Comment l'intelligence artificielle peut changer les tests d'utilisabilité

UX et intelligence artificielle, la combinaison est maintenant prête à aider les concepteurs, les propriétaires de produits et les entreprises à améliorer la façon dont ils collectent les informations de leurs utilisateurs.

Alors qu'Internet continue de se développer en tant qu'espace privilégié pour communiquer avec les clients, les utilisateurs, les familles et les communautés, les efforts déployés par le concepteur et l'équipe produit pour créer des expériences significatives nécessitent de nouvelles façons de collecter des données auprès des utilisateurs. L'intelligence artificielle est utile pour améliorer les capacités d'effectuer des tests d'utilisabilité.

L'intelligence artificielle est de plus en plus courante dans les conversations de l'industrie technologique. L'une des questions que je me pose en tant que designer est comment l'IA aura-t-il un impact sur mon travail dans 10 ans ? En tant que designers, notre travail est principalement orienté vers la conception d'expériences basées sur l'intelligence artificielle (chatbots, assistants, publicités marketing, etc.), mais et si nous pouvions utiliser l'intelligence artificielle et plus particulièrement le Machine Learning pour concevoir de meilleures expériences utilisateur ?

Notre première question chez Adaptés à était de se poser la question : est-il possible d'automatiser la conception ? Dans cet esprit, nous nous sommes lancés dans la recherche sur ce que l'intelligence artificielle pourrait offrir.

La liste de possibilités fut longue comme vous pourriez l’imaginer, certaines encore trop avant-gardiste mais d'autres extrêmement réalisables. L'étape suivante consistait à voir quelles parties du processus de conception pourraient être affectées et comment nous pourrions améliorer notre propre processus en tant que concepteurs d'expérience.

Notre lien étroit avec la conception centrée sur l'humain nous a amenés à porter notre attention sur la méthodologie Empathy Mapping, créée par Dave Gray, une méthode qui a beaucoup gagné en popularité dans la communauté agile et qui est maintenant une pratique courante dans la conception de produits.

Qu'est-ce que la cartographie de l'empathie ?

Une carte d'empathie est une visualisation collaborative utilisée pour articuler ce que nous savons sur un type particulier d'utilisateur. Il externalise les connaissances sur les utilisateurs en fonction de ce qu'ils disent, font, pensent et ressentent, afin de 1). Créer une compréhension partagée des besoins des utilisateurs, et 2). aide à la décision.

Le processus est basé sur l'observation de l'utilisateur et la notation attentive des expressions de l'utilisateur à la fois verbales et non verbales, le rôle de l'équipe menant les entretiens de cartographie d'empathie est de faciliter la manifestation des émotions de l'utilisateur lors des entretiens.

Le cauchemar des post-it

Si vous êtes un concepteur d'expérience utilisateur, il y a de fortes chances qu'après une session de cartographie de l'empathie, vous ayez regardé un mur sur lequel il y avait une quantité considérable de post-its en vous posant la question Par où commencer ? C'était le problème à résoudre.

Après quelques entretiens d'utilisation avec les utilisateurs, nos équipes se retrouvent avec des énormément de notes sous forme de feuilles de calcul, de cahiers ou d'enregistrements. Il faut un temps considérable pour intégrer ces notes dans des CV complets et une façon d'y parvenir est de coller les éléments les plus importants sur une surface pour donner de la visibilité à toute l'équipe.

L'Intelligence Artificielle à la rescousse !

L'expérience utilisateur et l'intelligence artificielle partagent un objectif commun : prédire le comportement humain et anticiper ce qui va se passer ensuite. L'analyse du langage et des émotions est un dénominateur commun aux deux disciplines, c'est sur ce point de contact où nous avons vu une opportunité de créer quelque chose de nouveau.

Le besoin constant des équipes de recueillir les émotions des utilisateurs et le processus long et fastidieux d'analyse des résultats après un entretien avec plusieurs utilisateurs, sont rapidement devenus dans nos esprits un parfait mélange besoin/problème.

Voici 4 façons dont l'intelligence artificielle peut changer l'entretien d'expérience utilisateur.

Deep Learning. La façon dont nous pouvons tirer le meilleur parti de ce que l'utilisateur a dit lors d'une interview et comment nous pouvons valoriser ses expressions.

Données gestuelles. Comment nous pourrons déterminer par les actions de l'utilisateur, l'état d'esprit à travers ces actions non verbal.

Reconnaissance faciale. La profondeur de perspicacité que nous pourrons avoir lors de l'interprétation de leurs émotions et expressions.

**Données sémantiques. **Souvent, les utilisateurs donnent un aperçu sous forme de clés linguistiques, ce qui signifie qu'ils s'expriment en phrases de code qui sont ensuite analysées par les concepteurs UX pour donner du sens. En utilisant l'apprentissage automatique, nous pouvons créer une compréhension approfondie des intentions de l'utilisateur et donner de la visibilité aux informations cachées exprimées par l'utilisateur.

La combinaison de ces technologies permettra à la plate-forme d'extraire des métadonnées telles que des concepts, des entités, des mots-clés, des catégories, des sentiments, des émotions, des relations et des rôles sémantiques en comprenant ce que l'utilisateur exprime lors des entretiens.

Créer une large relation entre différentes catégories de données visant à exprimer les émotions des utilisateurs à un niveau plus dynamique, offrant aux concepteurs et aux propriétaires de produits un véritable aperçu des émotions humaines.

Conclusion

L'intelligence artificielle peut accélérer le processus de conception émotionnelle sur les tests d'utilisabilité, le besoin constant de recueillir des informations à partir de ce que l'utilisateur exprime sans le besoin d'entendre encore et encore plusieurs interviews est un plus dans le design thinking. De même, la capacité à s'affranchir de la classification des données et les capacités collaboratives offertes par les environnements numériques font la parfaite combinaison des méthodologies.