Un comparateur de complémentaires santé a remplacé son formulaire par un agent conversationnel — le taux de leads qualifiés a bondi de 27 %

Contexte de départ

Le comparateur recevait ~180 000 visiteurs/mois et travaillait avec 34 partenaires assureurs. Le parcours classique reposait sur un formulaire à étapes (âge, régime, code postal, niveau de couverture souhaité par poste). Deux problèmes structurels : le taux de complétion stagnait à 34 % (les utilisateurs décrochaient au 3e écran) et 59 % des leads transmis aux partenaires étaient mal qualifiés — le formulaire à choix fermés ne captait pas la nuance des besoins réels. Un utilisateur qui coche « optique niveau 2 » ne dit pas la même chose qu'un utilisateur qui explique « je porte des progressifs et je les change tous les 2 ans ».

• 180 000 visiteurs/mois, 34 partenaires assureurs, formulaire à 5 étapes
• Taux de complétion du formulaire : 34 % — décrochage massif au 3e écran
• 59 % des leads transmis jugés « mal qualifiés » par les partenaires
• Le formulaire à choix fermés ne captait pas la granularité des besoins de couverture

Trajectoire du projet

Phase 1 (8 semaines) : recettage intensif de l'agent conversationnel. L'équipe a testé à la fois le comportement de l'agent (ton, relances, gestion des hors-sujet) et la précision de la collecte des besoins exprimés en langage naturel. Le chatbot devait transformer une expression libre (« j'ai besoin d'être bien couvert pour les dents et les lunettes, mais l'hospitalisation je m'en fiche ») en un profil de couverture structuré exploitable par le moteur de comparaison. Phase 2 (mise en production) : déploiement sur 100 % du trafic en remplacement du formulaire, avec A/B test sur 3 semaines pour mesurer l'écart. Phase 3 (amélioration continue) : ajustement permanent de la détection des niveaux de couverture souhaités et de la fluidité conversationnelle, piloté par le taux de leads exploitables en sortie.

• 8 semaines de recettage : comportement agent + précision de collecte des besoins
• Transformation du langage naturel en profil de couverture structuré (dentaire, optique, hospitalisation, médecines douces)
• A/B test de 3 semaines : formulaire classique vs agent conversationnel sur 100 % du trafic
• Amélioration continue post-production : fluidité conversationnelle + précision de détection des niveaux de couverture

Résultats mesurés et enseignements

À M+3, le taux de complétion du parcours était passé de 34 % à 52 % (+18 pts). Le taux de leads qualifiés (jugés exploitables par les partenaires) avait bondi de 41 % à 68 % (+27 pts). La raison principale : l'agent conversationnel capte des signaux que le formulaire ne pouvait pas collecter — le degré d'urgence, les contraintes budgétaires formulées librement, les expériences passées avec d'autres mutuelles. L'enseignement clé : remplacer un formulaire par un chatbot ne suffit pas. La valeur vient de la capacité à transformer une expression libre en un profil de couverture structuré et fiable. Sans le recettage intensif de 8 semaines, la précision de qualification aurait été insuffisante pour convaincre les partenaires.

• Taux de complétion du parcours : de 34 % à 52 % (+18 pts)
• Leads qualifiés exploitables : de 41 % à 68 % (+27 pts, A/B test sur 3 semaines)
• L'agent capte l'urgence, le budget et l'historique mutuelle — signaux invisibles dans un formulaire
• Sans les 8 semaines de recettage, la précision de qualification n'aurait pas convaincu les partenaires

Prochaine étape

Chiffrer puis ouvrir le bon rendez-vous

Commencez par une simulation ROI pour cadrer le volume et le temps de traitement, puis basculez sur un rendez-vous pour valider le périmètre, les intégrations et le niveau de supervision.

Angle SEO / GEO

Cette page répond d'abord au besoin, puis relie le sujet à des solutions, des pages secteurs, des comparatifs et un chemin de conversion explicite. C'est le format le plus robuste pour la recherche classique et la citation par assistants génératifs.