Comment utiliser l’IA pour faire de la recherche comme un vrai chercheur

Lisez la transcription :

Nous expérimentons la transcription de nos podcasts avec un logiciel. Merci de pardonner d’éventuelles fautes, l’automate n’étant pas encore fiable à 100%.

Hannah Clark : Depuis la nuit des temps, les gens font mal la recherche. Nous n’avions pas besoin de l’IA pour prendre des raccourcis mal calculés ou tirer des conclusions hâtives sur des échantillons trop faibles, ou encore créer des personas maladroits basés sur des présupposés et des entretiens utilisateurs peu instructifs. Alors maintenant que l’IA est là, il n’est pas étonnant que la communauté de la recherche s’inquiète des dégâts que la technologie pourrait causer sur la qualité du travail de recherche. Mais dans l’épisode d’aujourd’hui, nous explorons comment l’IA peut justement aider à standardiser et démocratiser une bonne recherche à grande échelle.

Mon invitée aujourd’hui est Cori Widen, responsable de la recherche utilisateur chez Photoroom. Si vous ne connaissez pas déjà Photoroom, l’entreprise fait beaucoup parler d’elle pour l’innovation de ses usages de l’IA, et Cori m’a expliqué en détail comment tout cela commence par la culture d’entreprise. Nous discutons de l’état d’esprit en interne qui encourage la curiosité pour explorer les possibles, mais aussi de méthodes concrètes pour que les équipes utilisent l’IA afin d’apprécier, réaliser et exploiter une recherche de qualité. Allons-y.

Au fait, nous organisons chaque semaine ce type de conversations. Donc, si cela vous intéresse, pourquoi ne pas vous abonner ? Allez, c’est parti.

Bienvenue de retour sur le podcast du Product Manager. Je suis aujourd’hui avec Cori Widen, responsable de la recherche utilisateur chez Photoroom.

Cori, merci beaucoup d’avoir trouvé le temps de me rencontrer.

Cori Widen : Merci. Je suis vraiment ravie d’être là.

Hannah Clark : Moi aussi. Cori travaille en fait avec moi depuis longtemps, mais c’est l’une des premières fois que nous pouvons vraiment discuter en direct et non par e-mail. C’est donc très excitant. J'ai presque l’impression de parler à une vieille amie ou une correspondante de longue date.

Cori Widen : Oui, c’est très excitant. Je suis d’accord.

Hannah Clark : Nous allons commencer comme toujours. Peux-tu nous parler un peu de ton parcours et de ce qui t’a amenée là où tu es aujourd’hui ?

Cori Widen : Bien sûr. Cela fait environ 13 ans que je travaille dans la tech.

La majeure partie de ce temps, j’ai exercé dans le marketing produit, mais comme beaucoup dans le marketing produit, les méthodes de recherche faisaient partie de mon métier : interviewer des utilisateurs, etc. Et à un moment, j’ai décidé que c’était cette partie que je préférais, la recherche utilisateur.

Donc j’ai décidé de devenir chercheuse à temps plein, d’abord chez Lightrix et maintenant chez Photoroom, où je dirige la recherche utilisateur.

Hannah Clark : Super. Aujourd’hui, on va donc se concentrer sur les méthodes approuvées par les chercheurs pour utiliser l’IA à des fins de recherche, un sujet très brûlant en ce moment. On va donc parler d’analyses qualitatives assistées par IA.

Quelle est ta méthodologie actuelle pour combiner l’IA et le travail manuel afin de rester en confiance et d’y apposer ta propre validation ? Et comment cela a-t-il évolué ?

Cori Widen : C’est clairement un sujet clivant. Pour expliquer comment ça a évolué avant d’en arriver à mon process actuel : au début, j’étais réticente.

Je pense comme tout le monde dans la communauté. D’abord car je ne faisais pas confiance à l’IA pour bien faire le job, ce qui était légitime car au début elle n’était pas bonne. Ensuite, ce dont on parle peu, c’est que j’aimais mon métier. Je n’attendais pas que l’IA vienne l’améliorer ou résoudre un problème. J’aimais, par exemple, analyser qualitativement moi-même. Je n’étais donc pas enthousiaste au début, mais il a bien fallu se rendre à l’évidence : soit tu t’y mets, soit tu te fais distancer. Ma première tentative d’utilisation de l’IA pour l’analyse qualitative a été de mener mon processus manuel habituel en parallèle de l’IA et de comparer les expériences, d’observer les points forts et faibles, de voir comment trouver la juste fiabilité.

Ce fut beaucoup d’essais-erreurs et je pense que ce process continuera d’évoluer avec l’IA. Mais aujourd’hui, voici où j’en suis. Prenons un exemple : j’analyse un projet stratégique où la plupart des données sont issues d'entretiens utilisateurs.

Je collecte toutes les transcriptions du projet (nous utilisons Dovetail), puis via un outil appelé Dust, on questionne l’IA à partir de ces transcriptions.

Donc, en résumé, j’utilise l’IA pour poser des questions sur un vaste ensemble de transcriptions.

Je prépare mes questions de recherche (manuellement), puis je commence à formuler les requêtes à l’IA pour qu’elle m’extraie des citations en lien avec mes axes de recherche. Par exemple, si je veux savoir quels sont les points de friction sur un parcours particulier, je demande à l’IA de retrouver les verbatims utilisateurs correspondants.

Cela remplace donc la phase de taggage manuel. Beaucoup de chercheurs le feraient à la main avec différents outils. Moi, maintenant, j’utilise l’IA. J’assemble ensuite les citations par thème sur un board Miro et j’y fais un diagramme d’affinité, comme je le faisais avant manuellement pour l'analyse.

Je le fais toujours moi-même. Sur la base de ce diagramme, je formule mes enseignements. J’utilise aussi l’IA pour passer mes synthèses au crible, en lui demandant de chercher des éléments contradictoires ou des nuances oubliées, pour détecter mes biais éventuels en relisant les transcriptions.

Voilà mon « Frankenstein » de processus mêlant manuel et IA pour l’analyse.

Hannah Clark : Tu as évoqué le fait que ta perception globale de l’IA a changé. Beaucoup d’entre nous ont eu ce cheminement d’appréhension puis d’ouverture. Comment cela s’est-il déroulé pour toi ?

Cori Widen : Oui, totalement. Au début, je ressentais une forte pression en entreprise pour intégrer l’IA.

Mais c’était flou, directionnel : « ça va rendre plus efficace, améliorer le job, etc. ». Je ne savais pas vraiment comment m’y prendre et mes premiers essais n’étaient pas concluants. L’IA n’était pas très utile pour remplacer une partie du processus.

Cela dit, la pression n’a pas disparu. Donc progressivement, à mesure que ChatGPT gérait des volumes de données plus importants, j’ai écrit des scripts persos pour de petites tâches, comme résumer un entretien, etc. Ça a commencé à ouvrir mon esprit, mais la vraie bascule a eu lieu quand je suis arrivée chez Photoroom, car cette boîte a vraiment une approche unique de l’IA, à la fois côté utilisateur et en interne d’entreprise.

Y’a-t-il une pression pour intégrer l’IA ? Clairement. Mais c’est une pression « enthousiaste ». Tout le monde est excité à l’idée de trouver des cas d’usage dans son domaine ou sa fonction grâce à l’IA.

Il y a une atmosphère où chacun partage ses avancées, s’intéresse à comment les autres utilisent l’IA, etc. Ce cadre a transformé la pression « oups, il faut que je m’y mette » en quelque chose de fun et d’intéressant dans mon travail.

Hannah Clark : Top. J’aimerais explorer plus tard la culture d’entreprise chez Photoroom, car je trouve que c’est un élément clé d’adoption de l’IA en entreprise.

Mais parlons des assistants IA, car tu évoquais comment tes usages ont évolué, gagner en efficacité grâce à l’IA étant un vrai game changer, et tout le monde voit aujourd’hui émerger ces assistants IA. Tu en as conçu quelques-uns, très utiles dans ton process. De quel type d’assistants s’agit-il, et quels problèmes as-tu pu résoudre récemment ?

Cori Widen : Deux principaux me viennent à l’esprit. D’abord « Mining User Interviews », un nom pas très original mais ça décrit parfaitement sa fonction. Chaque entretien utilisateur chez Photoroom est archivé dans Dovetail, on récupère les transcriptions via l’API et on interroge les données grâce à l’IA.

Cela résout différents problèmes pour nous (chercheurs : moi et ma collègue Becky), mais aussi pour les parties prenantes. Pour nous, c’est la base de l’analyse, une autre façon d’extraire les citations plutôt que de taguer à la main, etc. Pour les stakeholders, sans devoir nous solliciter ni fouiller dans nos rapports, ils peuvent interroger l’ensemble des entretiens, poser toutes les questions utiles sur les utilisateurs ou ceux de la concurrence. Par exemple : « Donne-moi la liste des difficultés des gens avec les arrière-plans IA » ou telle fonctionnalité de Photoroom. Ça nous fait gagner du temps et ça rapproche les autres de l’utilisateur final.

Premier assistant donc. Autre assistant (plus récent), un générateur de guides d’entretien. Beaucoup de membres de l’équipe font passer des entretiens utilisateurs, mais il y a peu de temps pour bien préparer un guide d’entretien, et une méconnaissance des bonnes pratiques : comment formuler ses questions pour obtenir les bons insights ?

Le générateur de guide d’entretien fonctionne ainsi : tu entres ce que tu souhaites apprendre, qui sont tes utilisateurs et ce que tu attends d’eux. Il génère alors un guide d’entretien aligné sur les bonnes pratiques. Résultat : peu importe ton niveau d’expertise, tu obtiens des questions qui ne sont ni suggestives, ni trop orientées, et n’obligent pas l’utilisateur à prédire son comportement futur, etc.

Hannah Clark : C’est vraiment puissant. Non seulement l’IA démultiplie la productivité, mais elle élargit aussi le champ de compétences en transférant des savoir-faire : c’est une façon incroyable d’exploiter la technologie. Merci pour ce témoignage nuancé !

Passons à l’ingénierie de prompt. C’est un autre sujet phare. Tout le monde cherche à mieux faire, et on entend souvent qu'il faut fournir beaucoup de contexte, mais c’est plus subtil que cela.

Quelles techniques concrètes as-tu développées qui améliorent vraiment la qualité des résultats lors de tes analyses de recherche utilisateur ?

Cori Widen : Je cherche encore (comme tout le monde), et parfois, je m’arrache les cheveux face à l’incompréhension de l’IA !

Mais il y a quelques astuces que je trouve très utiles en analyse : premièrement, je pose toujours chaque question de deux ou trois manières différentes, car, contrairement aux humains, impossible de savoir comment l’IA la comprendra. Souvent, je n’obtiens pas les mêmes citations ou extraits de transcription selon la formulation.

En résumé, quand j’analyse un projet, pour m’assurer de ne rien manquer sur une thématique, je multiplie les variantes de prompt. Également, ce que j’appelle « harceler » l’IA : je lui demande systématiquement d'autres exemples, car même si je formule « Donne-moi TOUTES les citations », ce n’est jamais exhaustif. Il y a toujours plus, donc je réclame des compléments.

Autre point : alors qu’avec un humain je peux poser quatre ou cinq questions en une phrase, avec l’IA ça fonctionne beaucoup moins bien. Je m’efforce donc de poser une question à la fois dans chaque prompt.

Concernant le contexte, tu mentionnais l’importance d’en donner un maximum, mais d’expérience, il existe « trop » de contexte. L’IA crée alors une hiérarchie des priorités et en ignore certaines. Je cherche donc le juste équilibre, qui pour moi tend même vers moins de contexte.

Hannah Clark : Très intéressant. Je pense qu’il faut doser selon l’usage et l’endroit où l’on place le contexte. Ça confirme ce que je pressentais, c’est la première fois que j’entends quelqu’un oser dire, pas besoin de tout donner.

Au sujet des nuances manquées : tu signalais que l’IA a tendance parfois à ignorer la subtilité des données ou à présenter des tendances à partir d’éléments faibles. Ce sont des points que le chercheur repère. Mais si tu transmets des compétences à d’autres, ce n’est pas si évident.

Alors comment valides-tu l’analyse IA pour éviter de manquer des signaux faibles ou des contre-exemples, et surtout, comment t’assures-tu que le transfert de savoir aux autres porteurs d’intérêt soit bien complet ?

Cori Widen : Ce sont des questions essentielles !

Lorsque j’analyse un projet, je sollicite rarement l’IA pour des « insights ». Je lui demande plutôt de trouver des éléments pertinents, puis j’en tire mes propres conclusions humaines. Mais l’assistant « Mining User Interviews » sert aussi à des usages hors projets stratégiques.

Il arrive qu’on lui pose directement des questions sur les utilisateurs : « Quelles difficultés principales rencontrent-ils avec X ? » etc. C’est délicat, et j’ai deux règles : premièrement, quand je demande une analyse à l’IA, j’exige qu’elle cite chaque transcript à l’appui de chaque insight.

Parfois elle ne cite que deux interviews sur des centaines, je peux donc aller vérifier dans les transcriptions si ce point est solide ou non. Deuxième règle : demander systématiquement les contre-exemples : « Et maintenant, donne-moi tous les exemples allant à l’encontre de cette conclusion ». Cela me permet d’avoir une vision globale et d’affiner mon jugement.

Pour les parties prenantes utilisant l’agent IA : nous avons rédigé un guide d’utilisation dans Notion, accessible à tous. Certains s’en servent, d’autres non. Je cherche encore le meilleur moyen d’aligner tout le monde.

Hannah Clark : Oui, c’est un sujet encore en cours d’exploration. Cela souligne l’importance d’un superviseur humain, peu importe l’IA utilisée, pour garantir que le travail est bien fait. Il faut donc rester expert du domaine, traiter l’IA comme un employé à encadrer plutôt qu’un égal.

C’est une vraie question en interne : comment s’assurer que la connaissance interne soit partagée avec les utilisateurs de l’IA ?

Puisqu’on parle de valeurs et de fonctionnement d’entreprise, peux-tu détailler en quoi la culture de Photoroom te permet d’agir ainsi avec l’IA ? Parle-nous de ce qui signifie pour vous « démocratiser la recherche » et de l’impact sur la valeur perçue de vos résultats de recherche UX.

Cori Widen : Ce qui m’a le plus attirée chez Photoroom, c’est leur vrai centrage utilisateur. Même le management s'implique dans les entretiens. Dès l’entretien de recrutement, ça s’est imposé comme une évidence : tout le monde devait être en contact avec l’utilisateur et exploiter des données qualitatives, pas uniquement du quantitatif.

Ce n’est pas le cas partout. Cela a été ancré avant même mon arrivée, et j’avoue que j’appréhendais un peu car ma vision précédente de la démocratisation était opposée : pour moi, seules les équipes research devaient mener les recherches.

C’est bien si PMs et designers parlent à des utilisateurs, mais la démocratie totale me paraissait risquée. Chez Photoroom, j’ai voulu essayer un nouveau modèle, et ce que j’ai appris c’est qu’en entreprise où tout le monde dialogue avec les utilisateurs, observe le qualitatif, la valeur donnée à la recherche utilisateur monte en flèche. Les insights sont plus utilisés.

La crainte des chercheurs dans les environnements très démocratisés, c’est que la recherche soit mal faite. C’était ma crainte aussi, car il existe des compétences réelles à ce métier. Mais j’ai vu que quand les gens interrogent régulièrement des utilisateurs, ils sont avides de bonnes pratiques, veulent faire de bons entretiens et des tests fiables. Du coup, notre rôle c’est aussi d’aider à combler ces lacunes.

Hannah Clark : Et je pense qu’en ce qui concerne l’attitude vis-à-vis des best practices, une fois qu’on mesure la complexité et la finesse de la recherche utilisateur, on se rend compte à quel point c’est une discipline à part entière.

Cori Widen : Oui, totalement d’accord.

Hannah Clark : On avait fait un super épisode avec Steve Portigal il y a quelques années sur les entretiens utilisateurs, avant de l’interviewer je n’en avais jamais mené (hors podcast), et il m’a ouvert les yeux sur la façon dont notre comportement influence les résultats d’un entretien.

C’est fascinant qu’il existe un vrai appétit pour progresser et transmettre ses savoirs sur la prise de parole avec les utilisateurs !

Cori Widen : C’est drôle que tu parles de Steve ! Il a littéralement écrit un livre : Interviewing Users, un livre que j’ai déjà offert à des parties prenantes et plusieurs fois, j’ai eu la réaction : « Il y a vraiment tout un livre sur le sujet ? » Oui, absolument, il y a tellement à apprendre !

Hannah Clark : Oui, et c’est génial, car comme tu le dis, toute entreprise veut intégrer le vrai feedback utilisateur à ses produits. Il faut en avoir assez, et surtout de qualité, pour qu’il soit exploitable. Je me réjouis donc de voir comment l’IA aide à valoriser la recherche et à faire valoir ce métier. J’adore défendre la profession de researcher !

Si on se projette, comment la recherche UX va-t-elle tirer davantage profit de l’IA d’après toi ? Quelles autres possibilités vois-tu émerger dans un avenir proche ?

Cori Widen : Je ne maîtrise pas assez la technologie pour prédire quand elle sera parfaite, mais en réfléchissant à l’évolution du rôle du chercheur à mesure que l’IA progresse et s’adopte, ce que je constate déjà aujourd’hui c’est que j’ai beaucoup plus de temps pour collaborer avec les collègues grâce à l’efficacité IA.

Mon « pronostic », c’est que le rôle du researcher deviendra moins centré sur l’exécution stricte de la recherche, et plus sur le partage d’insights, la co-création avec les parties prenantes : brainstorming, solution design, etc. Car on aura le temps… et la crédibilité rapide grâce aux résultats IA.

Hannah Clark : Pour les researcher qui intègrent l’IA à leur workflow, tu as déjà donné plein de conseils pratiques, très accessibles. As-tu d’autres recommandations de premiers pas quand on n’a pas de manuel qualité sous la main ?

Cori Widen : Pour moi, il faut d’abord changer d’état d’esprit : accepter que l’IA est là, point. C’est difficile à faire. Beaucoup conseillent de commencer par de petites tâches, mais je pense l’inverse ! Mieux vaut s’attaquer d’emblée à l’analyse qualitative du data, qui est la partie la plus dense et chronophage du métier, pour voir où l’IA est utile. Je conseille donc d’essayer, comme je le fais, de remplacer le taggage manuel par l’IA : extraire, regrouper, catégoriser et faire l’analyse ensuite.

Pourquoi ? Parce qu’il faut, pour que la bascule vers une adoption enthousiaste se fasse, que tu ressentes vraiment l’impact sur ton flux de travail. L’énergie et le temps gagnés sont colossaux.

Hannah Clark : Pour conclure, quelle a été ta plus grande découverte ou le moment de « révélation » grâce à l’IA dans ta pratique ?

Cori Widen : Deux points. Le déclic pour moi (peut-être évident pour d’autres), c’est que l’humain garde toute son importance : utiliser l’IA ne veut pas dire tout lui déléguer, mais bien comprendre ce que je fais mieux que l’IA et inversement, et mixer les deux pour obtenir la meilleure analyse qualitative possible. Deuxième point : un feedback reçu chez Photoroom. On m’a dit qu’en recrutant une responsable research, la plus grande crainte était d’ajouter de la lenteur (« la recherche, c’est lent ! »). Et finalement, « tu es rapide ! » Ce qui explique ma rapidité ? C’est d’avoir adopté l’IA sur les moments clés du process. Sans cela, je serais moins efficace. J’ai donc gagné en valeur pour l’équipe. Un vrai déclic.

Hannah Clark : Génial, ça doit être valorisant ! Un grand merci Cori d’avoir partagé tout ça, j’adore toujours parler recherche, j’en ressors toujours enrichie et aujourd’hui c’était une vraie mine d’informations digérées en 25 minutes. Où peut-on suivre ton travail ?

Cori Widen : Je ne suis pas très présente en ligne, mais je suis toujours ravie d’échanger avec d’autres researcher sur LinkedIn, donc n’hésitez pas.

Hannah Clark : Super, merci encore !

Cori Widen : Merci à toi.

Hannah Clark : Merci d’avoir écouté. Pour plus d’insights, de tutoriels et de tests d’outils, abonnez-vous à notre newsletter sur theproductmanager.com/subscribe. Et pour retrouver plus d’épisodes, abonnez-vous où vous voulez au podcast Product Manager.