Ajouter de l'IA n'est pas une proposition de valeur. L'utilisateur ne cherche pas une génération de texte, un score ou un agent ; il cherche à terminer une tâche avec moins d'effort, davantage de confiance ou un meilleur résultat.
Un produit IA utile relie donc une capacité probabiliste à un besoin observable. Il montre ses limites, permet de corriger et reste exploitable lorsque le modèle hésite ou devient indisponible.
Vérifier que le problème mérite de l'IA
Commencez par le parcours actuel. Où l'utilisateur attend-il, cherche-t-il une information, répète-t-il une transformation ou traite-t-il trop de possibilités ? Décrivez le résultat attendu sans mentionner l'IA.
L'IA devient pertinente lorsque des règles fixes sont insuffisantes et qu'une approximation contrôlée crée de la valeur. Elle l'est moins lorsqu'une base de données, un filtre ou un formulaire résout le problème avec davantage de prévisibilité.
Testez la valeur avec une simulation humaine ou un prototype limité avant de construire une architecture complète. Mesurez le temps gagné, la qualité, le taux de correction et la conséquence d'une erreur.
Choisir le bon niveau d'autonomie
Tous les usages ne nécessitent pas un agent. Quatre niveaux permettent de raisonner :
- suggestion : le système propose, l'utilisateur décide ;
- préparation : il rassemble et structure avant validation ;
- exécution approuvée : il agit après confirmation explicite ;
- exécution autonome : il agit dans des limites et rend compte.
Montez d'un niveau seulement si le gain le justifie et si les erreurs sont détectables, réversibles et attribuables. Une fonction qui envoie un message, modifie un prix ou supprime une donnée nécessite davantage de contrôle qu'un brouillon.
Concevoir l'incertitude
Une interface ne doit pas présenter toutes les sorties avec la même assurance. Lorsque c'est utile, montrez les sources, la date des données, les éléments manquants et la possibilité de demander une autre approche.
Évitez les scores de confiance décoratifs. Ils doivent être calibrés et compris pour aider. Souvent, une formulation claire, une citation et une action « vérifier » sont plus utiles qu'un pourcentage.
L'utilisateur doit pouvoir modifier, annuler, signaler et transférer à un humain. Le guide sur les agents de support montre pourquoi l'escalade est une fonction centrale. Notre analyse de l'UX de recherche IA et des sources détaille la confiance par la traçabilité.
Définir le contrat de données
Expliquez quelles données sont utilisées, pourquoi, pendant combien de temps et avec quels fournisseurs. Les réglages de confidentialité doivent correspondre au fonctionnement réel.
Collectez le minimum nécessaire. Une personnalisation utile ne justifie pas une mémoire illimitée. Donnez un moyen de consulter, corriger et supprimer les informations conservées. Pour un agent, séparez mémoire de conversation, préférences et accès aux outils.
Mesurer l'adoption sans compter les messages
Le volume de générations indique une activité, pas un succès. Une fonction peut produire beaucoup de messages parce que ses réponses sont mauvaises.
Mesurez plutôt :
- taux de tâches terminées ;
- temps jusqu'au résultat ;
- corrections et annulations ;
- escalades ;
- réutilisation après une première expérience ;
- coût par résultat accepté ;
- erreurs graves et réclamations ;
- effet sur l'indicateur métier concerné.
Comparez avec le parcours sans IA. Segmentez nouveaux utilisateurs, experts et cas complexes. Une moyenne globale masque souvent une fonction très utile pour un groupe et gênante pour un autre.
Acheter, intégrer ou construire
Achetez lorsque la capacité est standard et que le fournisseur répond aux exigences de données, d'intégration et de réversibilité. Intégrez plusieurs composants lorsque l'expérience ou le contexte métier crée la différence. Construisez davantage lorsque le comportement, les évaluations et la propriété des données constituent un avantage durable.
Le calcul doit inclure intégration, supervision, support, changements de modèle et sortie du fournisseur. Le pricing des fonctions IA doit refléter ce coût variable sans rendre l'usage incompréhensible.
Lancer avec des limites visibles
Un pilote doit annoncer ce qu'il sait faire, son périmètre de données et le canal de retour. Commencez avec un groupe dont le travail permet d'observer les erreurs.
Avant l'ouverture, préparez :
- un jeu d'évaluation ;
- des seuils d'arrêt ;
- un propriétaire produit et technique ;
- une procédure d'incident ;
- un mode dégradé ;
- une date de revue.
L'accessibilité s'applique aussi aux interfaces IA : navigation clavier, annonces de chargement, structure des réponses et alternatives aux interactions complexes. Le guide WCAG 2.2 reste une base.
Une fonctionnalité qui sait ne pas agir
La maturité d'un produit IA se voit dans les moments difficiles : données insuffisantes, demande ambiguë, outil indisponible ou action risquée. Un bon produit ne masque pas ces limites. Il réduit son autonomie, demande une confirmation ou propose un chemin classique.
La réussite n'est pas d'ajouter l'IA au parcours. C'est de rendre une tâche objectivement meilleure tout en gardant l'utilisateur capable de comprendre, corriger et décider.
