UXR pour l'IA : voici comment garder l'humain à l'esprit [+ Template]

L'IA a connu un essor considérable ces dernières années. Pour beaucoup de Researchers, les innovations liées à l'IA ne sont plus un sujet de niche, mais plutôt un enjeu omniprésent au quotidien.

Toutefois, les Researchers et les entreprises ont des approches différentes de l'innovation. D'un côté, le succès d'OpenAI - y compris l'accès à leurs services pour créer ses propres outils - a très fortement inspiré les entreprises à lancer un grand nombre d'usages, très rapidement. Et de l'autre côté, les Researchers approchent l'IA Générative comme une technologie sur laquelle il faut s'interroger plus en détail avant de décider de créer quelque chose. Car même la meilleure IA sera un échec si elle ne répond pas aux besoins réels des utilisateurs...

Quelle place donner à la recherche exploratoire ? Quelles nouveautés prendre en compte sur l'inspiration liée à l'IA ? Quels feedbacks collecter auprès des utilisateurs avant la phase de conception ?

On vous explique comment explorer les usages potentiels de l'IA pour votre entreprise :

‍

L'opportunité d'avoir un rôle stratégique

Quels sujets de recherche faut-il traiter lorsqu'il s'agit d'IA ? Chez Tactix, nous pensons qu'il existe un équilibre à trouver entre les tests d'utilisabilité et la recherche exploratoire. Le focus des équipes semble encore être sur des problématiques de surface liées à la performance et à l'utilisabilité. Elles ont d'abord voulu implémenter le plus rapidement possible, et veulent désormais s'assurer que leurs conceptions soient fonctionnelles et compréhensibles, principalement côté UI. Elles s'interrogent aussi sur l'exactitude des résultats de l'IA, leur mesure et leur amélioration. 

En tant que Researchers, il est essentiel de prendre de la hauteur, de s'interroger sur les conséquences des interactions homme-IA, les bénéfices et les risques, et de s'assurer que les innovations associées de son entreprise prennent une bonne direction. Dans un contexte de "hype" sur l'IA Générative, il faut se poser des questions afin de ne pas recréer des solutions uniquement centrées sur la tech, et qui ne seront finalement pas adoptées par les gens. On peut facilement se dire qu'une IA va "tout" résoudre, dans toutes les situations. Mais en réalité, c'est une solution qui - comme toutes les autres - peut réussir certaines choses, et en rater d'autres.

Les utilisateurs n'ont sans doute pas besoin d'IA partout. Les sondages montrent que les gens ont des opinions partagées sur les aspects de leur vie sur lesquels ils sont prêts à accueillir de l'IA : par exemple, en santé (NDLR : 9/10 personnes considèrent l'utilisation de l'IA comme étant bénéfique à la détection du cancer), en science ou en sécurité. Là est une véritable opportunité à saisir pour les Researchers qui souhaitent avoir un impact sur la stratégie de leur entreprise : identifier les usages de l'IA à réel potentiel d'adoption et d'acceptation des utilisateurs.

Toutefois, toutes les directions ne sont pas encore assez matures pour demander le point de vue des Researchers sur l'IA. Beaucoup restent motivées à l'idée de proposer n'importe quel produit d'IA Générative à leurs clients, que cela réponde ou non un besoin utilisateur.

Heureusement, l'histoire va dans notre sens. Nous savons que lorsque les entreprises ne font pas de recherche exploratoire sur les besoins des utilisateurs, elles finissent par avoir une adoption limitée et des coûts de re-travail importants, voire abandonner les projets.

Les Researchers ont donc une vraie carte à jouer. Ils peuvent devenir de véritables conseillers stratégiques dans leur entreprise, et avoir une influence concrète sur l'essor de cette technologie dans nos sociétés. Pour y arriver, il faut être persuasif sur la puissance de la recherche exploratoire, tout en continuant à traiter efficacement les sujets évaluatifs avec les équipes Produit.

‍

Quels besoins sont de bons candidats pour l'IA ? Comment définir son succès ?

Même la meilleure IA échouera si elle n'a pas d'impact réel et positif sur le quotidien des utilisateurs. Lorsqu'on se lance dans un processus de design centré sur l'humain, nous nous posons toujours certaines questions : Qui sont nos utilisateurs ? Quels problèmes devons-nous résoudre pour eux ? Comment faire ? Comment savons-nous que l'expérience a atteint son objectif ?

Voici 3 aspects à prendre en considération :

1. Trouver l'intersection entre les besoins réels & les avantages de l'IA.

Cartographier les workflows existants pour réaliser une tâche est un bon moyen pour trouver des opportunités d'amélioration de l'expérience avec l'aide de l'IA. En creusant la façon dont les gens mènent aujourd'hui à bien un processus, vous comprendrez les étapes nécessaires, et identifierez les aspects qui pourrait être automatisés ou améliorés.

Après avoir identifié les aspects que vous souhaitez améliorer, vous devez déterminer parmi les solutions possibles :

• Celles qui requièrent de l'IA ;
• Celles qui peuvent être enrichies par l'IA ;
• Celles qui ne demandent pas d'IA - voire, celles qui seraient dégradées par l'IA. 

Il est essentiel de se demander si l'IA va réellement améliorer la solution. Souvent, une solution basée sur des méthodes heuristiques (qui fournit un résultat spécifique lorsqu'une situation se présente) fonctionnera aussi bien - voire mieux - qu'une version basée sur l'IA.

2. Distinguer l'automatisation vs. l'augmentation.

Lorsque vous avez identifié un problème à résoudre et que vous avez déterminé que l'IA avait effectivement un potentiel, vous devez identifier les différentes façons pour l'IA de résoudre un problème et aider les utilisateurs à accomplir leurs objectifs. Faut-il utiliser l'IA pour automatiser la tâche ? Ou pour augmenter la capacité de l'utilisateur à remplir soi-même cette tâche ?

Les gens aimeront que certaines tâches soient gérées automatiquement à 100% : par exemple, quand on ne sait pas ou peut pas faire les tâches, quand les tâches sont fastidieuses, répétitives, gênantes ou encore dangereuses. Mais il y a plein d'autres activités qu'ils souhaiteront toujours mener eux-mêmes : quand les utilisateurs apprécient la tâche, quand ils sont personnellement responsables du résultat, que les enjeux sont importants, ou que les préférences sont complexes à formuler. Dans ces situations particulières, l'IA peut aider à l'accomplissement des mêmes tâches, mais plus rapidement, plus efficacement, et parfois même de façon plus créative. Et lorsque le processus s'avère long et complexe pour les utilisateurs, il faudra certainement articuler automatisation + augmentation.

3. Préparer l'apprentissage.

L'IA évolue selon sa définition des "succès" et des "échecs" (ie. les bonnes et les mauvaises prédictions), à partir de règles mathématiques (ie. sa "reward function). Cela est déterminant pour son optimisation, et aura une influence majeure sur l'expérience utilisateur au long terme. 

Les équipes ont un ensemble de décisions à prendre pour définir ces règles d'apprentissage... Qu'est-ce qu'un bon résultat ? Qu'est-ce qu'un mauvais résultat ? Quelle importance ont les erreurs ? En tant que Researcher, notre rôle est d'informer les équipes de l'impact potentiel du produit pour les utilisateurs, afin d'en limiter les effets négatifs.

‍

Exemple de recherche d'exploratoire pour l'IA

Prenons un scénario fictif : imaginez que vous voulez créer une app de réservation personnalisée de restaurant, évidemment augmentée grâce à un assistant IA. Vous souhaitez identifier des usages concrets de l'IA, à partir des besoins réels des utilisateurs.

La première option serait d'inviter des gens dans une salle, de leur demander de se faire des recommandations de restaurants entre eux, et observer leurs comportements : Quelles questions se posent-ils ? Comment réagissent-ils ? Quand arrêtent-ils leur échange ?

On peut imaginer que l'emplacement sera un sujet essentiel, et que les gens se feront aussi des recommandations à partir du type de cuisine ou du prix. Mais il est possible qu'ils se recommandent aussi des restaurants à partir d'autres questions, telles que : "Avec qui y allez-vous ?", ou "Avez-vous un évènement spécial à célébrer ?", ou encore, vous pourrez vous rendre compte que les restaurants les plus recommandés et populaires seront toujours basés sur les restaurants les plus souvent visités de la personne qui fait la recommandation.

Ces insights sont indispensables pour comprendre les modèles mentaux de vos utilisateurs (comment ils fonctionnent, réfléchissent et conceptualisent le système) et concevoir des solutions IA qui leur correspondent. Certes, votre entreprise peut avoir des données intéressantes à utiliser : par exemple, des data qui permettent de lier les musiques écoutées aux restaurants qui pourraient plaire... mais cela ne correspond pas au fonctionnement des utilisateurs, et ce n'est donc pas la meilleure approche.

‍

Protocole de recherche "Jobs-to-be-Done-by-AI"

Un étude "Jobs-to-be-done-by-AI" consiste à identifier les besoins à résoudre par une IA lors de moments d'utilisation d'un produit ou service. 

Elle est basée sur le principe des Jobs-to-be-Done, et permet de comprendre quels besoins sont de bons candidats pour l'IA, et comment définir le succès du cas d'usage du point de vue des utilisateurs.

Lorsque vous étudiez les besoins des gens, nous vous conseillons de bien creuser ces éléments quand il s'agit d'IA :

• ‍Personnification du problème : Est-ce que la solution attendue est différente selon les participants ? Est-ce que le résultat attendu évolue constamment dans le temps ? Un assistant humain aurait-il de la valeur ?
• Risque d'effet négatif : Quel est l'impact négatif pour le participant lorsque l'objectif n'est pas atteint ?
• Crainte de l'IA : Le participant est-il contre l'utilisation IA sur le problème ?
• Attitudes vis-à-vis du problème : La tâche doit-elle être surveillée, ou peut-elle être déléguée à quelqu'un d'autre ? Quel est le plaisir du participant à la remplir ? Quelle est la responsabilité personnelle du participant ? Arrivent-ils à formuler leurs préférences ?

Cette lecture peut prendre un peu de temps pour s'y familiariser. Nous vous conseillons de tester cette approche en vous questionnant sur des cas concrets personnels (ex : un problème que vous rencontrez lorsque vous utilisez votre app préférée) ou ceux de vos collègues, avant de vous lancer dans la préparation d'un protocole. 

Recruter

Nous vous conseillons de recruter 2 groupes d'utilisateurs extrêmes, avec 5-15 individus par segment : des novices (ex : nouveaux utilisateurs), et des experts (ex : utilisateurs historiques, ou très fréquent) de votre produit.

Cela vous permettra de voir comment les novices réalisent une tâche qu'une solution IA pourrait accomplir à l'avenir, et d'évaluer l'uniformité du processus entre différents utilisateurs. 

Structurer l'étude

Une étude "Jobs-to-be-done-by-AI" est très flexible. Vous pouvez remplacer "[X]" par n'importe quel produit ou service.

Partie 1 : Introduction

Vous commencez par vous intéresser à ce que pensent vos participants de l'IA aujourd'hui, ainsi que de votre produit, pour déterminer les modèles mentaux existants.

• Question ouverte
  ‍Quelle est votre plus grande passion ou centre d'intérêt ?
• Question ouverte
  Seriez-vous prêt à accueillir de l'IA sur cette passion ou centre d'intérêt ? Pourquoi ?
• Question ouverte
  ‍Quelle est la première chose que vous changeriez dans votre vie quotidienne ? Pourquoi ?
• Question ouverte
  Seriez-vous prêt à accueillir de l'IA sur cet aspect ? Pourquoi ?
• Question fermée
  À quelle fréquence utilisez-vous [X] ?
• Question fermée
  Depuis combien de temps utilisez-vous [X] ?
• Vidéo
  ‍En 60 secondes, décrivez-nous le rôle que [X] a dans votre vie quotidienne. Quelles tâches essayez-vous d'accomplir avec ?
• Question ouverte
  ‍Pourquoi ce [X] est-il bien selon vous ? Qu'est-ce qui le rend bien ?‍
• Question ouverte
  ‍Quelles sont les difficultés que vous rencontrez quand vous utilisez [X] ?
• Question ouverte
  ‍Comment pourrait-il être amélioré selon vous ?

Partie 2(+) : Besoins adressables par IA

C'est le cœur de l'étude. Vous demandez aux participants une liste de moments lors desquels ils utilisent votre produit, afin d'en identifier les besoins et d'obtenir les données qui vous aideront à évaluer le potentiel de l'IA pour atteindre leur objectif. Avec Tactix, vous pouvez obtenir les témoignages sur le moment, ce qui vous permet de creuser avec exactitude l'objectif, le problème, le contexte, le workflow, et les solutions possibles.

• Question ouverte
  Qu’essayez-vous d’accomplir tout de suite ?
• Question ouverte
  Décrivez-nous le contexte : où vous trouvez-vous ? Avec qui êtes-vous ? etc.
• Vidéo
  Prenez une capture d’écran ou un témoignage vidéo en utilisant ce [X] pour accomplir votre objectif ? Partagez-nous vos commentaires et vos opinions tout au long du parcours
• Question fermée
  À quelle fréquence utilisez-vous [X] pour cet objectif ou un objectif similaire ?
• Question fermée
  De 1 (très mal) à 5 (très bien), à quel point [X] vous a-t-il aidé à atteindre votre objectif ?
• Question ouverte
  Lors de ce moment, listez ce que [X] a fait de bien ? Soyez le plus spécifique possible !
• Question ouverte
  Et qu'aurait-pu [X] faire de mieux. Soyez encore le plus spécifique possible !
• Question fermée
  De 1 (pas du tout) à 5 (beaucoup), à quel point la transparence du fonctionnement du [X] était-elle importante pour vous dans cette situation ?
• Question ouverte
  Êtes-vous contre l'utilisation de l'IA pour automatiser ou améliorer quelque chose lors de ce moment ? Si oui, quoi ?
• Question ouverte
  Si vous deviez aider quelqu'un dans la même situation...
  Sur quelles tâches ou décisions l'aideriez-vous en premier ?
• Question ouverte
  Et si vous aviez un "assistant humain" à vos côtés pour vous aider sur ces mêmes tâches ou décisions à prendre, que lui demanderiez-vous de faire ? Listez-nous tous ses devoirs.
• Question ouverte
  Si l'assistant se trompait, quel impact négatif aurait-il ?
• Question ouverte
  Qu'attendez-vous exactement de cet assistant ? Listez les conditions de sa réussite

Partie 3 : Réflexion & Co-Création

Vous terminez votre étude en demandant aux participants de faire un retour sur leur expérience d'utilisation du produit. Ils priorisent leurs besoins, et vous aident à définir la solution IA qu'ils attendent. Ici, un dessin de type "Storyboard Triptech" peut être demandé aux participants pour les faire réfléchir sur leur solution IA idéale.

• Question ouverte
  Quelle est LA chose que vous aimeriez automatiser sur [X] pour l'améliorer à l'avenir ?
• Question ouverte
  ‍Pourquoi ce changement sur [X] ? Comment impacterait-il votre capacité à atteindre vos objectifs ?
• Photo
  Imaginez le fonctionnement de cette nouvelle solution IA... par exemple, pensez aux différents aux données utilisées et le résultat rendu.
  Prenez une photo de votre dessin, ou qui montre 3 choses : votre problème initial, le fonctionnement de votre invention, et l'impact final sur vous.‍
• Vidéo
  ‍En 2 minutes, expliquez-nous votre création. Quels sont les aspects différents de la version actuelle de [X] ? Pourquoi ces changements ? Que permet-elle de plus par rapport à la version actuelle ?

‍

Pour conclure

Il y a beaucoup d'incertitudes sur l'IA, et la recherche exploratoire peut apporter énormément de valeur. Pour nous, elle représente une formidable opportunité pour les Researchers, et il est indispensable de faire partie du processus de conception dès les premières réflexions.

Beaucoup d'UX Researchers nous disent leur envie d'avoir un impact sur les sujets stratégiques... l'IA nous semble justement une opportunité d'aller au-delà des tests produit, et de s'élever au niveau de l'entreprise et son futur.

Pour y arriver, il vous faudra savoir convaincre du pouvoir de la recherche exploratoire : être aux meetings sur l'IA Générative, provoquer les parties prenantes à partir de votre connaissance des utilisateurs, rappeler les travaux exploratoires passés, et monter en compétences sur l'IA.

‍

‍

Vous souhaitez échanger sur les façons dont Tactix pourrait vous accompagner sur votre recherche exploratoire sur les sujets IA : parlons-en !

‍