Gains :
- Être capable de distinguer où dans le flux de travail UX (synthèse de recherche, persona, wireframe, texte d'interface, analyse de tests) l'intelligence artificielle permet de gagner du temps réel, et où les responsabilités telles que l'écoute de l'utilisateur et la décision finale de conception incombent au concepteur, en fonction du niveau de risque de la tâche.
- Capacité à développer un réflexe qui connecte chaque sortie de l'IA aux données et preuves réelles des utilisateurs, et vérifie les hallucinations et les préjugés à travers des étapes de sondage
- Possibilité d'anonymiser les enregistrements de conversations des utilisateurs et les données personnelles dans le cadre de KVKK et de les transférer vers l'intelligence artificielle dans les limites du consentement
La conception de l'expérience utilisateur (UX, c'est-à-dire l'expérience de la personne utilisant un produit du début à la fin) repose depuis des années sur le principe « d'abord comprendre la personne, puis la résoudre ». Lorsque l’intelligence artificielle entre dans ce cycle, la première question que se posent la plupart des gens est : « L’intelligence artificielle fera-t-elle la conception à ma place ? » Réponse courte : non. L'intelligence artificielle est un assistant de conception ; Il produit des brouillons, résume les données, multiplie les options et accélère les tâches répétitives. Mais il appartient toujours au concepteur de vraiment écouter l'utilisateur, de décider quelle est la bonne solution et d'assumer la responsabilité de cette décision. Cette première unité clarifie où placer l'IA dans le flux de travail UX, où vous devez vous arrêter et comment déplacer les données utilisateur en toute sécurité.
Où l’IA est-elle utile dans le flux de travail UX ?
Un projet UX progresse en cinq étapes : découverte (recherche), définition (personnage et problème), production (flux, wireframe, prototype), test (utilisabilité) et livraison (système de conception, documentation). L’intelligence artificielle joue un rôle différent à chacune de ces étapes.
- Découverte : résume des dizaines de transcriptions d'entretiens (enregistrements transcrits) en minutes au lieu d'heures, en extrayant les thèmes initiaux. Mais c'est à chacun de décider quel thème est important.
- Description : Produit des brouillons de Persona (profil fictif représentant un type d'utilisateur spécifique) et de carte de voyage. Mais il est de votre devoir de veiller à ce que ces projets soient basés sur des données réelles.
- Génération : le wireframe (le squelette de la ligne de boîte d'un écran), l'organigramme et le texte de l'interface reproduisent des variations.
- Tests : obtient les résultats des enregistrements de tests et les classe par ordre d'importance.
- Présentation : Rédige la documentation des composants et les règles d'utilisation.
Le fil conducteur est le suivant : l’IA génère des brouillons et des options ; Le jugement et l’approbation restent avec vous.
Astuce : utilisez l'intelligence artificielle non pas pour « me donner la réponse », mais pour « me donner rapidement des options et me laisser choisir ». La plus grande efficacité vient lorsque vous déléguez le travail de préparation et non la décision.
Niveau de risque de la mission : où est libre, où est prudent ?
Toutes les tâches ne comportent pas le même risque. Une règle simple : plus le résultat affecte directement un utilisateur, plus le risque est élevé.
Quête
Niveau de risque
Le rôle de l'intelligence artificielle
approbation humaine
Résumé des notes de réunion
faible
Presque entièrement transféré
léger écrémage
Générer une variante filaire
faible-moyen
Génère un brouillon
Le concepteur sélectionne et corrige
Créer un thème de recherche
moyen
Pré-synthèse
Une vérification par devis est requise
Texte d'interface (message d'erreur, etc.)
moyen-élevé
produit des variations
Tonalité, précision, vérification de la loi
Confirmation d'accessibilité
haut
pré-analyse
Test réel obligatoire
Déterminer les besoins réels de l'utilisateur
le plus élevé
je ne peux pas aider
Tout dans le concepteur
Ce graphique est une boussole : à mesure que vous progressez, vous diminuez votre confiance dans l'IA et augmentez votre propre validation.
Hallucination et biais : deux limites fondamentales
Vous devez internaliser dès le début les deux angles morts de l’intelligence artificielle.
Hallucination (fabrication) : un grand modèle de langage (éventuellement une IA devinante de mots entraînée sur de grandes quantités de texte) peut produire des informations fluides mais en réalité inexactes. Par exemple, il est écrit "Les utilisateurs ont demandé de la vitesse dans 20 conversations", mais en réalité, une telle citation n'existe pas. Aussi fiable que soit la sortie, elle n’est pas exacte sans un lien vers la source.
Biais : le modèle comporte des biais inhérents aux données sur lesquelles il est formé. Des clichés tels que « les utilisateurs plus âgés ont peur de la technologie » peuvent s'infiltrer dans le personnage ou le script. Ces phrases sont des généralisations non étayées et doivent être testées avec des données réelles.
Attention : la fluidité et la précision des résultats de l'IA ne sont pas la même chose. Le résultat le plus dangereux est celui écrit dans des phrases fausses mais parfaites.
Données utilisateur, KVKK et consentement
La recherche UX fonctionne avec des données personnelles : journaux de conversation, nom, lieu de travail, captures d'écran et même audio. Le téléchargement de ces données vers un outil d'intelligence artificielle arbitraire peut constituer une violation de la KVKK (loi sur la protection des données personnelles). La règle générale comporte trois étapes : anonymiser, respecter le consentement, utiliser un outil approuvé par l'agence.
- Masquez les identifiants directs tels que le nom, le téléphone, l'e-mail, le nom de l'entreprise (par exemple « Participant 3 »).
- Ne pas dépasser la portée du consentement donné au participant lors de la recherche ; Si vous n'avez pas dit "cela sera transformé en intelligence artificielle", soyez prudent.
- Dans un environnement d'entreprise, choisissez des outils qui indiquent clairement où les données sont stockées et si elles sont utilisées pour la formation des modèles.
trois mini-cases
Cas 1 — Gain de temps, au bon endroit. Un concepteur a demandé à l'IA de résumer 18 transcriptions d'entretiens (62 pages au total). La prélecture, qui aurait pris 2 jours à la main, a été réduite à 40 minutes. Mais le concepteur a fait correspondre chaque thème du résultat à la citation réelle et a constaté que 3 thèmes n'avaient aucun fondement. Résultat : rapidité + fiabilité.
Cas 2 — Une sortie non vérifiée est entrée dans la présentation. Une autre équipe a inclus dans le rapport la phrase « 70 % des utilisateurs préfèrent le mobile » produite par l'intelligence artificielle. Interrogé sur la source, il a été révélé que de telles données n’existaient pas ; le modèle avait inventé le numéro. La confiance des parties prenantes a été ébranlée. Leçon : les chiffres et les affirmations ne se propagent pas sans preuves.
Cas 3 — Risque de fuite de données personnelles. Un stagiaire a téléchargé l'enregistrement audio, ainsi que les noms des participants, sur un site gratuit qui le transcrit automatiquement. L'équipe de sécurité de l'établissement a identifié cela comme un risque KVKK et le processus a été arrêté. Leçon : la sélection des outils et l’anonymisation se font dès le début.
Invites copiables
Votre rôle : assistant de recherche senior UX. Tâche : Extrayez jusqu'à 6 thèmes de la transcription de l'entretien anonymisé ci-dessous. Règles : Ajoutez AU MOINS une citation textuelle à côté de chaque thème, avec la balise [Participant X]. Ne produisez pas un thème pour lequel vous ne trouvez pas de devis. En cas de doute, écrivez « support faible ». Transcription : <<texte>>
Vérifiez cette sortie de l'IA : recherchez une base factuelle dans le texte pour chaque élément de la liste de thèmes ci-dessous. Marquez ceux qui n'ont aucun fondement comme « NON VÉRIFIÉ » et écrivez pourquoi vous êtes suspect. Liste : <<thèmes>> Texte source : <<transcription>>
Recherchez toutes les données personnelles/d'identification (nom, téléphone, e-mail, entreprise, adresse) dans le texte ci-dessous et remplacez-les par [MASQUÉ]. Fournissez également la liste des modifications sous forme de tableau. Ne supprimez aucune information, masquez-la simplement.Texte : <<dump>>
Classer une tâche de conception : Déterminez le niveau de risque (faible/moyen/élevé) pour "<<tâche>>", écrivez le rôle de l'IA et l'approbation humaine requise en une phrase. Expliquez votre raisonnement.
Invite faible/Invite forte
Faible : « Résumez ces conversations. »
Résultat : Un texte non sourcé, générique et invérifiable ; On ne sait pas exactement quelle phrase vient d'où.
Fort : « Extrayez jusqu'à 6 thèmes de cette transcription anonymisée ; ajoutez au moins une citation textuelle étiquetée [Participant X] à chaque thème ; ne produisez pas un thème pour lequel vous ne trouvez pas de citation. »
Résultat : Un résultat fondé sur des preuves, vérifiable et propice à la décision.
La différence réside dans une phrase : une invite forte donne le contexte + la règle + l'exigence de preuve.
Erreurs courantes
- Déplacer le résultat de la validation à la décision. L'erreur la plus courante et la plus coûteuse ; Un thème artificiel peut fausser toute l’orientation du design.
- Télécharger des données personnelles sans les anonymiser. Violation du KVKK et perte de confiance de l'entreprise.
- Faire « décider » l’intelligence artificielle. « Quel design est le meilleur ? » La réponse à cette question réside dans le produit, l’utilisateur et les données ; pas dans le modèle.
- Ne pas lire la politique de données du véhicule. Saisir des données critiques sans savoir si vos données sont destinées à la formation du modèle ou non.
- Confondre aisance et précision. Une phrase bien écrite ne signifie pas une phrase correcte.
En résumé
L'IA est un accélérateur et un partenaire de référence dans le flux de travail UX ; Elle assure le travail de préparation à chaque étape, de la découverte à la présentation. Mais le jugement, la décision et la responsabilité appartiennent au concepteur. « Dans quelle mesure le risque de la tâche affecte-t-il l'utilisateur ? Mesurez avec la question ; augmentez votre vérification à mesure que le risque augmente. Les hallucinations et les préjugés sont deux limites permanentes : étayer chaque affirmation par des preuves, tester chaque cliché avec des données. Transporter les données des utilisateurs en les anonymisant dans le cadre du KVKK et du consentement. Ces réflexes constituent la base sûre de chaque technique du reste du module.
Tâche de candidature
- Énumérez 5 tâches de conception de votre propre projet actuel (ou d'un projet fictif).
- Placez chaque tâche sur le tableau des risques ci-dessus : faible, moyen, élevé.
- Pour chaque tâche, écrivez une phrase « rôle de l'IA » et « approbation humaine requise ».
- Si vous disposez d'une transcription d'entretien, anonymisez-la avec la troisième invite et examinez le tableau de masquage.
- Tracez le résultat dans un tableau et expliquez dans un paragraphe pourquoi la tâche la plus risquée nécessite l'approbation humaine.
liste de contrôle
- [ ] J'ai positionné l'IA comme un générateur de projets, pas comme un décideur.
- [ ] J'ai déterminé le niveau de risque de chaque mission.
- [ ] J'ai adopté l'habitude de lier les résultats aux preuves.
- [ ] Je n'ai téléchargé de données personnelles sur aucun outil sans les anonymiser.
- [ ] J'ai vérifié la politique de données du véhicule que j'utilise.
- [ ] J'ai ajouté la vérification des hallucinations et des biais à mon flux de travail.