Dans le processus de conception des produits, la product discovery constitue une étape cruciale, au cours de laquelle les équipes de développement tentent de comprendre les besoins des utilisateurs, de définir les problématiques auxquelles ils sont confrontés et de tracer les contours de solutions potentielles. 

La product discovery recouvre des enjeux stratégiques majeurs pour les entreprises et organisations qui investissent en elle. Compte tenu de ces enjeux, elle a tout intérêt à être encadrée attentivement, structurée méthodologiquement. Ainsi les équipes sont à même de faire des découvertes originales, de trouver des insights différenciants ou de cerner des besoins non-identifiés et donc non-satisfaits. Car même la découverte fortuite – la fameuse sérendipité – peut être encouragée en réunissant certaines conditions.

Comment mettre en place un processus de recherche continu dans un contexte organisationnel donné ? Pourquoi restructurer des équipes préexistantes autour de processus de recherche continus ?  Que peut-on apprendre des entreprises qui sont parvenues à promouvoir la recherche continue en culture du développement ?

On vous propose quelques éléments de réponse !

Une serendipité organisée

De l’importance des routines de recherche  

En effet, même si la product discovery implique une approche centrée utilisateur, des boucles itératives et répétées, ainsi que des collaborations inter-équipes pour fluidifier les protocoles de recherche à déployer, la richesse et la pertinence de ses résultats peuvent être facilitées par l’organisation de routines de recherche continue.  La finalité ? Identifier des irritants existants, innover en flux tendu ou explorer des hypothèses avant d’aiguiller la décision de design et d’orienter le développement en fonction des insights recueillis.

La recherche continue désigne simultanément une organisation interne du travail, une série de méthodes articulées entre elles, et une attitude vis-à-vis de ce que le designer veut dire. 

L’organisation des équipes

Intuitivement, on voit bien comment des équipes méthodiquement organisées autour d’une pratique de recherche continue, maximisent leurs chances de faire une découverte radicalement neuve ou d’accumuler les trouvailles plus modestes qui, recoupées, finissent par se transformer en avantages compétitifs décisifs.

De manière cruciale, elle se distingue de l’organisation traditionnelle de la recherche, par son rythme, sa fréquence, sa durée et… les équipes qui en sont responsables ! Au lieu que la recherche soit conduite par des équipes indépendantes, éventuellement externalisées, sur des cycles longs, pour répondre à une problématique de fond, la recherche continue suppose des cycles courts, des questions ponctuelles et précises, et peut être directement menée par les équipes produit elles-mêmes.

Continuous research = Continuous discovery ?

Qu’est-ce que la recherche continue ? Quand on prend le temps de consulter les sources de référence ou les conférences sur le sujet, force est de constater que la recherche continue (continuous research) et la découverte continue (continuous discovery) sont convoquées comme des expressions relativement interchangeables. Or, si ces méthodologies ont en commun de revendiquer un certain rapport à la continuité, il y a fort à parier que le résultat (discovery) et le processus (research) ne renvoient pas exactement aux mêmes réalités théoriques et pratiques. Une brève clarification s’impose.

La recherche continue : une compréhension dynamique

De la même manière que la recherche utilisateur traditionnelle, la recherche continue revendique une approche user centric. Mais elle encourage les équipes produit à actualiser régulièrement leur compréhension des besoins, des comportements et des préférences des utilisateurs. 

Alors que la recherche utilisateur produit une image fouillée mais figée des besoins des utilisateurs, la recherche continue produit une connaissance en mouvement, moins profondément creusée, mais plus dynamique, plus réactive à ses propres conclusions. Une recherche en cours, toujours en train de se faire, au devant des signaux faibles, voilà ce qui caractérise la recherche continue.

• À cela s’ajoute un rapport particulier aux données. Quelles que soient les méthodologies de recueil sur lesquelles elle se fonde, la recherche continue produit un flux de données qualifiées régulier, diversement exploitables par les équipes produit, pour initier de nouveaux projets de recherche, pour susciter de nouvelles idées créatives, ou pour consolider une décision de développement.

• Par-là, la recherche continue définit une boucle de rétroaction vertueuse. En recueillant les avis des usagers via, par exemple, une série courte d’entretiens semi-directifs, elle produit elle-même les données qui permettront aux équipes d’élaborer de nouvelles hypothèses à tester, de découvrir de nouvelles pistes à creuser, d’imaginer de nouveaux travaux de recherche à conduire.

La découverte continue : la conception agile

Tandis que la recherche continue constitue une philosophie de développement qui doit soutenir les produits ou les services sur l’ensemble de leur cycle de vie, la découverte continue est plus particulièrement pertinente au début de leur cycle de vie. Elle suppose une exploration en profondeur des problématiques rencontrées par les utilisateurs et vise à accompagner les équipes de développement dans l’identification et la définition des problématiques à résoudre dans et par le design de leurs solutions. 

• Comme la recherche continue, la découverte continue encourage une approche itérative et procédurale de l’idéation. Elle incite les équipes à une exploration tous azimuts, à conduire des tests sur-mesures et rapides et à revisiter régulièrement leurs hypothèses (A/B testing entre autres), ce qui leur garantit de travailler à la construction d’un produit en phase avec les besoins évolutifs des utilisateurs. Mobilisée au début du développement, elle permet de limiter le gaspillage de temps et de ressources dans le développement de fausses bonnes idées ou de solutions en décalage avec les besoins utilisateurs. 

• Effet de bord important de la découverte continue : elle favorise le développement d’une culture et d’une pratique de l’innovation centrée sur les utilisateurs. Son organisation oblige des équipes parfois détachées des utilisateurs finaux à chercher elles-mêmes des insights, à identifier des opportunités d’amélioration pour ceux à qui le produit, le service ou la fonctionnalité à développer sont destinés.

Des processus complémentaires

En encourageant des processus de recherche et de découverte continues, on rend possible une découverte produit qui soit simultanément agile, au plus près des besoins des utilisateurs, et nourrie par des données directement issues du terrain de l’usage. 

Cela favorise le développement de produits, services ou fonctionnalités qui ont davantage de chance d’être plébiscités par les utilisateurs… et les marchés ! 

Voici quelques exemples de méthodes et indicateurs, qui soutiennent une recherche continue efficace : 

• Les tests d’utilisabilité en flux tendu, associés ou non à des A/B testings, permettent de proposer un produit actualisé.

• Les analyses produits à travers les données de comportements (taux d’utilisateurs, taux d’abandon, les taux d’activation).

• Les enquêtes d’écoute et de rétroaction continue, appuyées sur le NPS (Net Promoter Score, le CSAT (Score de satisfaction client) ou le CES (Score d’effort client).

• L’utilisation de données issues de la CX, comme  les tickets d’assistance client, les rapports de bugs ou la connaissance des profils clients et de leurs habitudes.

• Enfin, les entretiens continus avec les utilisateurs peuvent enrichir les études ponctuelles avec de nouvelles informations qui aideront à prioriser votre feuille de route produit, tout en contribuant au fonctionnement agile dans l’ensemble de votre organisation. Ils participent également à créer une culture d’entreprise axée sur la recherche au sein des équipes.

La continuous research en 5 cas

Retour sur des cas d’école, dans lesquels le management de la trouvaille a joué un rôle prépondérant. La particularité de ces entreprises ? Elles ont su tirer parti de la product discovery pour encadrer le développement de produits, services ou fonctionnalités authentiquement innovants.

Google

Google améliore les produits et services développés à partir des données comportementales collectées au gré de l’utilisation de ses produits et services. Ses solutions sont en constante évolution et pas une semaine ne passe sans qu’une mise à jour soit mondialement déployée. Comment un tel rythme est-il envisageable et tenable sur le temps long ?

Google a organisé ses équipes produit de manière à ce qu’elles puissent toujours avoir un œil sur les données comportementales des utilisateurs, pour ajuster leurs solutions aux signaux faibles et tendances émergentes. Elles expérimentent, conduisent des A/B testings, et rassemblent continuellement de nouveaux jeux de données pour comprendre aussi finement que possible la manière dont les utilisateurs s’approprient leurs produits et perçoivent leurs services. 

Le résultat : les multiples itérations annuelles de son algorithme de recherche constituent un exemple particulièrement emblématique de ce que peut la product discovery quand elle est soutenue par une organisation stimulant la recherche continue.

Amazon

De la même manière, Amazon a placé la compréhension des logiques d’usage et des préférences utilisateurs au cœur de sa mission. Pour ce faire, la firme conduit des tests d’utilisabilité en flux tendu, croisés à des A/B testings, qui lui permettent de collecter des données ad hoc et d’améliorer progressivement l’expérience d’utilisation proposée par sa plateforme.

Le résultat : Cette recherche continue est, par exemple, mobilisée pour améliorer son moteur de recommandation et la pertinence des appariements proposés. En se donnant les moyens de traquer les comportements navigationnels des usagers et leurs historiques d’achats pour en déduire leurs habitudes et leurs préférences, les équipes produit se donnent aussi les moyens d’améliorer pas à pas la qualité du service proposé et, in fine, de construire le succès qu’on connaît à la plateforme.

Facebook

Les services de Meta (Facebook, Instagram et Whatsapp), ont érigé la recherche utilisateur en mot d’ordre. Pour chacune de ces plateformes, ils inventent des paramètres et développent des méthodes propriétaires permettant la collecte de données qualifiées autour des attentes des utilisateurs vis-à-vis de leurs produits.  Dans cette optique, les équipes produit vont jusqu’à conduire des recherches exploratoires articulant ainsi données quantitatives et qualitatives. Par exemple, loin de se reposer sur ses lauriers, Facebook a toujours une série d’entretiens utilisateurs sur le feu. 

Le résultat : cette pratique de l’entretien continu permet aux équipes produit de disposer, quand le besoin s’en fait sentir, de matériaux neufs, à jour et pertinents pour orienter l’optimisation technique ou ergonomique du News Feed. 

Netflix

Au fil des années, Netflix a lourdement investi dans la recherche utilisateur et ses équipes se sont progressivement structurées de manière à pouvoir étudier les préférences de ses utilisateurs de manière continue. La pratique est largement documentée, la plateforme utilise aujourd’hui les données de visionnage, les notations recueillies et les autres interactions quantifiées pour monitorer la manière dont ses utilisateurs interagissent avec les contenus qui leur sont présentés.

Le résultat : la plateforme adapte sa manière de calculer les recommandations, affine le design de son interface, explore de nouvelles stratégies de rétention ou d’engagement.

Spotify

Spotify s’est distingué des plateformes d’écoute concurrentes en misant sur une approche centrée utilisateurs et en permettant un haut degré de personnalisation des contenus musicaux suggérés. La plateforme collecte en permanence des données d’interaction (recherche, playlists, relations, etc.) et des données d’écoute (fréquence, répétition, etc.) pour comprendre les préférences des utilisateurs et leur suggérer des morceaux adaptés à leurs goûts personnels. 

Le résultat : la recherche continue a permis aux équipes produit de découvrir les paramétrages optimaux pour aligner le paramétrage de l’algorithme de recommandation aux attentes des utilisateurs.

Au-delà des GAFAM

Il est souvent facile de parler du succès des géants mais toujours difficile de mettre en place les bonnes pratiques qu’ils observent. Alors, concrètement, que faut-il faire pour stimuler la product discovery ?

• Sensibiliser les équipes produit aux méthodologies de la recherche utilisateur pour qu’elles puissent les appliquer de manière autonome ; 

• Transmettre le goût de l’enquête, de l’hypothèse et de l’investigation ;

• Partager un souci de l’interrogation – quitte à ce que la réponse mette du temps à émerger ;

• Organiser les ressources humaines afin qu’elles soient à même de travailler efficacement selon ce mode de fonctionnement ;

• Établir des protocoles clairs pour l’ensemble des collaborateurs qui, soudainement, voient le champs de leurs initiatives s’élargir ;

• Monitorer les résultats de ces recherches décentralisées, car le déploiement d’une découverte continue passe aussi par un training continu des équipes à embarquer dans l’aventure !

Plus qu’un simple effet de mode, la recherche et la découverte continues supposent un changement de paradigme pour les entreprises, une révision de la manière dont elles envisagent la recherche.

L’IA est sur toutes les lèvres, à toutes les sauces, peut-être même que vous êtes près de l’overdose… C’est pourquoi nous avons choisi nos sujets dans le sujet, pour vous en faire un condensé digeste autour de 4 points : l’EX, les usages professionnels, l’éthique et l’UX.

1. Employee Experience (EX) & IA

Au-delà des compétences techniques nécessaires à l’utilisation des outils relevant de l’IA, cette dernière pourrait venir en soutien aux soft skills – encore plus essentielles à l’ère de l’IA – telles que la résolution des problèmes, la gestion du temps, l’adaptabilité, la résilience et même la pensée stratégique.

En France, 35% des entreprises d’au moins dix salariés, utilisent déjà l’intelligence artificielle ou sont en train de la déployer. L’IA est par exemple déjà bien installée dans l’industrie : la moitié des entreprises l’utilisent. Dans la finance, les chiffres sont de 44% et dans le commerce, 40%. L’agriculture est grande consommatrice d’intelligence artificielle : près de 60% des petites entreprises agricoles ont recours à ses services. Parmi les atouts identifiés par ceux qui l’ont adopté : l’amélioration de la performance des salariés et la réduction du risque d’erreurs. Les freins majeurs à l’adoption de l’IA seraient : le coût, et l’absence d’expertise en interne pour la déployer.

L’exemple : Copilot, le nouvel assistant de réunion 

Microsoft a lancé la première version de Microsoft 365 Chat, via son outil IA : Copilot, qui se présente comme un véritable assistant de travail. L’outil est capable de retrouver une information spécifique (une date-clé, une information importante) dans une variété de documents professionnels (comptes-rendus, enregistrements de réunion, livrables, cahiers des charges etc.). Parmi ses principales fonctionnalités : synthétiser le contenu, créer du contenu et brainstormer en fonction de vos informations sources et proposer des réponses rapides (moteur de recherche appliqué à vos propres données).

Dashboard de Copilot sur Microsoft 365

2. IA & usages professionnels

L’IA améliorerait considérablement les actions marketing et leur productivité : meilleure visibilité de l’attribution des actions marketing, modélisation de la customer life time value, mesure plus précise du ROI des investissements. Allons-nous vers de l’IA marketing, à savoir le “marketing absolu” ?

L’IA s’avère être un puissant outil tactique de la CX, à travers l’hyper personnalisation en fonction de typologies fines d’utilisateurs (dont on vous parlait ici), ou pour rendre lisible des parcours d’achat complexes.

Côté créatifs, designers ou artistes, l’art du prompt – text-to-text, text-to-image, image-to-video devient une compétence à part entière, pour fluidifier les processus de conception, de création, tout en orientant efficacement les résultats produits par l’IA générative. Dernier issu des Google Lab Sessions, Text FX est décrit par le géant du numérique comme “une expérience d’IA conçue pour aider les rappeurs, les écrivains et les artisans du verbe à développer leur processus”.

L’exemple : les rédactions de presse américaines

21 rédactions de presse américaines, ont émis leur guidelines, quant à un usage  professionnel de l’IA, comprenant entre autres : la surveillance, la transparence, la stricte définition des utilisations interdites ou autorisées, la responsabilité et la confidentialité.

Le tech magazine Wired, déclare qu’ils ne publient pas d’articles avec du texte généré par l’IA ou, d’images édités par l’IA à la place de photographies d’archives. Des notions telles que “l’expérimentation prudente” émergent cependant : Le Financial Times, a lui déclaré qu’il adoptera l’IA pour fournir des services aux lecteurs et aux clients. 

Un déploiement éthique de l’IA, revient ainsi à penser son usage comme un levier stratégique, par secteurs et corps de métier, mais qui se doit aussi d’être soigneusement organisé et cadré notamment dans son usage par le grand public.

3. IA & Ethics

Qu’en est-il du fonctionnement de l’IA, de la conception de ses algorithmes, au-delà de son utilisation ? La question des biais apparait comme incontournable : les êtres humains ont toutes sortes de biais cognitifs qui impactent leurs comportements et leurs données. Or ces données constituent le socle de tous les algorithmes de machine learning. Selon IBM, l’éthique de l’IA est un ensemble de lignes de conduite qui doivent guider la conception et les résultats de l’intelligence artificielle : 

“…il est important que nous structurions les expériences et les algorithmes en gardant cela à l’esprit, car l’intelligence artificielle a le potentiel d’amplifier et d’étendre ces biais humains à un rythme sans précédent.”

Une réglementation européenne, le « Artificial Intelligence Act », est en cours de discussion en ce sens. L’UNESCO a, de son côté, défini 11 domaines d’actions stratégiques, dans lesquels doit intervenir une évolution responsable de l’IA à l’échelle mondiale. Quelles que soient les organisations, 3 principes de base doivent régir la conception et l’utilisation de l’IA : le respect des personnes, l’humanité, et la justice.

L’exemple : EduGPT 

L’éducation n’est pas en reste face à l’IA, souvenons-nous de l’interdiction de ChatGPT par SciencesPo. EduGPT est l’exemple d’une initiative qui accompagne la définition d’un cadre éthique. 

Disponible sur Apple store et Google play, cette extension open source promeut une IA sûre, éthique et transparente pour les enseignants dès la maternelle. La finalité ? “tirer facilement parti des grands modèles linguistiques dans un environnement sûr, éthique et transparent”, pour créer des plans de cours, des présentations, des expériences d’apprentissage engageantes et innovantes, et favoriser la pensée critique. EduGPT propose par exemple d’afficher les réponses de ChatGPT, aux côtés des résultats des moteurs de recherche populaires, pour une meilleure mise en perspective et une prise de recul par rapport aux résultats produits.

4. L’UX de l’IA

Dans leur ouvrage, AI and UX Why Artificial Intelligence Needs User Experience, publié en 2020, Gavin Lew et Robert M.Schumacher Jr rappellent que l’IA, à travers ses différents outils, usages et secteurs d’applications, s’adresse à une variété d’utilisateurs. D’un usage professionnel à un usage grand public, l’UX sera forcément différente, et d’elle, dépendent, la volonté et la facilité d’adoption de ces outils. Les auteurs exposent quelques principes, et montrent comment un framework UX peut s’appliquer pour créer une expérience utilisateur de l’AI qui soit positive.

Le framework UX : contexte, interaction, confiance

• Le contexte comprend les informations extérieures que l’IA peut utiliser pour effectuer une tâche. Le contexte relève donc des informations sur l’utilisateur, de la raison de sa demande, ainsi que des informations sur le monde extérieur.

• L’interaction fait référence à la manière dont l’IA engage l’utilisateur afin qu’il puisse lui répondre. Cet engagement peut prendre plusieurs formes : un message dans l’interface de l’IA, un message texte, une notification push sur son smartphone, etc. Avant que l’IA ne prenne une mesure susceptible d’avoir un impact pour l’utilisateur, elle doit tenter d’interagir avec lui. La communication est essentielle et l’interaction doit être conçue.

• La confiance relèverait dans ce contexte, du sentiment qu’ont les utilisateurs qu’un système d’IA accomplira avec succès la tâche qu’ils souhaitent lui confier, sans résultats inattendus : tâches supplémentaires (inutiles ou non utiles) non demandées par l’utilisateur, violation de sa vie privée. La confiance est d’une importance capitale pour l’adoption par les utilisateurs, et elle se perd facilement. Les développeurs doivent veiller à concevoir une expérience qui engendre la confiance.

Un vaste sujet, en évolution continue

La généralisation de l’IA en est à ses prémices. Les cadres réglementaires et éthiques, dans tous les domaines, se mettent progressivement en place. Les préoccupations suscitées par l’IA, sont à ce stade nombreuses et regroupent entre autres  : 

• sa singularité technologique ; 
• son impact sur la transformation de emploi ;
• son utilisation dans le domaine de la santé ;
• la confidentialité, les biais et discriminations ;
• la notion de responsabilité ;
• la dépendance aux objets dotés d’intelligence artificielle ;
• l’usage de l’émotion et de l’empathie par ces outils ;
• l’adaptation de l’humain à la machine ;
• l’utilisation de vastes corpus non sourcés et de données personnelles ;
• la mainmise des GAFAM sur ces technologies.

Au printemps, Don Norman, éminente moitié du binôme Nielsen/Norman, initiateur de l’UX moderne, ancien vice président d’Apple, et directeur du Design Lab de l’Université de Californie, publiait son dernier ouvrage, Design for a Better World: Meaningful, Sustainable, Humanity Centered, aux presses du MIT.

37 ans après la sortie en 1986, de User Centered System Design: New Perspectives on Human-Computer Interaction et 35 ans après la parution de son bestseller, The Design of Everyday Things, Norman décentre son regard, de l’utilisateur à l’humain, de l’humain à l’humanité.

On vous présente les grandes lignes de cet ouvrage de 42 chapitres et de près de 400 pages (avec un regard critique).

Quelle différence entre Humanity centered et Human centered ?

Don Norman explique que le design centré sur l’humanité pousse plus loin les principes du design centré utilisateur, en cela qu’il s’intéresse à l’environnement et au vivant dans sa globalité.

Selon lui, la conception centrée utilisateur s’appuie sur 4 piliers : 

1. Centrer sur la personne : faire de l’humain et de ses contextes, une priorité pour créer des produits/services qui correspondent réellement à leurs besoins ;

2. Comprendre et résoudre les problèmes à la source : les causes sous-jacentes doivent être traitées sous peine de devenir des problèmes récurrents ;

3. Tout est système : penser la conception en interconnexions et interrelations ;

4. Procéder par petites interventions : la conception doit être itérative, faite de petites améliorations et d’ajustements : prototyper, tester, affiner en continu, afin d’être certain que les solutions proposées répondent réellement aux besoins.

La prise de conscience ?

D’après l’auteur, ce livre diffère de ses précédents ouvrages consacrés au design : selon lui, améliorer l’expérience, faciliter l’usabilité et la compréhension ne suffisent pas à changer le monde. Il se pose alors la question d’une conception à impact, qui fasse la différence à l’échelle mondiale.  Durabilité, économie circulaire, déchets organiques, l’ouvrage est un plaidoyer pour un mode vie et des pratiques de conception moins “artificiels” et plus durables. 

Il précise sa pensée : « Je débute mon livre par ce constat “Presque tout ce que je vois est artificiel, et presque tout ce qui est artificiel a été conçu”. Pourquoi ? Parce que l’acte même de concevoir est une création d’artificialité. La science du design fait souvent partie des “sciences de l’artificiel” ». Une notion développée par le prix Nobel Herb Simon.

Le design systémique à la rescousse

Une déclaration qui n’est pas sans nous rappeler le postulat de Sylvie Daumal avec qui nous nous entretenions au printemps, selon lequel  le design se trouve en amont de bien des activités humaines. De fait, son rôle est primordial pour que les solutions d’aujourd’hui ne soient pas les problèmes de demain pour la planète, et ce avant même la conception d’un produit ou d’un service. Cette démarche nécessite selon Sylvie Daumal, d’appréhender la globalité de l’écosystème dans lequel prend forme un projet, ainsi que tous ses acteurs et parties prenantes humains et non humains, en s’appuyant sur différents outils et méthodologies.

Ainsi, la pensée systémique semble avoir gagné Don Norman, qui affirme :

Le rôle du designer

Don Norman souligne la responsabilité des designers dans les problématiques actuelles majeures qui impactent la planète, mais il reconnaît également que cette responsabilité est partagée avec les dirigeants politiques. Bien souvent, les designers sont formés pour générer le maximum de profit dans leur secteur, sans se soucier des conséquences de leur conception. Il affirme ainsi que le design pourrait sauver la planète en choisissant d’être volontairement constructif, en repérant et réparant ses erreurs, plutôt que d’être destructeur à son insu.

Il identifie 3 principes fondamentaux qui doivent guider le design dans cette démarche  : 

• veiller à ce que le monde soit décrit en termes compréhensibles et significatifs pour les gens ordinaires, en cohérence avec leur mode de vie et leur culture ; 
• que les produits ne soient pas destructeurs pour les systèmes écologiques et la planète (même si selon lui, cette dernière nous survivra) ; 
• que les projets d’intérêt général ou impliquant des communautés, soient pilotés par les personnes elles-mêmes, qui seraient alors guidées par des designers agissant en tant que facilitateurs, voire mentors.

L’IA

Pour Norman, chaque évolution technologique majeure à un impact métier, et l’IA ne déroge pas à la règle, bien qu’elle en soit à ses balbutiements. Il envisage l’IA générative comme un outil facilitateur, précieux et favorisant le gain de temps sur des activités chronophages ou rébarbatives. Il note cependant que l’usage de l’outil nécessite une certaine maîtrise et du recul par rapport aux résultats générés, afin d’être en mesure de les modifier et de les corriger.  Il en envisage l’utilisation comme une collaboration :  

On retient : Incremental Modular Design

Facette du design organisationnel, le design modulaire incrémentiel vise à une meilleure gestion et appréhension des projets d’envergure, en les divisant en plus petits modules indépendants. Chaque module est ainsi développé, amélioré et testé individuellement avant son intégration, dans un objectif initial plus large. Cette approche permet selon Don Norman, de résoudre au cas par cas des problèmes complexes.

Le design modulaire incrémentiel par Don Norman

Les 4 étapes du design modulaire incrémentiel 

Les avantages de l’incremental modular design dans une approche systémique : 

• Travailler sur des projets plus petits, de durées plus courtes ;
• Analyser les résultats d’un module avant d’investir dans un autre ; 
• Apprendre de ses erreurs tout en travaillant vers un objectif plus large ;
• Être flexible et s’adapter lorsque les conditions, les technologies ou les situations changent.

Cette approche est fortement inspirée de la méthode agile en matière de gestion de projets, en permettant d’ajouter un module après l’autre, d’évaluer les performances dès les premières étapes du projet, et ainsi de planifier les étapes suivantes en conséquence.

Un livre pour qui ?

Une fois n’est pas coutume, Don Norman ne s’adresse pas qu’aux designers, il interpelle également les chefs d’entreprises et les dirigeants politiques, qui sont selon lui les premiers acteurs à pouvoir initier un changement profond et durable en matière de d’économie circulaire, de modèle d’entreprise et de politiques publiques à impact positif.

Notre avis

Dans ce dernier ouvrage, Don Norman porte un regard critique sur nos sociétés industrialisées, construites autour de l’artificialité – par opposition à la nature, concept récurrent au fil des pages – des technologies, de la modernité et du capitalisme. Il ne prône pas le retour à l’âge de pierre, loin de là, reconnaissant la manière dont les technologies utilisées lors de la crise Covid, ont pu rendre nos modes de vie et de travail plus flexibles.  L’auteur préconise plutôt une conception raisonnée qui est consciente de son impact, grâce à une approche systémique et écologique. Une prise de conscience un peu tardive ? On vous laisse en juger.

Pour parcourir le sommaire de l’ouvrage, c’est ici.

Citations originales 

“We must realize we are part of a complex system, so what we do here can impact people all across the world and have a long effect.”

“We live in a world designed by people. Artifacts abound, from our homes and clothes to our tools, our books.”“One of my strong statements is that people are really good at responding to disaster, but they’re not good at preventing it in the first place. That’s the problem we face.”

“We must realize we are part of a complex system, so what we do here can impact people all across the world and have a long effect.”

“A person plus this device is far better than either the device alone or the person alone. In many ways, that’s been true of all of our technology.”

 En 2022, Jesse James Garrett rappelle que le design et le contenu sont corrélés. Cet automne, plusieurs conférences UX affichent le content design au programme.  Il est temps pour nous (et pour vous) d’appréhender le sujet.

Une expertise UX de plus en plus visibilisée

Dans le manifeste du content design, paru cette année et traduit dans pas moins de 29 langues, 13 Content Designers partent du postulat que malgré la littérature sur le sujet, aucun ouvrage n’expose clairement les tenants et les aboutissants de leur activité.

Elle est définie comme étant l’une des disciplines de l’UX, appuyée sur les données, la recherche, la stratégie, les objectifs business et la “compréhension approfondie du comportement humain.” Leur rôle : concevoir des expériences claires et significatives pour les utilisateurs.

Un contenu contextualisé

Sarah Winters, fondatrice de Content Design London, et auteur d’ouvrages sur le sujet, définit elle, la conception de contenu ainsi : 

“… utiliser des données et des preuves pour donner au public ce dont il a besoin, au moment où il en a besoin, et de la manière dont il s’y attend”. — Sarah Winters

Il s’agit donc de fournir à l’utilisateur des informations hautement contextualisées, qui sont par ailleurs essentielles durant les phases d’onboarding. Les contextes regroupent : le contexte d’usage (besoins, type d’interface), mais aussi les différents contextes de l’utilisateur, ainsi identifiés par Jesse James Garrett : 

• Le contexte environnemental ; 
• Le contexte social ; 
• Le contexte personnel ; 
• Le contexte physique ;
• et le contexte psychologique.

Ces informations permettent de guider l’utilisateur et de déclencher les actions qui lui permettent de réaliser ses objectifs, d’une étape à la suivante.

A long terme, un content design pertinent, favorise une meilleure expérience utilisateur, améliore les taux de conversion et bénéficie à la notoriété de la marque, qui est alors identifiée par l’utilisateur, comme compétente et performante.

Comme c’est bien souvent le cas dans les disciplines du design, le travail de conception de contenu est collaboratif. Il réunit ingénieurs, stratèges, chercheurs, designers produit, UX designers, UI designers, UX writers et bien sûr, content designers.

Kristina Halvorson, auteure de Content Strategy for the Web, identifie 3 niveaux dans lesquels le contenu est impliqué au cours d’un processus design : la stratégie de contenu, le content design, et l’UX writing.

Content design vs UX writing ?

Ces deux expertises cohabitent pour proposer des expériences fluides, dont la finalité est de guider l’utilisateur vers une utilisation optimale du produit/service, en toute autonomie, et ce, au-delà des mots. L’UX Writer s’interessera à la clarté, à la concision, à l’accessibilité (écriture claire), à la personnalisation, à l’émotion, à travers le texte, ou à la navigation grâce au contenu écrit. 

Le content designer sera en charge d’une stratégie qui englobe le contenu textuel, parmi d’autres contenus : 

• planification et diffusion du contenu selon un contexte spécifique ;
• structuration et gestion du contenu : textes, images, vidéos, autres, participant à l’expérience numérique ;
• choix du format approprié ; 
• définition des priorités de messages ; 
• hiérarchisation optimale du contenu (combinaisons de textes, d’icônes, de titres, de sections, de CTA) ;
• dénomination et clarté du concept ;
• recherche de contenu ;
• tests de contenus.

Le content design en 7 étapes clés

1. Identifier l’utilisateur ciblé, cerner ses besoins et ce qu’il attend du produit (les contextes et la langue entre autres), en utilisant des méthodologies telles que la user story et le journey mapping.

2. Mettre en évidence la manière dont le produit résoudra un problème ou aidera l’utilisateur à réaliser une action.

3. Cartographier le parcours utilisateur : détailler les informations nécessaires  (nature et quantité) à chaque étape, pour guider les utilisateurs à travers le produit.

4. Identifier le format et les canaux pertinents : diagrammes, tableaux, vidéos, séries de questions et de réponses, soit le format qui communiquera le mieux l’information.

5. Prioriser et hiérarchiser le contenu (l’ordre et la typologie des informations), organiser les systèmes qui vont le contenir et le gérer. Élaborer la logique technique avec les UI et les dev.

6. Identifier les ressources visuelles (images, vidéos, etc.).

7. Créer une solution : laisser le « contenu », à savoir l’information au sens large, orienter la conception à travers l’idéation. Définir le contenu textuel et les attributs du tone of voice avec les UX writers, en priorisant un contenu simple, régulièrement mis à jour, facile à comprendre et significatif pour l’utilisateur.

8. Recueillir les feedbacks, pour itérer et améliorer le contenu en continu.

5 principes du Content Design Manifesto

Le Content Design Manifesto fait part de 8 principes, nous en avons retenus 5 qui nous semblent caractéristiques : 

1. Le contenu est indispensable

Impossible de concevoir des expériences sans contenu.

2. Le design de contenu va au delà de l’UX writing

Car il ne se cantonne pas au tone of voice et au storytelling, mais implique également les systèmes de gestion de contenu, des modèles conceptuels, des processus de gouvernances, de la recherche axée sur le contenu et des guides de terminologie.

3. Des données de qualité favorisent un content design qualitatif

Le content design s’appuie sur la compréhension des personnes et des utilisateurs, et s’améliore constamment grâce à cette connaissance et aux itérations fondées sur la donnée. 

4. Les détails comptent

La plus petit fragment de contenu fait l’objet d’une réflexion rigoureuse sur la manière dont il doit être délivré et à quel moment, car cela est crucial pour  la découverte et la bonne utilisation du produit/service par l’utilisateur.

5. Les modèles de langages (LLM) et les outils linguistiques sont une aide précieuse

Ils permettent aux content designers de délaisser les tâches  répétitives et chronophages de correction, pour se concentrer sur l’impact stratégique du contenu.

Qu’en pense Meta ? 

En 2020, Elisabeth Carr, responsable du Content Design chez Meta, anciennement Facebook, se fend d’un article sur Medium pour expliquer pourquoi l’entreprise a évolué du content strategy au content design. La stratégie de contenu de Mata consistait alors en : marketing des médias sociaux, création de contenu de marque, architecture de l’information et en travail de conception de produits Facebook spécifiques en termes d’UX.

Après avoir mené un audit, analysé des tendances et les offres d’emploi de 27 entreprises technologiques, Meta en conclut que le travail mené relève bien du design : “de la conception de flux à la création d’architectures d’informations en passant par l’association des bons composants de conception,  avec le bon langage”.

Transformation d’une expertise ou tendance terminologique dans un contexte concurrentiel ? Difficile à dire. Mais cela témoigne en tous cas d’une reconnaissance de cette fonction et de ce qu’elle englobe sur le marché du travail, et dans les univers technologiques.

Si vous vous posez ces questions, alors peut-être faites-vous déjà un peu de content design :

• Quelle est la hiérarchie de l’information ? 
• Quel message vient en premier ? 
• Quelle place cet élément de contenu doit-il avoir dans l’ensemble ? 
• Comment pouvons-nous améliorer notre interface utilisateur pour refléter ce changement ? 

Une affaire à suivre

A l’instar de l’UX, le content design prend part à une stratégie qui s’intéresse en priorité aux besoins de l’utilisateur, en matière d’usabilité des informations transmises.  Mais avec une dimension hautement stratégique qui prend en compte les objectifs business et marketing de l’organisation.

En résumé, nous dirions que le content design englobe l’UX writing, rencontre l’architecture de l’information,  ne peut exister sans stratégie et collabore avec les différentes équipes design. 

En amont de la conception et du développement, il s’impose de plus en plus dans une démarche UX, et approche les frontières de la communication. Une expertise en évolution, à surveiller donc.

À écouter : Les podcasts sur le sujet de UX Content Collective

À lire : Content design de Sarah Winters.

À suivre : Erica Jorgensen, auteure de Strategic Content Design.