L’impact concret de l'IA sur les attentes et interactions des utilisateurs

Force est d’admettre que pour un outil qui n’en est qu’à ses balbutiements, l’intelligence artificielle est déjà drôlement impressionnante. Il est essentiel de pondérer ses besoins et sa réalité d’affaires avant de l’adopter, mais la conclusion reste souvent la même : l’IA représente une opportunité immense pour les entreprises.

Pour l’utiliser de façon optimale pour un impact maximal, en plus de toutes les considérations de cybersécurité, il faut bien réfléchir aux attentes et interactions des utilisateurs avec toutes les fonctionnalités boostées par l’AI, par étapes.

Si le parcours utilisateur n’est pas pensé en fonction du niveau de connaissance des utilisateurs, l’IA peut devenir plus bloquante que facilitante. Le risque, c’est que l’utilisateur délaisse l’outil par manque de compréhension, ce qui témoigne d’un manque de pertinence.

Pour intégrer correctement l’IA dans l’expérience utilisateur, il est fondamental de distinguer les 3 profils types d’utilisateur:

• Le novice, souvent émerveillé par la moindre fonctionnalité IA
• L’intermédiaire, ayant un certain nombre de connaissances dans un domaine
• L’expert, étant capable d’identifier très rapidement les limites de l’AI dans son domaine de prédilection

Chaque utilisateur sera à la fois novice, intermédiaire et expert sur différents sujets. Ces différences d’expertise créent différentes attentes par rapport à l’AI et par extension, à la solution numérique qui l’emploie.

Prenons l’exemple d’un DAM d’entreprise dans lequel les employés doivent téléverser leurs documents, visuels et vidéos. L’IA peut être intégrée à l’outil pour alléger la charge de travail dans l’étiquetage (« tagging ») des éléments. Même une fois le DAM adopté par l’équipe, un novice ne saisira peut-être pas quels sont les mots clés pertinents à sélectionner, tandis que les profils intermédiaires et experts comprendront plus rapidement l’importance d’un processus de validation pour chacun des mots clés.

Bien identifier le niveau de connaissance de l’utilisateur est donc primordial afin d’intégrer des outils IA et garantir le meilleur taux d’adoption.

« Devant des enjeux de pénurie de main-d'œuvre ou d'accélération de la productivité, ce sont les niveaux intermédiaires qui ont le plus à gagner d'une introduction d'un outil d’IA, parce qu'il y a beaucoup plus d'intermédiaires que d'experts. Il faut donc élever le niveau de l'intermédiaire pour en faire un expert. C’est ainsi que la productivité sera renforcée et que les employés pourront se concentrer sur des tâches à plus fortes valeurs ajoutées », nous explique David A. Hamel, VP Stratégie, CX & Design.

Étant donné que l'IA reste imparfaite à ce stade, il faut s’assurer que notre utilisateur ne le remarque pas trop. Une fois le niveau de connaissance établi, nous devons ensuite identifier les points de désenchantement potentiels auxquels nos utilisateurs pourraient se confronter et trouver un moyen de les minimiser.

Chat GPT l’a bien compris. Si l’IA accélère et facilite de nombreuses tâches du quotidien, il faut tout de même reconnaître qu’elle ne le fait pas aussi rapidement qu’un outil de recherche : au total, la réponse à une même question prendra 0,28 seconde à Google contre 25 secondes pour ChatGPT.

Pourquoi est-ce qu’on ne ressent pas ce point de friction? Parce que ChatGPT a eu l’idée de produire les réponses une phrase à la fois, avec un effet dactylo nous donnant l’impression qu’il répond instantanément, alors qu’il y réfléchit encore. C’est ce qu’on appelle de la « gestion de performance perçue » : la durée est vraiment plus longue, et pourtant il n’y a pas d’impression de lenteur.

Le fait qu’on ne sache pas où sera rendue l’IA dans cinq ans ne doit pas être un frein. Il s’agit plutôt de tirer parti de ses capacités actuelles pour offrir la meilleure expérience possible aux utilisateurs. N’oubliez pas leurs attentes sont alignées avec le niveau actuel de l'IA. Bien qu’il en veuille toujours plus, ce que votre utilisateur espère, c’est une expérience conforme à ce qu’il connaît déjà.

Vous l’aurez compris, pour contrer les points de frictions que l’utilisateur pourrait rencontrer, il faut penser à un ensemble de fonctionnalités complémentaires qui s’ajoutent à la demande initiale d’intégration d’IA.

Il faut ajuster sa lentille pour voir l’ensemble, l’impact concret de l’IA pour l’entreprise. Implémenter un nouvel élément dans un nouvel environnement, qu’on parle d’IA dans son écosystème technologique ou une nouvelle plante dans son jardin, nécessite que l’on considère les bénéfices et les obstacles qu’il pourrait produire sur l’ensemble.

Pour s’assurer d’une intégration harmonieuse et la meilleure expérience possible pour nos utilisateurs, nous pourrions mettre en place une micro-orientation pour guider l'utilisateur dans l'utilisation de l'outil, lui permettre de questionner les propositions de l'IA pour affiner les résultats (entraînant du même coup l’outil), ajouter des notifications pour l'informer lorsque ses requêtes sont complétées ou inclure un contrôle humain automatique pour valider les actions de l'IA et garantir la qualité. Cette liste d’exemples non exhaustive doit évidemment s’adapter à chaque contexte.

Il faut également penser à la façon dont l’entreprise va accompagner ses utilisateurs. Pour favoriser l’adoption de l’outil, les utilisateurs pourraient être consultés durant la phase de conception de la solution, l’entreprise pourrait offrir des formations sur les outils d’IA ou encore veiller à une gestion des mises à jour rigoureuse pour éliminer les points de frictions rencontrés.

Lorsqu’on est enthousiaste à l’idée d’une nouvelle solution, c’est normal de ne pas se projeter plus loin que le moment d’adoption de l’outil où tous nos problèmes seront réglés. On pense rarement aux mises à jour spécifiques à l’IA qui viendront par la suite et qui seront nécessaires et malheureusement inévitables.

Chez nventive, on les appelle des mises à jour de second degré : si les utilisateurs sont très habitués aux mises à jour de logiciels, comme les updates iOS annuelles ou d’autres technologies, ils sont moins familiers avec les mises à jour qui viennent avec l’IA. Souvent « cachées », elles concernent pourtant tous les modèles d'IA générative.

Par exemple, on sait que dans un an, tous les modèles d'IA seront largement meilleurs que ceux d'aujourd'hui. On peut déjà anticiper qu'il faudra identifier le fossé entre les différentes versions et les risques associés à cette cohabitation. Il sera également probablement nécessaire de mettre à jour les modèles afin de rester compétitifs en termes de performance.

La question de la gestion de l'historique se pose : si on reprend l'exemple d'un DAM, que faire des centaines de milliers de fichiers qui ont été étiquetés avec la version précédente du modèle? Faut-il tous les réétiqueter, refaire leur validation? Et qu'en est-il des habitudes que les utilisateurs auront développé en recherchant ces fichiers numériques avec certains mots-clés? Trouveront-ils toujours ces fichiers après la mise à jour des métadonnées générées par l'IA ? Ce sont des questions très importantes à répondre dans le cadre de vos projets et cruciales pour améliorer l'expérience des utilisateurs.

On peut choisir de voir l’inconnu comme un obstacle ou une opportunité d’innover. Avec les bonnes considérations pour l’expérience utilisateur qu’on souhaite offrir et l’impact de son intégration dans son environnement, l’intelligence artificielle est un outil robuste qui fait déjà ses preuves. Oui, l’IA est encore imparfaite, mais elle n’en demeure pas moins une opportunité indéniable pour les entreprises.