Elle est sur toutes les lèvres et dans tous les échanges Slack… nous avons nommé : l’IA. Alors évidemment, chez Intuiti, on a voulu en avoir le cœur net et faire nos propres expériences. Chaque métier s’y est essayé avec, en tête, la même grande question : comment tirer profit de ChatGPT et consœurs dans nos tâches quotidiennes ?
On vous partage aujourd’hui les résultats de nos premiers tests en tant qu’UX Researchers et UX Designers.
Cas 1 – Gagner du temps en automatisant les compte-rendus de réunions ou d’entretiens quali
Première expérience : Goëlo, qui nous promet des comptes rendus de réunion générés automatiquement par l’IA. Magique en UX Research quand on réalise en solo une (voire deux, ou trois) dizaine(s) d’entretiens visio en une semaine, que l’on doit ensuite analyser et synthétiser, cela sans rien oublier des propos récoltés !
Concrètement, Goëlo apparaît comme un participant muet de la réunion (ici Google Meet, mais fonctionne également avec Zoom). Un participant que l’on est heureux d’avoir invité puisqu’à la fin de l’échange, il nous transmet un premier niveau de compte rendu de ce qu’il s’est dit.
Ce qu’on en a pensé
Côté face, le rendu est synthétique (il ne s’agit pas d’une reprise mot pour mot des conversations) ce qui constitue une bonne base “aide-mémoire” pour une personne qui a participé à la réunion. Côté pile, cette dimension synthétique rend plus difficile le partage auprès de personnes n’ayant pas participé à l’échange, pour deux raisons principales :
- l’identification des interlocuteur·ices : Goëlo ne fait pas la différence entre les participant·es lors des prises de paroles. Impossible d’identifier qui a dit quoi a posteriori.
- la hiérarchisation des informations : Goëlo a globalement du mal à hiérarchiser les propos et identifier ce qui est secondaire de ce qui est central. Il risque donc arbitrairement de minorer un point majeur ou, au contraire, mettre l’accent sur un élément mineur.
En conclusion, la production de Goëlo nécessite globalement du retravail, mais reste une première base intéressante pour se remettre dans un entretien réalisé récemment.
Cas 2 – Préparer un questionnaire quanti sur les usages des Français·es autour de l’IA
Dans le cadre d’une étude quantitative, on a sollicité ChatGPT afin qu’il nous fournisse quelques questions à poser pour mieux comprendre les rapports qu’entretiennent les Français·es avec l’IA. Pour cela, nous lui avons fourni un certain nombre d’informations concernant le contexte de l’étude. Sur cette base, l’outil a généré une première base de questionnaire. Avec quelques consignes supplémentaires, il l’a adapté au ton et à la longueur souhaités.
Ce qu’on en a pensé
Soyons honnêtes : le rendu est une première base de qualité. On y retrouve les questions classiques ainsi que quelques idées de thématiques à creuser. C’est un bon complément à notre proposition et c’est ce que l’on en attendait. Effectivement, notre objectif principal était de valider une trame que nous avions déjà posée, en vérifiant que nous n’avions pas oublié d’élément important. Il est aussi intéressant de pouvoir faire reformuler à ChatGPT les questions et réponses en forçant l’utilisation d’un pronom ou d’un niveau de langage précis. En revanche, pour les questions plus complexes intégrant une liste de réponses pré-rédigées, le rendu est plus discutable. ChatGPT peine à proposer une liste de réponses exhaustive et, bien souvent, les réponses proposées tendent à se recouper. Dans ces conditions, le questionnaire n’est pas utilisable en l’état puisqu’il pourrait mettre en difficulté le répondant au moment de faire son choix. Un retravail est donc indispensable pour aboutir à un contenu réellement exploitable.
Cas 3 – Proposer des objets d’emails pour une étude quantitative auprès d’artisans
Pour s’assurer un bon taux d’ouverture (et par extension un bon taux de réponse à un questionnaire), tout e-mail se doit d’arborer son plus bel objet. Et c’est typiquement un sujet sur lequel on s’attendait à recevoir une aide précieuse de ChatGPT, pour avoir de nombreuses itérations alimentées par la masse de connaissances déjà absorbées. On l’a donc sommé, séance tenante, de nous proposer des formulations pour diffuser par email une étude qui interrogeait les artisans sur leurs usages du digital.
Ce qu’on en a pensé
Cette fois, le résultat n’est pas vraiment à la hauteur de nos attentes. Plusieurs points ont été source de friction. ChatGPT nous a fait bien fait plusieurs propositions mais… il n’a pas correctement interprété le terme “artisan”. Ce qui a littéralement entraîné des non-sens dans les formulations.
Ensuite, malgré nos relances, il n’a pas été capable de nous recommander une suggestion plutôt qu’une autre en fonction de son potentiel au regard des indicateurs standards (taux d’ouverture, taux d’engagement…). Ici, l’aide de ChatGPT n’a pas été concluante, les bonnes vieilles techniques – se creuser la tête, bencher, tester, itérer… – proposaient des solutions plus efficaces.
Cas 4 – Générer une arborescence de site
Dans le cadre d’une création de site, nous avons sollicité ChatGPT (encore lui !) afin qu’il nous liste les rubriques indispensables pour répondre aux attentes habituelles d’un visiteur. En quelques mots, on lui a détaillé :
- les cibles visées,
- le domaine de l’entreprise, le produit qu’elle propose et sa proposition de valeur,
- les objectifs principaux du site.
Sur cette base, il nous a proposé une liste de rubriques en détaillant, pour chacune, les grandes lignes du contenu couramment attendu sur ce type de site.
Ce qu’on en a pensé
La production de ChatGPT constitue à nouveau une bonne base de travail en posant sans effort – ou presque – le contenu standard d’un site de ce type. Cela permet de garder en vue les “immanquables” auxquels les utilisateurs s’attendent et de concentrer nos efforts sur les leviers de différenciation, la vraie valeur ajoutée en somme. Libre à nous sur cette base d’affiner le ciblage, d’adapter selon le positionnement de la marque, de hiérarchiser et compléter pour aboutir à une structure réellement personnalisée.
Dans l’exemple proposé, on identifie notamment un nécessaire travail sur la hiérarchie des contenus, qui sont, pour l’instant, tous listés sur le même plan. Proposer une navigation à 10 entrées ne semble notamment pas très pertinent pour un site de cette taille…
Et en conclusion ?
Globalement, l’IA pour notre travail d’UX Designer et sous les formes testées à ce jour, apparaît comme un bon assistant pour poser de “premiers jets” et gagner du temps sur des tâches à faible valeur ajoutée. Autre avantage, elle permet de s’assurer que l’on n’a pas oublié des éléments évidents ou de confirmer qu’ils ne concernent pas notre sujet. Malgré cela, il ne faut pas perdre de vue que la qualité de sa production est étroitement corrélée à la qualité du contenu dont on l’aura préalablement alimenté. Pour obtenir des réponses pertinentes, il faut le nourrir avec des données user riches et précises. Il lui reste difficile à ce jour de gérer les nuances, les particularités de langages, la hiérarchie et impose de garder un œil critique sur ce qu’il produit. Il reste indispensable de retravailler ses contenus, prendre du recul sur ses affirmations, s’assurer de la cohérence des propositions et apporter la richesse de notre connaissance projet et de notre réflexion.
