Faut-il vraiment ajouter de l’IA à votre produit ?

Partir du produit plutôt que de la technologie

Lorsqu’une nouvelle technologie apparaît, notre premier réflexe est souvent de chercher ce qu’elle pourrait nous permettre de faire. L’IA ne fait pas exception. On regarde ce que proposent les autres produits. On teste les nouveaux modèles. On imagine un assistant conversationnel, un bouton « Ask AI », des fonctionnalités de génération ou de recommandation. Puis on cherche comment les intégrer dans notre produit.
Cette approche a un défaut : elle part de la technologie avant de partir de l’usage. Pourtant, l’utilisateur n’a pas besoin d’utiliser de l’IA. Il a besoin de faire quelque chose. Trouver une information. Préparer une intervention. Comprendre un problème. Écrire un message. Prendre une décision.

L’IA n’est pas une expérience utilisateur. C’est une capacité au service d’une expérience.

Cette distinction devient d’autant plus importante que les capacités d’IA se banalisent. Hier, intégrer une fonctionnalité basée sur un modèle d’IA pouvait constituer une innovation. Demain, ces mêmes capacités seront disponibles dans la plupart des produits. La différence ne se fera donc plus uniquement sur le modèle utilisé, mais sur la manière dont cette capacité s’intègre dans le produit.

 

Où l’IA peut-elle vraiment aider ?

Pour répondre à cette question, il faut revenir à l’utilisateur. Pas seulement à ce qu’il fait dans l’interface, mais à ce qu’il cherche réellement à accomplir. Prenons un outil utilisé par un technicien pour préparer une intervention. Son travail ne se limite pas à consulter une fiche. Il doit comprendre le contexte de l’intervention, vérifier les consignes de sécurité, retrouver la documentation associée, identifier le matériel nécessaire, vérifier sa disponibilité, consulter l’historique de problèmes similaires… Ces informations sont parfois réparties dans plusieurs outils.

On pourrait lui proposer un assistant IA capable de répondre à ses questions. Mais est-ce vraiment la meilleure solution ? Il faudrait encore ouvrir l’assistant, formuler une demande, attendre une réponse, vérifier cette réponse, puis revenir à l’outil métier.

On aurait ajouté une nouvelle interface. Alors qu’il est peut-être plus intéressant d’intégrer directement l’intelligence dans les moments où elle peut réduire l’effort.

• Résumer automatiquement les échanges précédents.
• Identifier la documentation utile.
• Localiser la zone concernée sur l’équipement.
• Vérifier le matériel nécessaire.
• Faire remonter des interventions similaires.

Dans ce cas, l’IA ne devient pas une nouvelle destination. Elle vient enrichir l’outil que l’utilisateur utilise déjà.

L’objectif n’est pas d’ajouter de l’IA. C’est de réduire l’effort.

 

Une fonctionnalité IA n’est pas forcément une bonne solution

C’est peut-être l’un des pièges actuels. Parce qu’une technologie permet de faire quelque chose, nous avons tendance à chercher des problèmes auxquels l’appliquer. Mais tous les problèmes ne nécessitent pas d’IA. Une recherche classique peut être plus efficace qu’une recherche sémantique. Une règle métier peut être plus fiable qu’une recommandation générée. Une meilleure organisation de l’information peut être plus utile qu’un assistant conversationnel. Et parfois, une simple amélioration de l’interface suffit. L’enjeu n’est donc pas de trouver où mettre de l’IA.

L’enjeu est de trouver où l’intelligence peut réellement améliorer l’usage.

Cela demande de regarder le parcours dans son ensemble :

• Les moments où l’utilisateur cherche une information.
• où il doit interpréter quelque chose.
• où il répète une tâche.
• où il doit passer d’un outil à un autre.
• où il hésite.
• où il doit prendre une décision.

C’est là que peuvent se trouver les bonnes opportunités.

 

Toutes les IA ne se valent pas dans un même parcours

Il faut également regarder ce que l’IA est réellement capable de faire. Une fonctionnalité peut sembler pertinente sur le papier, mais devenir beaucoup moins intéressante une fois confrontée à la réalité du produit.

• Les données sont-elles disponibles ?
• Sont-elles suffisamment fiables ?
• Le résultat est-il assez précis ?
• Le temps de réponse est-il acceptable ?
• L’utilisateur peut-il vérifier le résultat ?
• Que se passe-t-il en cas d’erreur ?

Plus l’enjeu est important, plus ces questions deviennent importantes. Dans un outil de rédaction, une reformulation imparfaite peut facilement être corrigée. Dans un contexte industriel, médical ou financier, une mauvaise information peut avoir des conséquences beaucoup plus importantes. La question n’est donc pas seulement « est-ce que l’IA peut le faire ? », mais « est-ce qu’elle peut suffisamment bien le faire pour que cela ait du sens ici ? »

 

Et si l’IA ne devait pas toujours être visible ?

C’est un sujet que nous avions déjà abordé dans un précédent article : l’IA peut parfois disparaître derrière l’usage. Mais cette idée prend une autre dimension lorsqu’on regarde le problème depuis le produit.

Si l’utilisateur doit comprendre qu’il utilise de l’IA pour bénéficier d’une fonctionnalité, c’est peut-être que nous avons conçu la fonctionnalité autour de l’IA plutôt qu’autour de son besoin. Une traduction automatique n’a pas besoin de devenir une expérience conversationnelle. Un résumé n’a pas besoin de devenir un chatbot. Une recherche documentaire n’a pas nécessairement besoin d’un champ de prompt. L’intelligence peut simplement être là, au bon moment.

Néanmoins, cela ne signifie pas pour autant qu’il faut cacher l’IA. Dans les situations où l’utilisateur doit pouvoir vérifier, comprendre ou valider un résultat, le produit doit lui laisser cette possibilité et les bonnes pratiques UX doivent être appliquées. La bonne intégration n’est donc pas nécessairement celle qui rend l’IA invisible. C’est celle qui lui donne la bonne place. Et cela dépend notamment de l’enjeu derrière l’action. Plus l’action comporte un enjeu (financier, technique, sécurité,…) plus la confiance et le contrôle doivent être explicite et contrôlable par l’humain.

Alors, comment savoir si l’IA a sa place ?

C’est une question que nous nous posons de plus en plus souvent dans nos projets. Nous avons commencé à formaliser une grille de questions. Pas pour décider automatiquement si un projet doit intégrer de l’IA. Mais pour éviter de commencer par la technologie.

01 . Contexte

Comment et quand l’utilisateur fait-il sa tâche ? Comprendre son environnement, ses outils, ses contraintes et son parcours.

02 . Friction

Qu’est-ce qui lui coûte du temps, de l’effort ou de la compréhension ? Chercher ? Comprendre ? Comparer ? Décider ? Répéter ?

03 . Pertinence

L’IA est-elle réellement la meilleure façon de résoudre ce problème ? Une autre solution pourrait-elle être plus simple ?

04 . Capacité

L’IA a-t-elle réellement la capacité d’améliorer ce moment ? Avec quel niveau de fiabilité, de rapidité et de précision ?

05 . Contrôle

Quel niveau de validation, de transparence ou de reprise en main faut-il ? Tout ne peut pas être automatisé de la même manière.

06 . Résultat

L’utilisateur réussit-il mieux sa tâche ? Quels sont les indicateurs qui nous permettraient de le mesurer ? C’est finalement le critère le plus important.

07 . Changement

L’utilisateur acceptera-t-il cette nouvelle façon de faire ? Une bonne technologie peut devenir une mauvaise expérience si elle bouleverse inutilement les habitudes.

08 . Éthique

L’usage de l’IA est-il raisonnable, proportionné et contrôlable ? Parce que tout ce qui est techniquement possible ne doit pas nécessairement être fait.

 

Ne pas mettre de l’IA partout

L’IA va continuer à s’intégrer dans nos produits. C’est probablement une bonne chose. Elle permet déjà de réduire certaines tâches, d’accéder plus facilement à l’information, d’assister certaines décisions et de simplifier des parcours complexes. Mais cette évolution ne devrait pas nous conduire à mettre de l’IA partout.

Au contraire. Plus les capacités deviennent accessibles, plus il devient important de savoir où elles apportent réellement quelque chose. Pour les designers, les product managers et les équipes produit, le sujet n’est donc peut-être plus seulement de savoir comment concevoir une bonne expérience avec l’IA.

Il faut aussi savoir décider quand elle est pertinente, quand elle doit rester en arrière-plan et quand il vaut mieux ne pas l’utiliser. Parce qu’un produit n’est pas meilleur parce qu’il est plus intelligent. Il est meilleur lorsqu’il permet à ses utilisateurs de mieux faire ce qu’ils sont venus faire.

L’IA peut nous aider à y parvenir. À nous de lui donner la bonne place.