La quantification du soi conduit-elle à un changement de comportement ?

Dans le contexte de la santé, une habitude est définie comme une réponse automatique à un indice contextuel (par exemple, un lieu, un objet ou une action précédente), qui se forme lorsque la réponse est répétée dans un contexte stable [22]. Lorsqu'il s'agit de vaincre les mauvaises habitudes et de conserver les bonnes, les gens s'appuient sur les nouveaux développements en matière de technologie de fitness et d'applications. Par exemple, des applications telles que MyFitnessPal permettent aux utilisateurs de suivre ce qu'ils mangent afin de développer des habitudes alimentaires saines, tandis que d'autres comme Headspace aident les utilisateurs à développer des habitudes de pleine conscience afin d'améliorer leur bien-être mental.

L'utilisation de ces technologies pour suivre les habitudes et le comportement d'une personne est appelée "Quantified Self" (QS) ("connaissance de soi par les chiffres"), un terme inventé en 2007 par Gary Wolf, rédacteur en chef de Wired, et Kevin Kelly, écrivain. D'autres définitions incluent "informatique personnelle", "lifelogging" et "self-tracking" (suivi de soi) [12]. L'explosion du QS a été caractérisée par le développement et l'utilisation croissants de dispositifs portables et d'applications (Fitbit, Sleep Cycle, Fooducate, Happify), et a signifié que les individus peuvent accéder à des informations sur nombre de leurs comportements tels que le stress, la menstruation, l'humeur, la fréquence cardiaque, les habitudes de sommeil, le régime alimentaire, l'attention mentale et l'activité physique.

La popularité croissante du QS est telle que le marché de l'électronique portable devrait atteindre plus de 150 milliards de dollars par an d'ici 2027 [9]. Mais comment cela affecte-t-il exactement les comportements liés à la santé ?

La recherche suggère qu'il existe de nombreuses façons dont le SQ peut créer des expériences positives pour les utilisateurs et influencer les comportements. L'une d'entre elles concerne l'importance du retour d'information de l'utilisateur. Fritz et al. (2013) ont mené des entretiens avec 30 participants qui avaient utilisé un FuelBand, un Fitbit, un Jawbone ou un Striiv pendant au moins trois mois afin de comprendre leur valeur " dans la nature " [7]. Ils ont constaté que le feedback numérique motivait et renforçait les activités des participants, car il créait un sentiment d'accomplissement et les aidait à atteindre leurs objectifs.

Renfree et al. (2016) ont réalisé une étude qualitative de l'application Lift, qui permet aux utilisateurs de sélectionner ou de créer des habitudes qu'ils souhaitent développer [18]. Le nombre de jours consécutifs pendant lesquels un comportement a été adopté - appelé "série" - est utilisé pour récompenser les utilisateurs de l'application. Cette méthode a suscité des réactions positives, car elle a contribué à encourager la répétition des comportements, et les participants étaient réticents à l'idée de perdre leur série de jours. Par exemple, un bénéficiaire était motivé pour conserver une habitude particulière, parce qu'il voulait maintenir sa longue série, et que "le fait d'avoir un grand nombre est utile dans la mesure où vous ne voulez pas l'abandonner".

Cependant, malgré ces réactions positives et la croissance rapide du secteur, de nouvelles preuves suggèrent que la présence de données concernant les habitudes d'une personne est souvent inefficace pour instiller un changement de comportement durable. Les chercheurs commencent enfin à en expliquer les raisons exactes et à proposer des solutions. Par exemple, Patel, Asch et Volpp (2015) affirment que les dispositifs portables ne sont que des facilitateurs, plutôt que des moteurs du changement de comportement [16]. Ils estiment que les entreprises technologiques devraient se concentrer sur les stratégies d'engagement, plutôt que sur les fonctionnalités, pour aider à combler le fossé entre l'enregistrement d'informations et le changement de comportement à long terme. Heureusement, une vague de recherches supplémentaires se penche sur cette question, tant d'un point de vue empirique que théorique.

Tout d'abord, des études suggèrent que les dispositifs portables sont peu pratiques à divers égards. Par exemple, Harrison et al. (2015) ont mené des entretiens avec 24 utilisateurs de dispositifs portables, et l'une des participantes a déclaré que son bracelet était "plutôt laid", tandis qu'une autre a dit que "ce n'était pas pratique pour le porter tout le temps." Un autre inconvénient était l'autonomie de la batterie, ce qui a conduit les utilisateurs à abandonner complètement l'application [8].

En outre, dans l'étude de Renfree et al. (2016) sur Lift, les rappels ont parfois provoqué des affects négatifs parce qu'ils étaient jugés ennuyeux, en particulier lorsque les participants traversaient des périodes chargées ou stressantes [18]. Sjöklint, Constantiou et Trier (2015) ont interrogé 42 utilisateurs d'appareils qui suivent les activités de mouvement et de sommeil, et ont fait des constatations similaires, l'un des participants ayant déclaré : "Je me suis parfois énervé parce que je ne pouvais pas toujours atteindre mon objectif" [19]. En outre, ils ont fait valoir que, bien qu'ils soient commercialisés en tant que dispositifs permettant de soutenir le "moi rationnel (le planificateur)", ils attirent en réalité le "moi émotionnel (l'exécutant)". En effet, les résultats insatisfaisants, tels que la sous-performance, ne conduisent pas à un changement de comportement, mais plutôt à l'émergence de tactiques d'adaptation : mépris, procrastination, attention sélective et négligence.

Outre les problèmes liés aux appareils eux-mêmes, l'interprétation des données produites par ces derniers constitue un autre problème pratique dans le cadre du mouvement QS. En fait, Swan (2015) souligne que l'une des principales difficultés de la science des big data est de trouver un sens aux grandes quantités d'informations ou, comme il le dit, "d'extraire le signal du bruit" [21]. En l'occurrence, une grande quantité de données peut en fait constituer un obstacle plutôt qu'un avantage.

En outre, la précision des informations disponibles a également suscité des inquiétudes. Yang et al. (2015) ont analysé 600 critiques de produits et mené des entretiens avec des utilisateurs d'appareils tels que Jawbone, Fitbit, Basis et Nike + Fuelband [23], et ont constaté que les utilisateurs n'étaient pas satisfaits de la précision de leur appareil. Par exemple, certains utilisateurs possédaient plusieurs appareils et comparaient leur précision, mais il n'existait pas de norme absolue, ce qui rendait difficile la résolution des divergences.

Les utilisateurs ont également aimé tester la précision de l'appareil avec différents mouvements, mais ceux qu'ils ont testés ne reflétaient pas un scénario réaliste. Dans un cas, un participant voulait tester la sensibilité de sa montre de fitness Basis B1, il a donc essayé de "sauter", "frapper", "se balancer" et "taper sur des objets". Les auteurs notent toutefois qu'il ne s'agit pas de mouvements ordinaires que les utilisateurs feraient dans la vie de tous les jours. Enfin, les participants se sont plaints que les unités de mesure de leur comportement n'étaient pas clairement définies, comme une calorie, un pas ou le sommeil.

Outre la précision de l'appareil, les utilisateurs ne comprenaient pas suffisamment son fonctionnement et ont développé des "théories populaires" pour donner un sens aux données. Dans un cas, un utilisateur a constaté que l'appareil surestimait son activité et ne savait pas que le problème pouvait être résolu par l'étalonnage, c'est-à-dire en corrigeant la mesure d'un appareil pour qu'elle corresponde à la mesure standard. Un autre participant s'est trompé en comparant des mesures prises dans des conditions physiques différentes. Ils concluent que la compréhension par l'utilisateur du fonctionnement de l'appareil ou de l'application est cruciale, et suggèrent de favoriser la testabilité, de permettre un meilleur étalonnage par l'utilisateur final et d'accroître la transparence afin d'améliorer l'expérience des utilisateurs.

Compte tenu de tous ces problèmes, comment se fait-il que tant d'applications de fitness et de santé ne parviennent pas à les contrecarrer et ne parviennent pas à satisfaire les clients en favorisant un changement de comportement à long terme ? D'un point de vue théorique, les chercheurs ont mis en évidence des problèmes concernant le QS et son manque d'ancrage dans la littérature sur la formation des habitudes.

L'adoption d'une habitude repose sur l'exécution répétée d'une action spécifique dans un contexte stable, car cela permet à l'action de devenir automatique [22]. Stawarz, Cox et Blandford (2015) ont examiné les fonctionnalités de 115 applications de création d'habitudes [20]. Ils ont dressé la liste des caractéristiques de l'application, ce qui a donné lieu à 14 catégories de caractéristiques, telles que le suivi des tâches ou les récompenses, et ont ensuite codé chaque application en fonction des caractéristiques de formation des habitudes, par exemple en soutenant l'utilisation d'indices contextuels. Il s'est avéré que seules 5/14 catégories de fonctionnalités d'applications favorisaient la création d'habitudes, tandis qu'une seule - la création de routine - pouvait aider les utilisateurs à trouver un événement déclencheur pour le comportement en question.

L'étude a conclu que ces applications ne s'appuient pas sur la théorie de la formation des habitudes et qu'elles ne font que "fournir des fonctionnalités permettant de s'attaquer à l'achèvement des tâches et aux rappels". Si le suivi du comportement est important au départ, il entraîne une dépendance aux rappels et ne favorise pas le développement de l'automatisme, qui est crucial dans le changement de comportement. Il est suggéré que les applications et les appareils gagnent à prendre en charge les événements déclencheurs, à utiliser des rappels pour renforcer les intentions de mise en œuvre et à éviter les fonctions qui entraînent une dépendance à l'égard de la technologie.

Pinder et al. (2015) ont adopté une autre approche et soutiennent que les technologies de persuasion, telles que le QS, devraient cibler le système non conscient [17]. Exposant la théorie du double processus, ils notent que les habitudes ne sont pas consciemment motivées, choisies ou contrôlées. En effet, une habitude est une association entre une situation et une action qui s'est installée dans la mémoire [22], de sorte que de nombreuses habitudes sont déclenchées automatiquement, sans que nous en ayons conscience [1]. Les interventions actuelles de modification du comportement utilisent cependant de nombreuses stratégies de modification consciente du comportement, qui amènent les utilisateurs à ignorer les messages-guides ou les interruptions non désirées.

Ils proposent deux solutions, la première consistant à "amorcer le système non conscient pour qu'il se comporte de la manière souhaitée". Par exemple, le jeu d'exercice Zombies, Run ! utilise l'instinct de fuite face à la peur comme déclencheur de l'activité physique. La deuxième solution consiste à "réentraîner le système non conscient de manière à ce que l'utilisateur soit plus enclin à se comporter de la manière souhaitée". Les auteurs affirment que cela peut se faire grâce à l'amorçage d'objectifs non conscients, où le nouveau comportement masque le comportement indésirable existant.

La persuasion par le regard, qui présente les activités physiques de l'utilisateur de manière subtile et abstraite, en est un exemple. Klasnja et al. (2009) ont étudié l'activité physique des utilisateurs à l'aide de l'affichage du jardin d'UbiFit, qui fait pousser différentes fleurs en fonction de l'activité pratiquée [10]. Les chercheurs ont constaté que le niveau d'activité hebdomadaire était plus élevé chez les participants équipés de l'écran cliquable que chez ceux qui ne l'étaient pas. Selon eux, cela s'explique par le fait que les objectifs d'activité physique sont "activés de manière chronique", ce qui rappelle aux utilisateurs qu'ils se sont engagés à rester en forme. Un participant a déclaré : "[Avec le jardin], je pense que les objectifs d'activité physique sont chroniquement activés : "[Avec le jardin] j'y pense peut-être inconsciemment chaque fois que je regarde mon téléphone". Il convient toutefois de noter que les chercheurs n'ont pas contrôlé le niveau d'attention conscient sur les objectifs [17], ce qui pourrait constituer une piste de recherche fructueuse pour l'avenir.

Dans le même ordre d'idées, Calvo et Peters (2013) appellent les concepteurs à prendre conscience que nous ne sommes pas toujours des êtres rationnels ou cohérents, et que nous sommes sujets à des phénomènes psychologiques complexes [4]. Ils affirment que la réflexion sur notre passé peut avoir un impact sur notre comportement futur, par exemple, en comprenant l'impact d'une mauvaise hygiène bucco-dentaire, nous nous brossons les dents plus souvent. La manière dont nous réfléchissons au passé est déterminée par diverses influences. Par exemple, nous nous souvenons d'une expérience en fonction de ce qui s'est passé au début et à la fin. Cette réinterprétation des événements est influencée par l'effet de primauté et de récence, qui est la tendance psychologique à se souvenir des premiers et des derniers éléments d'une liste [3].

Pour créer des technologies efficaces, il est donc conseillé aux concepteurs d'applications de tenir compte de la manière dont cela affecte l'interprétation subjective des expériences passées. Par exemple, les récompenses finales telles que les badges, les réalisations et les messages de motivation apportent une valeur intrinsèque aux utilisateurs, ce qui favorise les émotions positives [5]. Cela signifie que l'utilisateur réinterprète la fin d'un événement, tel qu'une activité physique, comme positive, et qu'il est motivé pour répéter ce comportement [2].

Les auteurs mettent également en garde contre les systèmes conçus pour modifier les comportements, car ils peuvent avoir des résultats opposés. C'est ce que l'on appelle les "effets ironiques", c'est-à-dire lorsque les tentatives de nous convaincre de faire ou de penser quelque chose se retournent contre nous. Par exemple, une étude sur le sevrage tabagique a montré que lorsque les participants essayaient d'arrêter de penser à la cigarette, ils fumaient davantage que ceux qui n'essayaient pas de supprimer leurs pensées [6]. Calvo et Peters suggèrent que les messages de motivation qui demandent aux utilisateurs de se concentrer sur un certain objectif doivent être soigneusement adaptés, par le biais du profilage ou de l'exploration de données, afin d'éviter des résultats inattendus.

En résumé, les progrès de notre compréhension de l'efficacité du SQ sont prometteurs, mais des travaux supplémentaires sont nécessaires. L'observation la plus importante dans nombre de ces études sur l'efficacité des dispositifs et des applications de QS est peut-être la notion de dynamisme ; les concepteurs doivent non seulement comprendre que les individus ont des besoins différents, mais aussi que ces besoins sont en constante évolution.

Les questions théoriques et empiriques soulèvent des obstacles apparemment insurmontables dans la recherche d'une compréhension de la manière dont la technologie persuasive peut motiver et maintenir un changement de comportement. Cependant, ce défi est compensé par la valeur de la réponse, car si ces questions peuvent être résolues, le "Quantified Self" pourrait avoir un impact sur la santé et le bien-être de millions de personnes.