L'Intelligence Artificielle s'est imposée comme un sujet incontournable dans le monde du Produit. Prompts, benchmarks, outils....Les possibilités qu'elle offre sont nombreuses, même si certains s'en méfient encore. Alors comment tirer le meilleur parti des IA génératives, et de ChatGPT en particulier, en tant que Product Designer ?
Depuis quelques temps, nos yeux sont braqués sur l'écran noir de ChatGPT. Face à nous, la même question : "How can I help you today ?" C’est vrai ça, comment l'Intelligence Artificielle (IA) générative peut-elle nous aider nous, Product Designers ?
ChatGPT et tous les outils d’IA ont progressivement envahi notre quotidien. Nos fils LinkedIn ou X regorgent de benchmarks et de prompts, tous plus prometteurs les uns que les autres : “Ce prompt vous fera gagner 3h par semaine”, et celui-ci “révolutionnera votre expérience client”… Bientôt le retour de l’être aimé ? D’un autre côté, les craintes se font de plus en plus entendre : les Product Designers vont-ils se faire remplacer ?
Évidemment, toute innovation a son lot de promoteurs et de détracteurs. Et si nous adoptions une approche plus réaliste et pratique de l’IA ? En tant que Product Designers chez Thiga, nous l'avons testée dans des contextes de mission variés : pour des Design Systems, de l'UX Writing, de la facilitation d'ateliers ou encore de la recherche utilisateur. Nous vous livrons ici nos retours d’expérience avec trois objectifs :
- Gagner du temps
- Élever la qualité des livrables et des outcomes
- Ouvrir de nouvelles perspectives en stimulant l’innovation.
🧑🔧 Le Design System Manager
Avoir un Design System complet et bien organisé, n’est-ce pas le rêve de tout Product Designer ? Sauf que voilà, entre la multitude de composants et les nouvelles arrivées dans l’équipe, on se retrouve vite perdu… C’est là que l’IA intervient à travers trois cas d’usage concrets :
- La documentation des composants, qu’elle soit technique (anatomie) ou fonctionnelle (comportements, états, accessibilité…)
- La structuration du Design System ou la façon dont sont organisés les composants mais également le contenu, les supports liés à l’identité de marque…
- L’amélioration de l’onboarding des usagers du Design System, ce qui va grandement favoriser son adoption !
Nous vous proposons un zoom sur le tout premier objectif, le plus couramment utilisé et le plus performant, qui fonctionne avec ChatGPT 4 et sa version gratuite, la 3.5.
➡️ La création du prompt
Le premier réflexe est de préciser à ChatGPT le rôle qu’il devra jouer (celui d’un Design System Manager) mais encore ? D’autres éléments sont utiles pour affiner les résultats et en améliorer la qualité. Frédéric Dardion, consultant chez Thiga, a expérimenté ce prompt au cours de sa mission de Design System Management chez Carrefour. Il nous livre quelques-unes de ses recommandations pour ne rien oublier : “J’ai développé mon propre bot expert sur ChatGPT 4, qui joue le rôle d’un Design System Mentor. C’est d’ailleurs le nom que je lui ai donné. Pour arriver à des résultats pertinents, j’ai commencé par lui donner une quinzaine de références sur le sujet et des liens vers des Design System référencés sur le web.”
- Donnez du contexte
Précisez qui sont les utilisateur du Design System (Product Designers, Développeurs front, QA, Product Managers…) et leur niveau d’expertise. Listez aussi le contenu actuel du Design System : composants, présence ou non de Content Design, les normes et règles à respecter (niveau d’accessibilité, tone of voice…) et stack technique.
- Définissez les critères de succès
Indiquez clairement l’objectif. Dans notre cas, il s’agit de la documentation d’un nouveau composant d’ajout de fichier (appelé ”input file”), puis spécifiez quel est le composant. Enfin, fournissez des inspirations et des bonnes pratiques, issues d’articles, de livres, et d’autres Design Systems.
- Clarifiez l’output
Dans le cas de la documentation, dresser un inventaire à la Prévert permet de viser l’exhaustivité : anatomie, différents états, règles d’usage, d’animation et d’accessibilité. Pour chaque partie, suggérez la forme finale souhaitée (le ton à employer, la langue, la longueur voulue, une représentation en tableau...).
➡️ Le prompt en action !
➡️ Analyse des performances
Qualité des résultats ⭐️⭐️⭐️⭐️
Les résultats obtenus permettent d’aboutir à une documentation plus exhaustive et de vérifier que rien n’a été oublié dans la création du composant (états…). En revanche, GPT montre des limites sur les spécificités techniques ; en cela, il se complète parfaitement avec EightShapes Specs.
Gain de temps ⭐️⭐️⭐️⭐️⭐️
Soyons honnêtes, la documentation est rarement l’activité la plus plébiscitée par les Designers… Et là, le temps gagné se compte en heures (ressenti : en décennies) ! Pour les utilisateurs du Design System, le bénéfice est également réel. La documentation est mieux structurée, donc on trouve plus facilement l’information. Cet avantage est encore renforcé si l’on crée un Custom GPT qui répond aux questions des usagers, comme par exemple, “quel composant utiliser pour annoncer un problème technique ?”
Innovation ⭐️
Seulement 1 étoile sur 5, mais sans surprise puisque la découverte d’idées créatives n’était pas vraiment l’attendu de ce prompt !
Si l’IA générative peut nous aider à créer et à rechercher des informations dans un Design System, pourquoi ne pas pousser un cran plus loin et l’utiliser dans tout système de “knowledge management” comme les repositories de recherche ?
🧙 Le Content Designer
S'adresser avec clarté et cohérence aux utilisateurs est un défi de taille pour les Designers… Aussi, même si on n'a pas toujours la chance d'avoir un Content Designer à ses côtés, l'IA peut nous donner un sacré coup de main :
- Améliorer le contenu textuel
- Proposer des premières idées de rédaction
- Création de contenus réalistes pour en finir avec le texte de substitution
➡️ La création du prompt
Comme pour le précédent use case, il est indispensable de préciser à ChatGPT son rôle : celui d’un expert en UX Writing.
- Posez-vous (et posez-lui) les bonnes questions
Précisez dans quel domaine évolue votre produit, y a-t-il des termes propres à votre secteur ? Quels sont les règles d’écriture à suivre ? Il convient enfin de spécifier le rôle et la mission de l’IA. Voici un exemple basé sur l’entreprise spécialiste de la signature électronique, Yousign :
“Agis en tant qu’expert UX Writer. Tu travailles dans le domaine de la e-signature. Tu es garant des principes d'UX Writing de Yousign. Améliore les contenus proposés en te basant sur les principes suivants :
- Personnalité de Yousign : il se positionne entre les archétypes du Caregiver et du Lover, cherchant à établir des relations basées sur l'empathie, l'altruisme, et une volonté d'aider.
- Tonalité de communication : chaleureuse car nos messages doivent refléter un sourire dans la voix, montrer de la joie, de la proximité et de l'enthousiasme. L'objectif est de rendre chaque expérience agréable et intuitive, en exprimant les bénéfices utilisateur de façon directe et en rendant l'accès à notre application le plus simple possible.
- Ta mission en tant qu'UX Writer est d'aider ton utilisateur à reformuler et générer du nouveau contenu, en veillant à ce que les guidelines d'UX Writing soient respectées.”
➡️ Le prompt en action !
Mathias Frey, Head of Design chez Yousign, témoigne : “En créant notre propre expert en UX Writing, nous bénéficions d’une aide supplémentaire qui nous propose un résultat qui n'est certes pas toujours parfait, mais qui nous encourage à remettre constamment en question notre contenu et à générer très rapidement des propositions conformes à nos principes.”
➡️ Analyse des performances
Qualité des résultats ⭐️⭐️⭐️⭐️
À date, le rédactionnel est probablement le champ d’expertise dans lequel les LLM (Large Language Model) sont les plus performants. Ils permettent en effet d’améliorer la qualité de vos contenus tout en garantissant une cohérence de style dans votre Produit. Si on peut observer quelques sorties de piste dans les propositions, le volume de contenu produit et la vitesse à laquelle il est généré permettent de facilement s’inspirer et d’itérer. Au-delà de s’assurer du bon respect de l’application du Tone of Voice de votre produit, l’IA apporte d’autres avantages non négligeables : la chasse aux fautes d’orthographe, la reformulation ou encore la traduction.
Gain de temps ⭐️⭐️⭐️⭐️
Lorsqu’on parle d’UX Writing, le syndrome de la page blanche peut être un vrai problème. Écrire une première version d’un contenu sans trop réfléchir à la forme et se faire challenger par l’IA permet de gagner du temps. Idem, rédiger des contenus factices pour agrémenter des prototypes et en finir avec le lorem ipsum devient un jeu d’enfant !
Innovation ⭐️⭐️⭐️
Générer de nouvelles formulations permet d'envisager des tournures de phrases et des arguments auxquels on n'avait pas pensé au premier abord.
🤹 Le Facilitateur
Pas si simple d’imaginer le déroulé d’un atelier : entre le nombre de participants, le choix de la méthodologie et la logistique… Là aussi, l’IA permet de vite mettre sur la table les premières idées et de poser les bonnes questions pour s’assurer d’avoir un atelier solidement préparé.
➡️ La création du prompt
Pour ce cas d’usage, nous avons créé un custom GPT. Une fois n’est pas coutume, commencez par donner un cadre de réflexion structuré à l’IA pour l’amener à proposer des ateliers. Dans notre exemple, nous sommes repartis de la trame des 7P :
- Purpose (le but) : pourquoi cet atelier est-il organisé ?
- Participants : qui doit être réuni autour de la table et quels sont les rôles de chacun ?
- Preparation : quels éléments doivent-être préparés en avance ?
- Process : quel est l’agenda, les différentes étapes de l’atelier ?
- Product : quels sont les outputs, les livrables qui pourront être produits ?
- Practical : quels sont les besoins logistiques (outil, durée…) ?
- Pitfalls (les pièges) : quels sont les risques à prendre en compte ?
Donner une série d’exemples à suivre permet à l’IA de mieux comprendre le contexte de l’utilisateur et donc le type de réponse attendue, un peu à la manière du chain of thought prompting. Voici un extrait :
“Tu devras suivre le déroulé suivant, en posant tes questions les unes après les autres :
- Étape 1 : Tu souhaites comprendre quel est l'objectif du workshop. Cette réponse est obligatoire.
- Étape 2 : Tu souhaites comprendre quel est l'attendu en sortie de l'atelier, quel outcome. Cette réponse est obligatoire.
- Étape 3 : Tu souhaites connaître le nombre de participants
Il convient ensuite de spécifier le rôle de l’IA, et la conduite à tenir :
- Tu es un spécialiste de la facilitation et de la préparation d'ateliers.
- Tu dois aider tes utilisateurs à préparer leurs ateliers.
- Tu dois être challengeant et critique vis-à-vis du contexte de ton utilisateur et de ce qu’il propose.
- Inspire toi des bonnes pratiques de Design, comme ce que proposent IDEO, Sprint ou encore AJ&Smart.”
➡️ Le prompt en action !
En revanche, on note une erreur méthodologique, à savoir la génération d’idées de Crazy 8 en 3 minutes. Une relecture reste donc indispensable.
➡️ Analyse des performances
Qualité des résultats ⭐️⭐️⭐️⭐️
Le prompt agit ici comme un guide précautionneux qui présente un déroulé et un timing précis, tout à fait actionnables. Toutefois, l’objectif de l’atelier gagnerait à être clarifié. Aussi détaillés que soient les résultats, n’oubliez pas que rien ne vaut la pratique et les conseils d’un (vrai) mentor pour apprendre à faciliter.
Gain de temps ⭐️⭐️
L'IA a généré une ébauche pour l'organisation de l’atelier, mais sa construction détaillée nécessite des outils complémentaires. Utiliser Figma AI en complément peut permettre de créer rapidement des modèles d'ateliers.
Innovation ⭐️⭐️⭐️⭐️
Il est facile de s'installer dans une routine en reprenant toujours les mêmes formats d'ateliers… Pourtant, changer de méthodologie permet d'ouvrir de nouvelles perspectives.
Au-delà de la préparation d’atelier, l’IA peut être un partenaire de choix… pendant vos ateliers ! Considérer l’IA comme un participant supplémentaire peut amener de nouvelles idées auxquelles nous n’aurions pas forcément pensé. Éva Zuliani, Product Designer chez Thiga et Researcher pour Decathlon, témoigne : “En phase de préparation, j’aime bien demander à ChatGPT de générer des idées pour vérifier le déroulé de l’atelier. Une fois l’atelier fini, cela permet de compléter les réponses des autres participants et d’ouvrir de nouvelles perspectives de solutions.”
🕵️ Le Researcher
S’il y a bien une spécialité dans laquelle les usages de l’IA générative sont nombreux, c’est la recherche utilisateur ! Quittons un moment ChatGPT pour regarder les fonctionnalités d’IA proposées par les outils que nous utilisons au quotidien…
Notion et Airtable proposent de générer des résumés de contenus, de catégoriser des informations ou encore de traduire du texte. Dans une perspective d’étude utilisateur, les informations deviennent des insights, le texte à traduire des verbatims et le rapport complet peut être synthétisé en un paragraphe, plus facile à appréhender pour les parties prenantes. Autre exemple avec Maze, qui propose - entre autres - de poser des questions parfaites (“Ask perfect questions”) pour limiter les biais cognitifs, et ouvrir de nouvelles perspectives en formulant des interrogations que nous n’avions pas encore envisagées.
Par sa capacité à chercher des informations dans de grands volumes de données et à les synthétiser, les IA génératives sont également de solides alliés en recherche secondaire. Elles facilitent la constitution de benchmarks et d’études de marché, ou encore la réalisation d’audits de l’existant en scrappant des repositories de recherche.
En théorie, l’IA peut donc nous accompagner de bout en bout sur une recherche utilisateur :
- Au début, par l’analyse de l’existant et la rédaction de protocoles
- À la fin, en aidant à l’analyse de données brutes (les facts) pour en dégager des insights
Toutefois, la qualité des résultats obtenus est à relativiser…
➡️ La création du prompt
Partons sur une étude réalisée pour Decathlon.
- Partez du Research Plan et des hypothèses pour générer le protocole
Chaque élément du Research Plan est une information permettant de clarifier le contexte : objectif de l’étude, type d’étude et méthodologie, nombre et profils d’utilisateurs ciblés et hypothèses. Les autres basiques sont les mêmes : préciser à ChatGPT qu’il joue le rôle d’un Researcher, et le périmètre de son équipe. Avec ChatGPT4, il est possible d’aller plus loin en fournissant en entrée les insights d’autres études, des métriques, les OKR associés, etc. Ces informations serviront également à affiner les résultats de l’analyse.
- Fournissez un dataset propre et anonymisé pour l’analyse
La plupart des outils de recherche permettent des exports .csv., un format que ChatGPT4 peut décrypter. Encore faut-il clairement décrire la structure du fichier dans son prompt : que représentent les lignes et les colonnes ? Que signifie une cellule vide ? Car en recherche, l’absence de réponse est déjà en soit une réponse ! Au préalable, le travail du Researcher est donc de nettoyer le dataset d’entrée.
Par ailleurs, qui dit recherche dit manipulation de données personnelles sensibles, et donc une nécessaire anonymisation des utilisateurs.
- Interprétez les questions ouvertes
Dans le cadre de ce sondage quantitatif, ChatGPT nous permet d’analyser les réponses aux questions ouvertes, qui sont par nature plus longues à traiter et plus sujettes à interprétation. Voici le prompt utilisé avec du few shot prompting :
“Je suis UX Researcher au sein d'une équipe e-commerce. Je travaille sur le compte client. J'ai lancé un sondage sur le ré-achat de produits."
Voici une des questions posées aux utilisateurs : “Complétez la phrase suivante : ‘Lorsque je vois qu'un produit a reçu des avis positifs d'autres clients, cela…’” J’obtiens les réponses situées dans la première colonne. 1 ligne correspond à 1 réponse d'un utilisateur.
Je souhaite catégoriser chacune de ces réponses, selon le ressenti des utilisateurs : impact positif, impact négatif ou impact neutre.
Un impact positif révèle que l'utilisateur apprécie de voir le nombre de fois qu'un produit a été acheté, voire que cela l'encourage à acheter le produit ; un impact négatif témoigne d'une appréhension de sa part quant à cette cette information, voire qu'elle le dissuade d'acheter le produit.
Par exemple, la réponse "m'indiffère" signifie un impact neutre. En revanche, “m’encourage à lire les autres avis utilisateur” signifie un impact positif.
- Catégorisez les enseignements-clés
À ce stade, vous avez déjà analysé chaque question indépendamment et extrait des “facts” (les données brutes). ChatGPT peut en déduire des insights, et surtout contribuer à la tâche parfois laborieuse du taggage des insights. Pour cela, fournissez à l’outil la liste des tags de votre repository.
- Cherchez des recommandations actionnables
Il s’agit de l’étape ultime ! C’est le moment de changer de perspective et de placer ChatGPT dans la peau d’un PM, d’un Data Analyst ou encore d’un UI Designer.
➡️ Le prompt en action !
Arrêtons nous plus en détail sur le prompt générateur de questions, qui s’est révélé être le plus pertinent dans le cadre de notre étude.
Enfin, ce même prompt a été testé :
- En fournissant les hypothèses de l’étude : il faut alors bien préciser que les questions ne doivent pas forcément les reprendre mot pour mot.
- Avec la version 3.5 : le résultat s’est révélé plus déceptif avec notamment une moins bonne prise en compte des profils utilisateur et des formats de questions plus répétitifs.
➡️ Analyse des performances
Qualité des résultats ⭐️⭐️
Au cours de nos essais, l’utilisation de l'IA pour la recherche utilisateur s'avère surtout bénéfique pour la reformulation de protocoles et d’hypothèses. En revanche, les résultats d’analyse des insights sont plus mitigés. Éva Zuliani le reconnaît : “Nos tests ont montré les limites de ChatGPT à croiser des données de sources variées et à déceler des “gold nuggets”, c’est-à-dire des insights surprenants, qui pourraient venir à l’encontre de nos a priori. Il est donc important de rester prudent quant à ses capacités, en gardant à l'esprit l'effet boîte noire des IA génératives, et ne pas s'attendre à des résultats magiques.”
Gain de temps ⭐️⭐️⭐️
L'utilisation de ChatGPT s’est révélée utile pour creuser des informations que les outils de recherche n’apportent pas toujours, comme par exemple le classement de verbatims selon qu’ils sont positifs ou négatifs ou catégorisés par “tags”. Toutefois, une relecture et un entraînement régulier demeurent indispensables pour garantir la pertinence des résultats obtenus.
Innovation ⭐️⭐️⭐️⭐️
Par sa capacité de reformulation, ChatGPT agit comme un collègue virtuel qui viendrait nous donner le change. Autre point fort, la capacité de l’IA à proposer des recommandations d’améliorations. Cela sera d’autant plus vrai si l’IA est régulièrement entraînée et alimentée par des insights d’autres études, des benchmarks et des études de marché.
Pour conclure, les IA génératives sont un incroyable accélérateur pour l’accomplissement de nos tâches récurrentes de Product Design. Il faut toutefois prendre conscience de leurs limites et garder un regard critique sur les résultats générés.
De par leur nature, les IA peuvent générer des biais :
- issus des données d’entraînement, nécessairement limitées et parfois erronées, en témoignent les hallucinations de l’IA.
- introduits par l’humain, que ce soit les concepteurs de l’algorithme ou l’utilisateur final lorsqu’il écrit ses prompts.
C’est par leur connaissance de l’organisation et la récolte de données sur le terrain que s’exprime l’expertise des Product Designers. Veillons donc à contextualiser nos requêtes pour obtenir des résultats plus fiables. Une fois ce recul pris, il demeure que l'IA nous offre des possibilités sans précédent, aussi vastes que notre capacité à les imaginer. À nous de l’utiliser à bon escient pour devenir des Product Designers augmentés… et éclairés !
Pour aller plus loin : téléchargez notre bibliothèque de prompts
