique des données, consentement et confiance publique). Le devoir distinctif du gouvernement est de surveiller la distribution, pas seulement la moyenne : un défaut numérique national qui élève l'adoption globale tout en laissant les plus précaires derrière est un échec de politique même si le chiffre vedette s'améliore. Son rôle propre est de rendre le comportement sain et équitable le plus facile à travers un système fédéré qu'il ne gère pas directement en hiérarchie.

Modes d'échec courants#

• Compter le déploiement comme succès. Rapporter « en direct dans 40 sites » tandis que le comportement n'a jamais changé. Évitez-le en définissant fini comme utilisation soutenue à quatre-vingt-dix jours et en la mesurant.
• Une intervention pour chaque barrière. Répondre à un écart d'Opportunité ou de Capabilité avec plus de communications. Évitez-le en diagnostiquant avec COM-B d'abord.
• Ignorer la falaise d'activation. Optimiser l'inscription tandis que l'utilisation s'effondre en semaine deux. Évitez-le en concevant et mesurant le moment d'activation, pas seulement l'adoption.
• Nudger les avantagés. Un défaut ou un parcours élégant qui élève la moyenne et élargit l'écart. Évitez-le en segmentant les données d'adoption et en construisant des voies assistées pour ceux laissés derrière.
• Incitations qui jouent ou évincent. Un comportement qui n'existe que tant que vous payez pour lui, ou qui est joué contre la métrique. Évitez-le en favorisant les motivateurs intrinsèques et en testant les effets secondaires.
• Conception manipulatrice. Dark patterns, retraits cachés, exploitation de la peur. Évitez-le en appliquant un test de transparence : pourriez-vous défendre ce nudge ouvertement à la personne qu'il cible ?
• Ajouter, pas intégrer. Un outil autonome à côté du flux de travail, abandonné sous pression. Évitez-le en attachant le comportement aux signaux et systèmes existants.
• Supposer au lieu de tester. Déployer un nudge que personne n'a vérifié. Évitez-le en pilotant et testant A/B avant l'échelonnement.

Modèle de maturité#

Liste de contrôle#

• Le comportement cible est écrit précisément : qui, fait quoi, quand, où.
• La barrière contraignante est diagnostiquée avec COM-B (Capabilité / Opportunité / Motivation) avant que toute intervention ne soit choisie.
• Le chemin souhaité a été dépouillé de friction (étapes, connexions, champs), et les défauts sont fixés à l'option sûre et recommandée avec un retrait facile et transparent.
• Les rappels et la rétroaction sont synchronisés aux signaux existants et gardés parcimonieux.
• Le comportement est intégré dans le flux de travail et les systèmes existants pour construire l'habitude, pas ajouté à côté.
• Les incitations, si utilisées, sont vérifiées pour le jeu et l'éviction, et pour ce qui se casse quand elles sont retirées.
• L'adoption, l'activation, et l'utilisation soutenue sont mesurées séparément, contre une base.
• Les données d'adoption sont segmentées par âge, précarité, langue, et handicap, et des voies assistées / non numériques existent pour ceux que le nudge laisse derrière.
• Les interventions sont pilotées ou testées A/B avant l'échelonnement.
• Chaque nudge passe un test de transparence : il pourrait être défendu ouvertement à la personne qu'il cible, un régulateur, et le public.
• Un propriétaire nommé est responsable de l'utilisation soutenue après la mise en production, et le tableau de bord du conseil d'administration rapporte le comportement, pas le déploiement.

Sources clés#

• Susan Michie, Lou Atkins & Robert West, The Behaviour Change Wheel: A Guide to Designing Interventions — the COM-B model and BCW method.
• Richard H. Thaler & Cass R. Sunstein, Nudge: Improving Decisions About Health, Wealth, and Happiness — nudge theory and choice architecture.
• The Behavioural Insights Team ("Nudge Unit") — behavioural insights applied to public policy, including EAST framework (bi.team).
• NICE Guideline NG155, Behaviour change: individual approaches, and PH49, Behaviour change: general approaches (nice.org.uk).
• Everett M. Rogers, Diffusion of Innovations — how innovations spread through a population.
• NHS England — digital inclusion and the framework for reducing digital exclusion (england.nhs.uk).
• Government Communication Service — behavioral science and the OASIS / EAST approaches to public behavior change (gcs.civilservice.gov.uk).
• See also Sujet 8.0 — Phasing in Innovation, Sujet 8.1 — Change Management, Sujet 8.2 — Communications & Engagement, and Sujet 3.3 — Patient & Citizen-Facing Digital Services.

Références#

1. Behavioral economics — Wikipédia — https://en.wikipedia.org/wiki/Behavioral_economics
2. Behavior change (public health) — Wikipédia — https://en.wikipedia.org/wiki/Behavior_change_(public_health)
3. Susan Michie — Wikipédia — https://en.wikipedia.org/wiki/Susan_Michie
4. Behavior change method (including the Behaviour Change Wheel) — Wikipédia — https://en.wikipedia.org/wiki/Behavior_change_method
5. Nudge theory — Wikipédia — https://en.wikipedia.org/wiki/Nudge_theory
6. Choice architecture — Wikipédia — https://en.wikipedia.org/wiki/Choice_architecture
7. Behavioural Insights Team — Wikipédia — https://en.wikipedia.org/wiki/Behavioural_Insights_Team
8. Habit — Wikipédia — https://en.wikipedia.org/wiki/Habit
9. Self-determination theory — Wikipédia — https://en.wikipedia.org/wiki/Self-determination_theory
10. Randomized controlled trial — Wikipédia — https://en.wikipedia.org/wiki/Randomized_controlled_trial
11. Diffusion of innovations — Wikipédia — https://en.wikipedia.org/wiki/Diffusion_of_innovations
12. Technology adoption life cycle — Wikipédia — https://en.wikipedia.org/wiki/Technology_adoption_life_cycle
13. The Behaviour Change Wheel: A Guide to Designing Interventions — Susan Michie, Lou Atkins & Robert West, Silverback Publishing (2014) — http://www.behaviourchangewheel.com/
14. Nudge: Improving Decisions About Health, Wealth, and Happiness — Richard H. Thaler & Cass R. Sunstein, Yale University Press (2008) — https://en.wikipedia.org/wiki/Nudge_(book)
15. EAST: Four Simple Ways to Apply Behavioural Insights — The Behavioural Insights Team — https://www.bi.team/publications/east-four-simple-ways-to-apply-behavioural-insights/
16. Behaviour change: individual approaches (NG155) — National Institute for Health and Care Excellence — https://www.nice.org.uk/guidance/ng155
17. Diffusion of Innovations, 5th edition — Everett M. Rogers, Free Press (2003) — ISBN 978-0743222099
18. Inclusive digital healthcare: a framework for NHS action on digital inclusion — NHS England — https://www.england.nhs.uk/long-read/inclusive-digital-healthcare-a-framework-for-nhs-action-on-digital-inclusion/