Les chatbots d’IA sont prometteurs mais limités dans la promotion du changement de comportement sain

Ces dernières années, l’industrie de la santé a connu une augmentation significative de l’utilisation de chatbots basés sur des modèles de langage à grande échelle, ou agents conversationnels génératifs. Ces outils alimentés par l’IA ont été utilisés pour diverses fins, notamment l’éducation des patients, l’évaluation et la gestion. Alors que la popularité de ces chatbots augmente, des chercheurs du laboratoire ACTION de l’Université de l’Illinois à Urbana-Champaign ont examiné de plus près leur potentiel pour promouvoir le changement de comportement sain.

Michelle Bak, une étudiante en doctorat en sciences de l’information, et le professeur Jessie Chin ont récemment publié leurs résultats dans la Journal of the American Medical Informatics Association. Leur étude visait à déterminer si les grands modèles de langage pouvaient efficacement identifier les états motivationnels des utilisateurs et fournir des informations appropriées pour soutenir leur parcours vers des habitudes plus saines.

Conception de l’étude

Pour évaluer les capacités des grands modèles de langage dans la promotion du changement de comportement, Bak et Chin ont conçu une étude complète impliquant trois modèles de chatbot éminents : ChatGPT, Google Bard et Llama 2. Les chercheurs ont créé une série de 25 scénarios, chacun ciblant des besoins de santé spécifiques tels que la faible activité physique, les préoccupations liées à l’alimentation et à la nutrition, les défis de santé mentale, le dépistage et le diagnostic du cancer, les maladies sexuellement transmissibles et la dépendance à des substances.

Les scénarios ont été soigneusement élaborés pour représenter les cinq étapes distinctes de motivation pour le changement de comportement :

1. Résistance au changement et manque de conscience du comportement problématique
2. Conscience accrue du comportement problématique, mais ambivalence quant à la mise en œuvre de changements
3. Intention de prendre des mesures avec de petites étapes vers le changement
4. Mise en œuvre du changement de comportement avec un engagement à le maintenir
5. Maintien réussi du changement de comportement pendant six mois avec un engagement à le maintenir

En évaluant les réponses des chatbots à chaque scénario à travers les différentes étapes de motivation, les chercheurs ont cherché à déterminer les forces et les faiblesses des grands modèles de langage pour soutenir les utilisateurs tout au long de leur parcours de changement de comportement.

Qu’a révélé l’étude ?

L’étude a révélé à la fois des résultats prometteurs et des limitations importantes dans la capacité des grands modèles de langage à soutenir le changement de comportement. Bak et Chin ont constaté que les chatbots peuvent efficacement identifier les états motivationnels et fournir des informations pertinentes lorsque les utilisateurs ont des objectifs établis et un engagement fort pour agir. Cela suggère que les individus qui sont déjà dans les étapes ultérieures du changement de comportement, tels que ceux qui ont initié des changements ou qui les maintiennent avec succès depuis un certain temps, peuvent bénéficier de l’orientation et du soutien fournis par ces outils alimentés par l’IA.

Cependant, les chercheurs ont également découvert que les grands modèles de langage ont du mal à reconnaître les premières étapes de motivation, en particulier lorsque les utilisateurs sont résistants au changement ou ambivalents quant à la modification de leur comportement. Dans ces cas, les chatbots n’ont pas fourni d’informations suffisantes pour aider les utilisateurs à évaluer leur comportement problématique et ses conséquences, ainsi que pour évaluer comment leur environnement influençait leurs actions. Par exemple, lorsqu’ils sont confrontés à un utilisateur qui résiste à l’augmentation de son activité physique, les chatbots ont souvent fait défaut en fournissant des informations sur l’adhésion à une salle de sport plutôt que de mobiliser l’utilisateur sur le plan émotionnel en mettant en évidence les conséquences négatives d’un mode de vie sédentaire.

De plus, l’étude a révélé que les grands modèles de langage n’ont pas offert de conseils suffisants sur l’utilisation de systèmes de récompense pour maintenir la motivation ou sur la réduction des stimuli environnementaux qui pourraient augmenter le risque de rechute, même pour les utilisateurs qui avaient déjà pris des mesures pour changer leur comportement. Bak a noté : « Les chatbots basés sur les grands modèles de langage fournissent des ressources sur l’obtention d’une aide externe, telle que le soutien social. Ils manquent d’informations sur la manière de contrôler l’environnement pour éliminer un stimulus qui renforce le comportement problématique. »

Implications et recherches futures

Les résultats de cette étude soulignent les limites actuelles des grands modèles de langage pour comprendre les états motivationnels à partir de conversations en langage naturel. Chin a expliqué que ces modèles sont formés pour représenter la pertinence du langage d’un utilisateur, mais qu’ils ont du mal à faire la distinction entre un utilisateur qui envisage un changement mais est encore hésitant et un autre qui a une ferme intention d’agir. De plus, la similarité sémantique des requêtes des utilisateurs à travers les différentes étapes de motivation rend difficile pour les modèles d’identifier avec précision la disposition de l’utilisateur à changer sur la base uniquement de son langage.

Malgré ces limitations, les chercheurs estiment que les chatbots basés sur les grands modèles de langage ont le potentiel pour fournir un soutien précieux lorsque les utilisateurs ont des motivations fortes et sont prêts à agir. Pour réaliser pleinement ce potentiel, les études futures se concentreront sur l’affinement de ces modèles pour mieux comprendre les états motivationnels des utilisateurs en exploitant les indices linguistiques, les modèles de recherche d’information et les déterminants sociaux de la santé. En équipant les modèles de connaissances plus spécifiques et en améliorant leur capacité à reconnaître et à répondre aux différentes étapes de motivation, les chercheurs espèrent améliorer l’efficacité de ces outils alimentés par l’IA pour promouvoir le changement de comportement sain.

Les chatbots d’IA dans le changement de comportement

L’étude du laboratoire ACTION de l’Université de l’Illinois à Urbana-Champaign a jeté une lumière sur le potentiel et les limitations des chatbots basés sur les grands modèles de langage pour promouvoir le changement de comportement sain. Alors que ces outils alimentés par l’IA ont montré des promesses pour soutenir les utilisateurs qui sont engagés à faire des changements positifs, ils ont encore du mal à reconnaître et à répondre efficacement aux premières étapes de motivation, telles que la résistance et l’ambivalence. Alors que les chercheurs continuent de raffiner et d’améliorer ces modèles, on espère qu’ils deviendront de plus en plus efficaces pour guider les utilisateurs à travers toutes les étapes du processus de changement de comportement, contribuant ainsi à de meilleurs résultats de santé pour les individus et les communautés.