Avant de lancer une refonte de site internet, d’ajuster un tunnel de conversion d’un e-commerce ou de repositionner une offre, les entretiens utilisateurs sont au coeur du métier des experts UX. Ils permettent de comprendre comment les utilisateurs d’un produit raisonnent réellement : ce qui les freine, ce qui construit leur confiance, ce qui les fait passer à l’acte ou non. Ces conversations structurées sont menées pour recueillir ce que les données ne montrent pas. Aujourd’hui, des outils IA promettent de faire la même chose, plus vite et à moindre coût. Alors, peut-on remplacer les entretiens utilisateurs par l’IA ?
Pourquoi faire des entretiens utilisateurs ?
Les outils d’analyse web mesurent ce qui se passe : combien de personnes ont cliqué, à quelle étape elles ont abandonné, quel contenu a été consulté. On parle d’analyse quantitative. Ce que ces outils ne disent pas, c’est pourquoi. Pourquoi ce formulaire décourage, pourquoi cette page génère des contacts peu qualifiés, pourquoi ce parcours logique sur le papier ne correspond pas à la façon dont vos clients raisonnent réellement.
C’est précisément pour répondre à ces questions qu’existent les entretiens utilisateurs. Il s’agit de conversations structurées, menées avec des personnes représentatives des cibles, pour comprendre leurs besoins, leurs freins et la logique qui guide leurs décisions. Pas pour recueillir des avis, mais pour observer comment elles pensent face à une situation réelle et recueillir une analyse qualitative.
- Pourquoi un visiteur qualifié repart sans prendre contact
- Quel vocabulaire les cibles utilisent pour décrire leur problème et s’il correspond à celui du site internet
- À quel moment du parcours la confiance se construit ou se perd
- Quels critères de décision ne sont pas adressés dans les contenus
À quelle étape les entretiens utilisateur s’inscrivent-ils dans un projet ?
Les entretiens utilisateurs interviennent généralement avant une décision structurante : avant une refonte, avant le lancement d’un nouveau service, avant de retravailler un tunnel de conversion. Ils permettent de poser les bonnes questions avant d’engager des ressources. Leur rôle est de réduire le risque de construire quelque chose de bien conçu mais mal orienté.
Ils peuvent aussi intervenir après une mise en ligne, pour comprendre pourquoi les résultats ne sont pas au rendez-vous malgré un dispositif techniquement correct. Dans ce cas, ils complètent l’analyse quantitative : les données disent où ça coince, les entretiens disent pourquoi.
Ce que l’IA peut faire et ce qu’elle ne peut pas faire en entretien utilisateur
L’étude Navigating the Jagged Technological Frontier (Dell’Acqua et al., Harvard Business School / Boston Consulting Group, 2023) menée sur 758 consultants, met en évidence que l’IA améliore significativement les performances sur les tâches formalisables – synthèse, rédaction, analyse structurée – mais dégrade la qualité du jugement sur les tâches qui requièrent une lecture contextuelle fine. Pour ces dernières, les participants qui utilisaient l’IA produisaient des résultats 19 % moins fiables que ceux qui travaillaient sans. Les auteurs nomment ce phénomène la « Jagged Technological Frontier » : l’IA excelle là où la tâche est bien délimitée et échoue là où elle ne l’est pas précisément.
Ainsi les outils d’IA peuvent aujourd’hui analyser de grands volumes de verbatims, regrouper des thèmes récurrents dans des retours clients ou générer des synthèses à partir de retranscriptions. Ces usages sont pertinents et l’IA y excelle : ils accélèrent le traitement de ce qui a déjà été recueilli.
Toutefois l’IA ne peut pas et ne doit pas mener un entretien à la place d’un humain car elle échoue dans cette lecture fine. C’est le cas de l’expérience physique et sociale qui se joue lors d’un entretien utilisateur : intonation de voix, gestuelle, hésitations, silences. Un même propos selon l’intonation pourra être interprété comme négatif ou positif par un humain là où l’IA ne percevra pas la nuance.
Jakob Nielsen, pionnier de l’utilisabilité des sites web, parle à ce sujet d’un gap et d’une incapacité de l’IA à capter les nuances comportementales des utilisateurs : l’IA manque de compréhension de l’expérience physique et sociale qui permet à un chercheur humain de capter ce qui se passe dans la pièce pas seulement ce qui est dit. Un participant qui répond « oui, c’est très bien » tout en croisant les bras et en détournant le regard communique quelque chose qu’aucun modèle IA de langage ne comprendra.
Dans le cas de digital accessibility, substituer les entretiens utilisateurs par de l’IA serait passer à côté de l’essentiel. C’est dans l’usage et la rencontre qu’il est possible de comprendre comment navigue une personne en situation de handicap et les problématiques qui peuvent être rencontrés. Deux personnes utilisant le même outil d’assistance peuvent par exemple avoir des stratégies de navigation radicalement différentes. Ces écarts d’usages n’apparaissent que dans la rencontre.
Comment articuler IA et entretiens utilisateurs efficacement ?
L’IA et les entretiens utilisateurs peuvent tout à fait cohabiter dans une démarche de recherche à condition d’assigner à chacun le rôle qui lui correspond.
Avant le terrain, l’IA peut aider à structurer la préparation : formuler un guide d’entretien, générer des hypothèses à partir de données existantes, identifier des angles non explorés dans des recherches antérieures. C’est un travail de mise en forme et d’amorçage utile mais qui ne dispense pas du jugement du chercheur pour valider ce qui mérite d’être exploré.
Sur le terrain, l’IA n’a nullement sa place en tant qu’interlocuteur. En revanche, certains outils de prise de notes automatisée ou de transcription en temps réel peuvent libérer l’expert UX de la charge de la retranscription, lui permettant de rester pleinement disponible lors de l’échange.
Après le terrain, c’est peut être là que l’IA apporte le plus : transcrire, regrouper des verbatims, identifier des récurrences thématiques dans un volume de données qu’un humain seul traiterait moins vite et moins systématiquement. Sur ce plan, les gains sont réels. L’étude Harvard/BCG citée plus haut le confirme : pour les tâches structurées et bien délimitées (synthèse, catégorisation, reformulation) l’IA améliore la vitesse et la qualité de traitement de manière significative.
L’enjeu n’est pas d’opposer IA et recherche utilisateur mais d’identifier ce qui relève du traitement automatisable et ce qui nécessite une interprétation humaine contextualisée. Utiliser l’IA pour regrouper des verbatims existants est une chose. Remplacer les entretiens par l’IA en est une autre. Dans le premier cas, on accélère un traitement. Dans le second, on supprime la source d’information elle-même et on prend des décisions à partir d’hypothèses qu’on croit avoir vérifiées mais qui n’ont jamais été confrontées au réel.
Globalement, l’IA est un outil de productivité pour les chercheurs et experts UX : elle compresse le temps de traitement, réduit la charge répétitive et permet de couvrir des volumes plus importants. Mais elle opère en aval de la collecte, pas à sa place. L’expert UX reste le garant de ce qui est recueilli, de l’interprétation et des recommandations qui en découlent.
Les entretiens utilisateurs permettent de comprendre pourquoi vos cibles se comportent comme elles le font. Ils s’inscrivent en amont de décisions structurantes dans les projets numériques pour comprendre les usages et éviter toutes suppositions.
L’IA trouve pleinement sa place dans cette démarche mais en aval et comme outil de productivité : pour transcrire, regrouper, identifier des récurrences dans ce qui a déjà été recueilli. Sur ces tâches bien délimitées, les gains sont réels et documentés. Ce qu’elle ne peut pas faire, c’est remplacer la rencontre elle-même ni capter ce qui s’y joue au-delà des mots. L’enjeu n’est donc pas de choisir entre IA et recherche utilisateur mais de distinguer ce qui relève du traitement automatisable et ce qui relève de l’interprétation d’une situation humaine. Cette distinction conditionne directement la qualité des arbitrages réalisés dans un projet numérique.