Comment l’intelligence artificielle révolutionne l’UX Strategy et l’UX Research

Désormais, c’est indéniable : l’intelligence artificielle fait partie intégrante du quotidien des designers. Nouvelles solutions, nouvelles promesses… Elle ne se contente pas d’ajouter des fonctionnalités dans les logiciels de design traditionnels, elle redéfinit complètement la façon de concevoir. Chaque étape du processus de design est aujourd’hui accélérée, parfois même bousculée, par une génération d’outils qui se glissent entre le designer et son idée. C’est valable, on le sait, pour la conception visuelle, le prototypage, les tests, mais ce qu’on dit moins, c’est que ça l’est tout autant dans les phases de cadrage stratégique et de recherche d’un projet.

L’IA redéfinit en profondeur la manière dont les équipes UX appréhendent les comportements, les attentes et les émotions des utilisateurs car elle amplifie leur capacité d’analyse, permet de croiser des sources autrefois inexploitables et d’en extraire des enseignements jusqu’ici peu accessibles. Chez USERADGENTS, nous le voyons chaque jour. L’IA nous a fait monter en puissance et a transformé la posture de nos UX Researchers : moins analystes manuels, davantage stratèges de la donnée. Ils peuvent désormais combiner les méthodologies design traditionnelles aux capacités des modèles de langage pour “augmenter” la recherche utilisateur. Dans ce premier article de notre série dédiée à l’impact des outils d’intelligence artificielle sur les métiers du design, zoom sur 3 champs d’application qui transforment concrètement l’UX Research et l’UX Strategy, et avec quels outils. 

Comprendre les marchés et les usages émergents grâce à la synthèse assistée de corpus complexes

Qui n’a jamais été pétrifié devant la masse d’entrants qui s’amoncelle au démarrage d’un projet ? Entre briefs clients, études scientifiques ou sectorielles, benchmarks, rapports d’usages ou documentation technique, parfois la montagne semble impossible à gravir et c’est précisément là que l’IA peut intervenir.

NotebookLM, l’érudit

NotebookLM est un outil de prise de notes et de recherche assistée développé par Google Labs. Le principe initial est simple : nourrissez-le avec vos documents (PDF, slides, sites web…) et il vous fournit des résumés détaillés, basés sur le nombre de sources que vous lui spécifiez, par écrit, en version audio et maintenant vidéo (mais ça, qu’on se le dise, ça reste encore perfectible). Depuis peu, NotebookLM peut aussi générer des cartes mentales, des rapports complets, des fiches d’apprentissage, des quiz et même parfois… des trames de storyboards ! 

Pour nos designers, NotebookLM est un allié clé pour y voir plus clair pendant le cadrage. Il agit véritablement comme un moteur de synthèse intelligent. Il permet de gagner un temps considérable pour structurer des informations provenant de sources éparses et pour interroger ce corpus de données à la demande. Car au-delà de l’immersion, le designer va surtout pouvoir échanger avec NotebookLM et lui poser des questions sur des sujets très spécifiques (à condition d’avoir le bon prompt), seul ou en collaboration avec d’autres membres de son équipe. Un moyen devenu indispensable pour retrouver des chiffres, des verbatims ou des évolutions déjà envisagées sur un produit par exemple. En somme, NotebookLM va consolider toute la connaissance utile à un projet, permettre de la partager avec l’équipe en amont ou d’obtenir des réponses en cours de travail, en toute confiance car les sources sont “contrôlées” par les designers. Attention, cette force est aussi sa faiblesse. NotebookLM n’a pas les capacités de rebondir et de réellement challenger les réflexions car il se contente de piocher dans les sources qui lui ont été initialement données. 

Comet & Atlas, les navigateurs intelligents

Parfois, l’analyse de ces corpus nécessite d’avoir dix, vingt, trente onglets ouverts en même temps dans son navigateur. Difficile alors de garder le fil ! Nos designers font dans ce contexte le choix de navigateurs “IA-native”, comme Comet de Perplexity ou Atlas d’Open AI, qui ont justement été pensés pour rendre la navigation et l’analyse de contenus beaucoup plus intelligentes, en combinant les fonctionnalités d’un navigateur classique avec des assistants d’IA capable de comprendre et résumer automatiquement ce qui est consulté. 

Ils permettent concrètement de bénéficier d’une assistance en continu, disponible dans l’interface, pour faire des résumés de pages ou de vidéos, répondre à des questions sur un article ou comparer plusieurs sources ouvertes via différents onglets. Grâce à leur mémoire de contexte multi-onglets, ils comprennent ce qui a déjà été exploré, évitant ainsi de copier-coller ou de multiplier les outils. Plutôt que d’extraire manuellement des verbatims ou de faire le tri des enjeux clés, il est par exemple possible de demander “Quelles sont les grandes idées dans ces 8 articles ouverts ?” et obtenir un tableau ou un résumé. 

Quelques limites à garder en tête toutefois : ce type d’outils a encore besoin de mûrir un peu, ils peuvent parfois être lents, se tromper et nécessiter un paramétrage / prompting un peu long (bien qu’ils puissent dans certains cas aider l’utilisateur à formaliser ses intentions au besoin). 

Mais alors, plutôt team Perplexity ou OpenAI ? Entre les deux navigateurs, nos designers n’ont pas voulu faire de choix et combinent en général leurs usages : Comet pour compléter les recherches d'information avec des sources fiables (c’est la promesse de Perplexity après tout), des citations, des chiffres, et tout comparer, Atlas pour synthétiser le contenu d’un site et intégrer les réflexions dans le cadre du projet. En effet, en se basant sur la puissance des modèles de langage d’OpenAI, ChatGPT (qui est l’IA intégrée à Atlas donc) peut prendre le relais là où Comet, et même NotebookLM, s’arrêtent : pour réfléchir, itérer, réagir avec le designer. Moins fiable certes que ses compères mais clairement plus “challengeant”. Pour servir d’assistant à l’analyse heuristique d’une page à partir d’un fichier markdown de critères fournis dans le prompt, Atlas est par exemple très pertinent car il peut faire des recommandations au-delà des constats.

Ensemble, tous ces outils transforment la lecture et l’assimilation d’un corpus. Ils ne remplacent pas la réflexion critique, mais permettent d’en tripler la vitesse d’appropriation et d’amener les experts UX sur un terrain plus stratégique et plus décisionnel.

Analyser plus finement les entretiens utilisateurs et détecter les émotions 

Lorsque les phases de recherche utilisateur sont extrêmement riches, il est souvent chronophage de faire émerger tous les enseignements issus des multiples interviews ou réunions conduites par les équipes du projet. Mais plusieurs outils d’IA aujourd’hui se sont donnés pour mission de transformer ce joyeux chaos en connaissance exploitable. Pour notre part, nous avons fait le choix de Dovetail, qui occupe désormais une place centrale dans notre stack de recherche. 

Dovetail, un hub d’analyse multimodal 

À l’origine en 2017, Dovetail a été conçu par Benjamin Humphrey et Brad Ayers (des anciens d’Atlassian) pour faire du stockage d’entretiens mais il tend à devenir un acteur clé dans la gestion et l’analyse fine de données qualitatives. 

Nos designers (et nos chefs de projets !) l’utilisent notamment pour :

• Identifier automatiquement des thématiques récurrentes et des verbatims saillants dans les entretiens
• Générer des cartographies d’émotions ou de points de friction pour offrir des supports de visualisation à l’ensemble de l’équipe
• Révéler des corrélations entre profils utilisateurs, contextes et comportements
• Produire des clusters d’usages exploitables directement pour la conception.

Cette approche multimodale (texte, son, vidéo) ouvre la voie à une analyse empathique augmentée pour nos designers : les modèles identifient les micro-variations de ton ou les expressions non verbales, qui viennent enrichir l’interprétation humaine.

Cependant, l’IA ne “comprend” pas les émotions : elle les détecte. L’enjeu pour l’UX Researcher reste de réinterpréter, de valider et d’inscrire ces signaux dans un contexte d’usage réel. L’humain reste garant du sens, l’IA du volume et de la rigueur.

ChatGPT, le titan pour tout chapeauter

Vous avez eu peur, n’est-ce pas ? C’est vrai qu’on n’avait pas encore assez parlé de notre collègue de l’année : ChatGPT. Pour autant, tous les designers de USERADGENTS s’accordent à dire qu’il est leur partenaire privilégié tout au long d’un projet, le seul à s’insérer à chaque étape de leur workflow de travail. Grâce à sa mémoire, il se positionne comme un assistant complet qui apporte un feedback permanent et qui va confirmer / infirmer des théories pour aider le designer à mieux formaliser et expliquer ce qu’il a en tête. 

Pour nos experts UX, ChatGPT se positionne comme une sorte de “méta-chercheur”, un hub cognitif qui va être utile pour toute l’équipe. Car une fois la donnée collectée et structurée, encore faut-il l’agrégrer, l’orchestrer et l’interpréter dans le contexte plus large du projet.

D’abord, il va compléter un NotebookLM ou un Comet sur la traduction des besoins initiaux en enjeux et challenges design. Il peut en effet aider à formuler une véritable vision et des objectifs grâce à sa capacité de réflexion plus forte que ses compères. Attention, s’il est un meilleur contradicteur, il est aussi un meilleur menteur… Il ne faut jamais s’abstenir de tout vérifier.

Il offre aussi une bonne alternative à Dovetail pour ceux qui préfèrent rester dans un seul et même environnement. Il ne dispose pas de toutes ses fonctionnalités avancées de visualisation mais il peut tout à fait fournir une synthèse de transcriptions d’interviews et un début d’analyse (incluant les principaux problèmes, besoins, opportunités, une priorisation des quick wins et évolutions sur le long terme et quelques recommandations UX associées). Attention à bien lui demander de fournir les verbatims correspondant à chaque point d’analyse car on le connaît le petit ChatGPT, il peut avoir tendance à inventer. Si on l’utilise avec un Maze (plateforme très utile pour obtenir des insights à partir d’analyses quantitatives et de tests utilisateurs), ChatGPT est là encore un précieux allié pour interpréter ce qu’il en ressort (identifier des thématiques, des verbatims emblématiques…). 

ChatGPT est également un excellent appui pour l’organisation d’ateliers UX. Il enrichit la réflexion, accélère la production des supports, par exemple en générant des images sur-mesure pour chaque séquence prévue. 

Vous l’aurez compris, globalement, ChatGPT (grâce à ses outils associés) sait peu ou prou tout faire. Et cette omniscience va servir à agréger les enseignements tirés de différentes sources, et notamment des différentes solutions précédemment abordées. Son but ? Les reformuler en formats exploitables et surtout en leviers VRAIMENT actionnables pour le projet. 

Au final, une recherche utilisateur augmentée mais pas automatisée

Attention, l’IA n’efface ni le cadrage stratégique ni la recherche utilisateur : elle en accélère l’accès au sens. Elle permet de traiter des volumes de données inédits, de révéler des tendances invisibles et de structurer des insights avec une rigueur nouvelle. Mais la valeur reste dans la capacité humaine à poser les bonnes hypothèses, à comprendre les contextes d’usage et à traduire les enseignements en décisions de design.

Chez USERADGENTS, nous considérons que l’IA ne rend pas la recherche plus simple, mais plus exigeante. Elle impose de mieux définir ses questions, de mieux cadrer ses corpus et de maîtriser ses biais. Le rôle de l’UX Researcher devient celui d’un chef d’orchestre de la donnée, capable de faire jouer ensemble les IA, les méthodologies et les humains pour produire des réflexions à la fois fiables, sensibles et stratégiques. 

And now…

Nous développons actuellement un système RAG (Retrieval-Augmented Generation) dédié à notre connaissance unique en UX design. L’objectif : structurer et indexer l’ensemble de nos contenus (ergonomie, analytics, recherche utilisateur, bonnes pratiques et études de cas…) afin de les rendre directement exploitables par un modèle de langage. Ce travail ouvre la voie à une véritable intelligence collective interne, capable de répondre, recommander ou documenter nos méthodes en temps réel. À terme, nous connecterons nos outils de design, comme Figma, pour permettre à l’IA d’interagir directement avec nos maquettes et de nourrir la conception de nos interfaces.

Car oui, nos UI Designers aussi sont en train d’intégrer progressivement l’IA dans leur méthodologie de travail, pour faire passer nos interfaces à un niveau supérieur. Alors, quel est l’impact réel de l’IA sur leur métier ? Sur quels outils s’appuyer en phases de macro-conception et de conception détaillée ? On vous donne rendez-vous dans quelques semaines pour la suite de cet article !