Comment analyser les données d’entretiens utilisateurs : Guide complet
N’est-il pas agaçant de devoir passer des heures à faire défiler vos enregistrements d’entretien pour extraire une seule citation qui apportera une vraie valeur à votre décision produit ? Je déteste ça ! C’est une perte de temps précieuse que vous auriez pu consacrer à créer des produits formidables.
Bien souvent, ce sont précisément ces situations fastidieuses qui nous poussent à constater qu’il est essentiel d’organiser nos données d’entretien. Pour cela, il faut mettre en place un processus permettant de transformer en continu ces enseignements en fonctionnalités et en solutions concrètes.
Si cela vous parle mais que vous ne savez pas par où commencer pour structurer votre montagne de recherches utilisateurs, pas d’inquiétude. Je suis là pour vous guider !
Vous voulez plus de The CPO Club ?
Inscrivez-vous gratuitement pour terminer la lecture de cet article :
Have an account? Log In
La puissance des entretiens qualitatifs
À mon avis, les entretiens utilisateurs (et l’analyse qualitative en général) sont le travail le plus précieux que réalisent les chefs de produit.
Vous ne pouvez pas concevoir des produits exceptionnels sans réellement connaître vos utilisateurs et comprendre leurs attentes. Grâce aux entretiens, vous plongez dans le quotidien de ces personnes et vous vivez, par procuration, les difficultés et les irritants qu’elles rencontrent lors de leurs tâches quotidiennes.
Ces enseignements constituent la base de connaissances idéale pour formuler des solutions réellement utiles pour eux et susceptibles d’améliorer leur quotidien. Il est donc primordial pour les chefs de produit d’optimiser leurs processus d’entretien utilisateur et de s’assurer de tirer pleinement profit du temps (limité) passé avec leurs utilisateurs.
Comment organiser les données d’entretien
Dès que votre équipe dépasse les 20 entretiens utilisateurs, cela devient rapidement chaotique. Pour retrouver une citation ou un enseignement précis, il faut parfois partir à la recherche de la personne qui a mené l’entretien et lui demander. Inévitablement, elle ne se souviendra pas de tous les détails.
À la fin, vous vous retrouvez avec un ensemble d’informations non reliées à des hypothèses concrètes. Un tel désordre rend presque impossible l’extraction de vrais enseignements de la recherche.
D’où l’importance d’organiser minutieusement vos entretiens utilisateurs.
Les bases de l’organisation
Avant d’aborder des processus plus avancés, passons en revue les méthodes simples qui permettent de garder vos entretiens bien organisés.
Règles de nommage des entretiens
Si vous réalisez des entretiens en continu, vous finirez vite avec des centaines d’enregistrements stockés dans votre espace cloud (ou dans votre outil d’idéation). Imaginez comme il serait pénible de devoir fouiller ces fichiers si leurs noms ressemblent à ceci (« Bravo » à Zoom pour leur logique de nommage aberrante) :
Impossible de retrouver un entretien précis ici.
Pensez donc à adopter un standard de nommage qui rende vos fiches entretien facilement trouvables. Par exemple :
Désormais, vos entretiens sont structurés, nommés de façon à être facilement retrouvables avec des sujets et des dates. Vous pouvez également ajouter le nom du chef de produit ayant mené l’entretien. Mais, si vous utilisez un outil spécialisé pour les entretiens, le nom et la date étant déjà des champs recherchables, vous pouvez alors les ôter du nom de fichier.
Outils de planification
Planifier une date et une heure d’entretien peut également prendre beaucoup de temps. Vous vous retrouvez à échanger des dizaines de mails avec vos interlocuteurs afin de caler le bon créneau horaire et le bon jour. Sans parler des tracas supplémentaires en cas d’absence et de nécessité de reprogrammer l’entretien.
Avec un outil de planification, au contraire, vous pouvez simplement proposer des créneaux disponibles et laisser les interviewés choisir le créneau qui leur convient le mieux.
Vous pouvez utiliser n’importe quel outil de planification pour cela, notamment Calendly, Google Workspace ou Hubspot.
Agendas partagés
Cette astuce s’avère particulièrement utile lorsque plusieurs personnes mènent des entretiens dans votre équipe. Grâce à un agenda partagé, si vous ne pouvez pas assister à une session, vous pouvez « passer » l’entretien prévu à un(e) collègue.
En outre, vous pouvez ouvrir ce calendrier à l’ensemble de l’entreprise et encourager des collègues d’autres départements à venir écouter les retours utilisateurs sur votre produit. Cette méthode est idéale pour développer la « culture utilisateur » dans toute l’entreprise et casser les silos entre services.
Transcription et synthèse
Les équipes produit enregistrent traditionnellement leurs entretiens en audio et en vidéo. Nous utilisons ensuite ces enregistrements pour analyser les enseignements et trouver des citations spécifiques que nous souhaitons mettre en avant dans nos conclusions.
Il existe également une utilité en matière d’archivage. Parfois, vous souhaitez revenir sur vos anciens entretiens et examiner les réponses des utilisateurs sous un angle différent.
Le problème avec les enregistrements audio/vidéo, toutefois, c’est qu’ils sont lents à consulter et difficiles à parcourir.
C’est pourquoi je vous recommande d’utiliser un outil de transcription et de synthèse (vous pouvez aussi utiliser l’IA dans la recherche utilisateur pour cela).
Les transcriptions sont des textes consultables et recherchables. Si vous souhaitez retrouver une partie spécifique d’un entretien, il vous suffit d’appuyer sur Command-F et de la rechercher. En plus de la recherche dans un entretien précis, de nombreux outils vous permettent également d’effectuer des requêtes à travers tous les entretiens que vous avez menés.
Les synthèses représentent l’étape suivante de l’évolution. Vous pouvez demander au modèle LLM d’IA (généralement intégré à l’outil de transcription) de générer un résumé des points les plus importants pour vous.
De cette façon, vous économiserez également un temps considérable lors de l’analyse de vos transcriptions. Avec le bon contexte, les LLM modernes (notamment GPT-4) sont plutôt performants pour analyser l’entretien à votre place.
Pour les outils, j’utilise actuellement Krisp car je dirige son produit de Transcription et de Synthèse. Mais je recommande aussi d’essayer Dovetail, Otter.ai, Fireflies.ai et bien d’autres. Vous pouvez également envisager des logiciels d’analyse de données qualitatives plus scientifiques et approfondis comme Atlas.ti, Nvivo, Maxqda, et autres.
Regrouper le contenu des transcriptions d’entretien par hypothèses
De nombreux outils de gestion d’entretiens vous permettent de surligner certaines parties de la transcription et de les taguer. Cette fonctionnalité fantastique vous permet d’organiser vos entretiens clients (ainsi que vos études de cas, mémos, et autres projets de recherche) selon :
- Le thème général (ex. : découverte de la monétisation, fonctionnalités d’activation, etc.)
- Les caractéristiques des personas (ex. : zone géographique, profession, etc.)
- Le type d’utilisateur selon l’engagement (ex. : utilisateurs inactifs, utilisateurs intensifs, etc.)
Mais, probablement l’application la plus précieuse de cette fonctionnalité est de mettre en avant les réponses d’utilisateurs et de les taguer selon l’hypothèse qu’elles permettent de valider.
Habituellement, vous transférez toutes vos hypothèses actives dans votre outil d’entretien sous forme d’étiquettes (tags) et commencez à taguer les parties appropriées de vos interviews. Lorsque vous cliquez sur l’une de ces étiquettes, vous voyez une compilation de toutes les citations pertinentes provenant de l'ensemble de vos entretiens.
Voici à quoi cela ressemble sur Dovetail :
Comme vous pouvez le constater, c’est très pratique : d’un seul coup d’œil, vous retrouvez tout ce qui concerne cette hypothèse sur un même écran et vous pouvez prendre une décision rapidement.
Maintenant que nous savons comment organiser vos données issues des entretiens utilisateurs, voyons comment vous pouvez les analyser.
Comment interpréter les entretiens utilisateurs
J’évite généralement de parler de théorie, mais il s’agit d’un des rares cas où apprendre la démarche scientifique et théorique a de la valeur (et reste applicable à des situations réelles). Parcourons donc ensemble les trois méthodes classiques d’analyse de données qualitatives. Pensez à la manière dont vous pourriez utiliser l’IA dans l’analyse de données en complément de ces méthodes.
Analyse narrative
Ce type d’analyse est le plus libre et qualitatif de tous. Il s’appuie uniquement sur les histoires de vos utilisateurs et cherche à faire ressortir des informations pertinentes selon la façon dont ils ressentent et perçoivent votre produit.
À la différence d’autres analyses, ce sont les émotions de vos utilisateurs et la manière dont ils perçoivent votre produit dans leur quotidien qui importent.
Prenons Slack comme exemple.
Imaginez que vous faisiez partie des premiers chefs de produit de Slack et que vous vouliez révolutionner la façon dont les gens communiquent au travail. Vous savez que la plupart utilisent l’email en tant que canal principal, et vous souhaitez leur proposer quelque chose qui ressemble davantage aux plateformes de réseaux sociaux (c.-à-d. des posts avec des commentaires).
En réalisant une analyse narrative, vous pourriez demander aux personnes de décrire comment se déroule leur communication quotidienne par email, écouter leurs plaintes, et obtenir une vision d’ensemble de leur ressenti sur ce sujet.
Vous poseriez ensuite les mêmes questions de recherche à propos de leur expérience avec les formats de posts sur les réseaux sociaux, observeriez leur réaction émotionnelle, et comprendriez le parcours utilisateur typique de création et de commentaire de posts.
En utilisant toutes ces informations (et en appliquant le raisonnement déductif), vous pouvez alors créer votre persona utilisateur avec ses objectifs et ses défis. De plus, vous serez également capable de visualiser les différents parcours et habitudes des utilisateurs que vous devez prendre en compte lors de la conception de votre produit.
Analyse Thématique
Contrairement à l’analyse narrative, celle-ci est un peu plus « quantitative » et vous permet d’apporter un peu de structure à vos découvertes. L’analyse thématique consiste à lire les transcriptions de vos entretiens et à identifier les différents thèmes qui se répètent sur plusieurs entretiens.
Revenons à l’exemple de Slack...
En analysant les réponses de vos interviewés, vous pourriez rapidement constater que beaucoup d’entre eux se plaignent de l’inconvénient lié à la gestion des « autorisations de visualisation » (qui peut voir votre message et qui ne le peut pas) dans une chaîne de mails classique.
Parfait, vous avez maintenant identifié un thème commun (et une proposition de valeur potentielle pour votre fonctionnalité « autorisations de canal ») !
Vous pouvez également identifier une autre plainte partagée : la difficulté de relire les anciens messages dans une chaîne d'e-mails. Voilà ! Encore un thème récurrent et une autre opportunité de briller avec votre prochaine fonctionnalité.
La fonctionnalité de marquage que j’ai mentionnée tout à l’heure est un excellent outil pour mener une analyse thématique. Chaque fois que vous voyez quelque chose d’intéressant dans la transcription de l’entretien, vous pouvez le surligner et y ajouter une étiquette « thème ». Ensuite, vous pouvez ouvrir la page de l’étiquette « thème » et voir toutes les citations qui s’y rapportent.
Analyse de Contenu
L’analyse de contenu des entretiens est la méthodologie de recherche la plus structurée et quantitative parmi ces trois-là. Dans ce cas, votre objectif est de rendre vos enseignements mesurables.
Par exemple...
Si vous avez déjà identifié un thème (par exemple, la difficulté de gérer les autorisations dans une chaîne d'e-mails) dans vos entretiens, vous pourriez essayer de calculer le pourcentage de personnes qui pensent que c’est très contraignant et le comparer avec le pourcentage de celles que cela ne dérange pas vraiment.
En quantifiant vos données, vous serez en mesure de comprendre l’importance de vos résultats. Si seulement 20 % des personnes interrogées pensent que les autorisations de visualisation dans les chaînes d'e-mails sont un problème, alors la proposition de valeur de votre fonctionnalité de gestion des autorisations de canaux serait faible.
C’est bien sûr très pratique. Mais, d’après mon expérience, l’application la plus précieuse de l’analyse de contenu reste la validation (ou l’invalidation) de vos hypothèses.
Avec l’analyse de contenu, vous utilisez la même technique que pour l’analyse thématique. Mais, dans ce cas, vous mesurez le pourcentage de réponses qui valident votre hypothèse. Imaginez que vous construisez une application de transcription (comme Dovetail) avec l’hypothèse suivante :
Je pense que réduire le temps de traitement d’une transcription de 10 minutes à 10 secondes augmentera considérablement le taux de consultation des transcriptions
Maintenant, imaginez que vous analysez les réponses de vos entretiens et découvrez que 80 % des personnes disent qu’elles enchaînent les entretiens et lisent généralement les transcriptions à la fin de la journée de travail.
Cela signifie que votre hypothèse est invalidée et qu’il ne faut pas gaspiller du temps et des ressources à optimiser votre moteur de traitement.
Méthode Bonus d’Analyse : La Grounded Theory
La méthode scientifique traditionnelle (largement utilisée dans la gestion de produit) commence par la formulation d’hypothèses, puis leur validation à l’aide de preuves empiriques.
Mais le problème est que vous ne pouvez pas toujours formuler ces hypothèses. Parfois, surtout lorsque vous êtes au tout début de votre réflexion sur votre startup, vous ne connaissez rien à votre marché ou à vos utilisateurs. Il n’y a donc aucun moyen d’écrire des hypothèses pertinentes.
C’est là que la grounded theory peut vous aider.
Au lieu de créer des hypothèses puis de les valider avec des données, le processus de recherche ici vous conduit à analyser d’abord les données, puis à créer des hypothèses basées sur les insights que vous avez collectés.
Pour une jeune startup, cela signifie commencer à interroger les utilisateurs sans aucune hypothèse et à comprendre leurs besoins et parcours. Ce n’est que lorsque vous avez une première compréhension de ce qu’ils recherchent que vous pouvez commencer à formuler vos hypothèses.
Que Faire Après Vos Recherches Qualitatives
Vos entretiens utilisateurs ne servent à rien (et vos décisions seront pleines de biais de recherche) si vous n’arrivez pas à en tirer quelque chose d’actionnable. Dans cette section, passons en revue les étapes de base pour tirer parti de vos apprentissages et voyons comment les appliquer concrètement. Vous pouvez également utiliser l’intelligence artificielle dans la recherche UX en complément de ces étapes.
Étape 1 : Valider ou invalider vos hypothèses
À moins d’utiliser la grounded theory, chaque entretien utilisateur doit avoir pour objectif la validation d’une ou plusieurs hypothèses. Voici comment valider vos hypothèses :
- Utilisez les fonctionnalités de balisage et d’annotation de votre outil d’entretien pour rassembler tous les insights nécessaires liés à cette hypothèse sur un seul écran.
- Invitez votre équipe produit (y compris les designers UX et les parties prenantes) et évaluez ces résultats.
- Décidez si vous considérez cette hypothèse comme validée ou non.
Parfois, l’ensemble de données dont vous disposez peut ne pas suffire à apporter une réponse concluante à votre question. Dans ce cas, il vous suffit de réaliser davantage d’entretiens jusqu’à ce que vous collectiez suffisamment de données.
Étape 2 : Agir sur les hypothèses invalidées
Si les résultats de vos entretiens invalident une hypothèse (ce qui arrive plus souvent que de la valider), vous pouvez alors agir de deux façons possibles :
- Révisez votre hypothèse : Peut-être qu’une partie de l’hypothèse était valide, et que vous avez simplement besoin de formuler une nouvelle hypothèse modifiée sur la base de l’ancienne.
Par exemple, disons que vous avez supposé que les utilisateurs préfèreraient gérer les droits d’accès pour chaque message individuellement dans Slack. Les données issues des entretiens montrent que les utilisateurs veulent bien des permissions, mais qu’elles ne doivent pas être à la granularité du message. Dans ce cas, vous modifiez votre hypothèse ainsi :
Nous pensons que les utilisateurs préféreront gérer les autorisations au niveau du canal
- Considérez-la comme invalidée et écartez-la : Si vous ne voyez aucune révision possible de votre hypothèse, vous pouvez simplement l’abandonner et commencer à en formuler de nouvelles.
Étape 3 : Transformer les hypothèses validées en solutions produit
Si vous validez finalement votre hypothèse, vous pouvez alors commencer à travailler sur une solution produit en conséquence.
Je sais que c’est évident, mais la plupart d’entre nous finissent par procrastiner et finissent par oublier ces opportunités. Ainsi, pour ne pas perdre cette valeur, je vous suggère de mettre en place des ateliers réguliers d’idéation produit et de vous appuyer sur des cadres de conception pour développer et itérer vos solutions.
Les principaux acteurs de cette réunion sont vos designers produit (ou les ingénieurs si la solution implique un travail de développement important). Vous pouvez généralement démarrer ces ateliers en présentant des diapositives ou un tableau collaboratif qui contient les insights que vous avez collectés en lien avec cette hypothèse.
(Les outils d’entretien disposent de cette fonctionnalité, donc ne perdez pas votre temps avec PowerPoint et utilisez-les à la place.)
Puis, vous commencez à imaginer différentes fonctionnalités et idées de conception qui répondent au besoin exprimé dans l’hypothèse. Enfin, vous pouvez utiliser n’importe quel outil de priorisation pour identifier les fonctionnalités les plus précieuses de la liste et les marquer « prêtes pour le backlog ».
Étape 4 : Ajoutez les solutions produit à votre roadmap
Cette étape est évidente. Dès que votre équipe UX dispose des maquettes et que vous avez finalisé les exigences de la solution, ajoutez-la au backlog et priorisez-la.
L’analyse qualitative des données est votre superpouvoir produit !
Les chefs de produit sont la voix de leurs utilisateurs dans chaque entreprise. Grâce à notre connaissance des besoins et des douleurs de nos utilisateurs, l’avis des PM a un poids considérable, et les gens ont tendance à être d’accord avec nous. (Ou du moins, ils le devraient !)
Les PM peuvent parvenir à cela avec des processus rigoureux de collecte et d’analyse de données quantitatives. Mais les entretiens utilisateurs présentent un grand avantage. Lors des réunions avec votre équipe de direction, votre point de vue devient irréfutable au moment où vous citez vos utilisateurs.
Alors, assurez-vous que toutes vos données issues d’entretiens soient bien organisées et très bien analysées !
N’oubliez pas de vous abonner à notre newsletter pour plus de ressources et de guides sur la gestion produit, ainsi que les derniers podcasts, interviews et autres insights des leaders et experts du secteur.
