Il existe de nombreux choix de consommation faciles. Trombones :facile. Éponges à vaisselle :facile. Ces produits se situent à une extrémité du spectre. À l'autre extrémité, incroyablement lointain, est l'assurance maladie.

C'est difficile.

"Des tonnes de preuves suggèrent que les gens ont du mal à faire des choix en matière d'assurance maladie, " dit Kate Bundorf, professeur agrégé à la Stanford School of Medicine avec un rendez-vous de courtoisie à la Stanford Graduate School of Business. La complexité peut être écrasante et, par conséquent, les gens choisissent souvent des plans sous-optimaux qui les punissent avec des coûts plus élevés et créent des marchés inefficaces. "Nous voulions donc déterminer quels types d'outils aideraient les gens à prendre des décisions, " dit Bundorf.

Avec Maria Polyakova de la Stanford School of Medicine et Ming Tai-Seale de l'Université de Californie, San Diego, elle a développé un outil Web avec un algorithme qui fait correspondre les dossiers médicaux des inscrits à Medicare Part D avec les meilleures options d'assurance maladie pour les médicaments sur ordonnance. Ceux qui ont utilisé l'algorithme étaient plus susceptibles de passer à un meilleur plan. Ils se déclarent également plus satisfaits du processus de choix de l'assurance maladie, même s'ils ont fini par y consacrer plus de temps.

Rendre les choix d'assurance plus faciles et meilleurs

Les participants à l'étude ont été affectés soit à un groupe témoin, soit à l'un des deux traitements. Le groupe de contrôle a été dirigé vers les ressources existantes de Medicare en ligne pour choisir l'un des 22 plans de prescription à leur disposition. Groupes de traitement, pendant ce temps, a reçu le soutien de l'algorithme, qui a automatiquement extrait les informations de leurs dossiers médicaux et les a comparées aux régimes d'assurance-médicaments. Lors de l'examen de leurs options, les deux groupes de traitement ont pu consulter un tableau en ligne qui montrait une analyse individualisée des coûts probables pour chacun des plans. De plus, l'un des groupes de traitement a reçu un « score d'expert » pour chaque plan :un nombre, de 0 à 100, que l'algorithme produit pour classer les plans; les trois meilleures options ont été mises en évidence en haut du tableau.

Les deux traitements ont encouragé les gens à passer à des régimes d'assurance plus avantageux, mais le traitement qui comprenait les suggestions "d'experts" aux côtés des estimations de coûts s'est avéré plus efficace. Les participants à ce traitement ont choisi de changer de régime 36 % plus souvent que ceux du groupe témoin. "Nous avons trouvé des preuves claires que l'intervention a changé le comportement des gens, en particulier dans le cas où nous avons offert des conseils d'experts, " dit Bundorf.

Dans le cadre de l'expérimentation, ces changements ont généré 270 $, 000 d'économies pour les consommateurs. Et bien que cela puisse sembler un nombre relativement petit, il est lié à un groupe relativement restreint de 316 sujets de traitement qui ont eu accès à la recommandation d'experts. Si les mêmes effets étaient extrapolés aux près de 25 millions de personnes inscrites à Medicare Part D - et en supposant un taux de participation équivalent à celui que Bundorf et ses collègues ont vu dans cette expérience - les économies seraient de l'ordre de 680 millions de dollars. Ceci est particulièrement remarquable étant donné que l'outil lui-même a coûté moins de 1,8 million de dollars à développer.

Passage au monde politique

Bien que les implications pratiques soient claires, deux considérations importantes modèrent la traduction de cette constatation en politique.

D'abord, une petite partie des personnes éligibles pour participer à l'étude a choisi de s'inscrire. À la fin, 1, 185 personnes ont participé à l'étude sur près de 30, 000 invités; et ceux qui ont finalement rejoint étaient plus avertis en technologie que ceux qui ne l'ont pas fait. En plus de cela, les chercheurs craignent que ceux qui en bénéficieraient le plus n'aient pas choisi de participer.

« Les personnes qui ont choisi d'interagir avec l'algorithme étaient des consommateurs avertis ; c'étaient des acheteurs actifs qui cherchaient des informations, " dit Polyakova. " Cela suggère que si nous voulons améliorer les choix des personnes qui ont actuellement les pires projets, alors le simple fait de proposer l'outil en ligne ne résoudra pas le problème. » Une approche plus proactive est nécessaire.

Seconde, les données démographiques de l'étude dans son ensemble ne sont pas représentatives de l'ensemble de la population de Medicare. Bundorf et ses collègues se sont associés à la Palo Alto Medical Foundation pour mener l'expérience, ce qui signifie que ceux qui y ont participé vivaient dans l'une des régions les plus riches et les plus technologiquement adaptées du pays. On ne sait pas si les résultats se généraliseraient. "Il est concevable que des gens dans d'autres endroits, qui ont des revenus inférieurs et moins exposés à des outils comme celui-ci, peut se comporter complètement différemment, " dit Polyakova.

Un algorithme gagnant (et un avertissement)

Bundorf et ses collègues n'étaient pas sûrs au départ que cette intervention changerait les comportements. Un tas de preuves suggèrent que le simple fait de donner des informations aux gens n'influence pas les résultats. Mais les résultats indiquent l'une des conceptions intelligentes de l'étude :en ayant deux traitements distincts, les chercheurs ont pu mesurer l'effet de l'information seule—montrant le coût total pour le consommateur de chaque plan—ainsi que des conseils d'experts associés à des informations.

"Et le conseil fait autre chose que l'information, " dit Polyakova. " Quand les gens sont exposés à des conseils, cela change non seulement leurs connaissances sur un produit, mais cela change également la façon dont ils apprécient réellement les caractéristiques de ce produit."

Cette, elle note, a des implications complexes et importantes. Nous avons tendance à considérer les logiciels comme neutres - Microsoft Excel n'a pas d'agenda - mais ce n'est pas toujours le cas avec les algorithmes modernes. Les entreprises peuvent, et le sera probablement, déployer stratégiquement des algorithmes de conseil, peut-être pour promouvoir un certain produit ou augmenter les revenus, et cachés dans ce processus seront les façons dont ces algorithmes modifient la façon dont nous évaluons différents produits.

"Si les gens sont réceptifs à ce type de conseil algorithmique, alors cela rend le futur très proche assez intéressant, " dit Polyakova. " De nombreuses questions politiques et réglementaires sur la façon de protéger les consommateurs contre les interventions non bénignes nécessiteront bientôt notre attention. "