Comprendre le bon usage de l’intelligence artificielle dans les produits numériques
Depuis l’essor fulgurant des modèles génératifs, l’intelligence artificielle s’impose comme une priorité stratégique pour de nombreuses entreprises. Chaque produit, chaque service cherche aujourd’hui à y ajouter « sa couche d’IA » pour rester compétitif, innovant ou simplement à la page.
Mais cette course à l’intégration soulève une question critique : l’IA sert-elle réellement l’utilisateur ?
Un chatbot qui répond à côté, une fonction d’assistance qui brouille l’interface ou encore des suggestions IA mal ciblées, peuvent, au contraire, réduire la confiance et complexifier l’expérience. Une technologie censée simplifier finit par ralentir l’usage.
Chez Stanwell-WedR, nous pensons qu’une intégration réussie ne dépend pas de la performance du modèle, mais de la valeur qu’elle apporte réellement à l’utilisateur et de la fiabilité perçue dans le parcours.
C’est ce principe qui a guidé la création notre Design Sprint Agentique, une adaptation du Design Sprint de Google Venture visant à accélérer l’adoption et sécuriser le déploiement des agents IA.
Cette approche méthodologique repose sur la maîtrise de cinq enjeux clés :
- Valoriser et définir le rôle de l’agent : arbitrer les cas d’usage et préciser la logique décisionnelle de l’agent IA
- Atteindre un premier prototype fonctionnel : concentrer le cadrage sur une tâche critique pour produire un POC testable rapidement
- Aligner les acteurs métiers, data et tech : garantir la cohérence entre utilisé, faisabilité et intégration SI
- Cadrer la logique et l’architecture de l’agent : définir son flow d’actions, ses sources de données (RAG, APIs) et ses exigences techniques
- Tester l’agent avec de vrais scénarios : valider sa fiabilité et sa capacité à interagir sans erreur critique
En deux à quatre jours d’ateliers collaboratifs, cette méthode permet de passer de l’idée à un prototype fonctionnel et à une feuille de route IA priorisée, tout en maintenant la confiance utilisateur au cœur du processus.
Autrement dit, le Design Sprint Agentique traduit le design de la confiance en un cadre concret d’expérimentation et d’alignement entre métier, data et technologie.
Partir de la valeur utilisateur, pas de la technologie
Lorsqu’on envisage d’intégrer de l’IA générative dans un produit existant, la première erreur fréquente consiste à focaliser sur la technologie elle-même plutôt que sur le besoin: « Où pourrait-on ajouter de l’IA ? » ou « Comment montrer qu’on utilise une technologie avancée ? ».
Une approche centrée sur l’utilisateur inverse cette logique. On ne s’interroge pas sur les emplacements possibles de l’IA dans l’interface mais bien sur l’identification des moments du parcours où elle peut réellement résoudre une friction, simplifier une tâche ou renforcer la confiance.
C’est précisément le point de départ du Design Sprint Agentique : la phase d’idéation et d’ambition projet. Avant de concevoir ou de prototyper un agent IA, nous aidons les équipes à :
- Cartographier les processus existants pour comprendre les irritants métiers ou utilisateurs
- Identifier les opportunités d’IA via les points de douleur : perte de temps, erreurs récurrentes, zones de complexité ou d’incertitude
- Prioriser les problèmes à résoudre, afin de concentrer l’innovation sur les cas d’usage à plus forte valeur
Autrement dit : partir de la valeur, pas de la technologie.
Cartographier les points de friction émotionnelle
Dans tout parcours utilisateur se cachent des instants critiques, souvent invisibles dans les données quantitatives. Ce sont les frictions émotionnelles : des micro-moments où l’utilisateur doute, ralentit ou perd confiance.
Le Design Sprint Agentique permet de faire émerger ces moments sensibles dès la première journée, à travers des outils collaboratifs comme la cartographie d’expérience ou la Value Proposition Canvas.
Voici quelques exemples typiques où l’IA peut apporter de la valeur sans complexifier l’expérience :
- Rassurer l’utilisateur sur un choix, grâce à des recommandations contextuelles issues d’une compréhension fine du parcours ou du profil.
Dans un sprint, ces besoins sont identifiés via les irritants métiers et traduits en logique d’agents « assistants » (copilotes, conseillers, experts …).
- Clarifier une information complexe avec des résumés automatiques, des explications simplifiées ou des reformulations
Lors du cadrage, on évalue la faisabilité technique (sources de données, APIs, RAG) pour garantir une restitution claire et fiable.
- Réduire l’incertitude en proposant des prédictions explicables, des visualisations guidées
Ces cas d’usage sont souvent priorisés en sprint grâce à la matrice de valeur/faisabilité, avant d’être testés sur prototype.
L’intelligence artificielle devient ici un levier d’accompagnement, intégré de façon discrète et utile, là où l’humain ressent un manque de soutien ou de clarté.
Ce qui fait la force d’une bonne expérience IA, c’est la perception qu’en a l’utilisateur. Une IA imposée, qui produit des résultats sans explication, peut provoquer du rejet ou de la méfiance. A l’inverse, une IA bien placée, dont l’utilité est perçue clairement par l’utilisateur, peut améliorer non seulement l’efficacité, mais aussi la satisfaction et la fidélité.
Le rôle du sprint est justement d’objectiver cette légitimité avant tout développement. Car la confiance naît de la clarté du rôle et de la valeur perçue, deux éléments au cœur du Design Sprint Agentique.
Définir un rôle précis pour l’IA dans l’expérience
L’intelligence artificielle ne doit pas être considérée comme un produit à part entière, mais comme un composant du parcours utilisateur, au même titre qu’un message d’erreur, une animation ou une aide contextuelle. Si elle est intrusive, incohérente ou instable, elle mettra en péril la clarté du parcours et la confiance que l’utilisateur accorde à l’interface. D’où l’importance de cadrer précisément sa place et sa logique d’action.
C’est l’objet de la deuxième phase du Design Sprint Agentique, centrée sur la conception des cas d’usage prioritaires et du workflow d’agents. A ce stade, les équipes définissent :
- La logique de l’agent (le flow d’actions attendu)
- Ses points d’intervention précis dans l’expérience
- Ses données d’entrée et de sortie (RAG, APIs)
- Ses marges de manœuvre, autrement dit jusqu’où il agit et à quel moment l’humain reprend la main
Cadrer l’intervention de l’IA dans l’expérience
Avant d’intégrer une fonctionnalité d’IA générative, il faut définir clairement les éléments suivants :
- Où intervient-elle exactement ?
L’IA ne doit apparaître que dans des moments identifiés comme légitimes, utiles et compréhensibles. L’utilisateur doit toujours pouvoir anticiper ce type d’intervention.
- Quelle est la marge d’erreur acceptable ?
L’imprécision est inhérente à certains modèles. Il faut fixer un seuil tolérable d’erreurs et choisir une posture adaptée : proposer au lieu d’affirmer, suggérer plutôt que valider.
- Que se passe-t-il quand elle se trompe ?
Il est indispensable de prévoir une gestion claire des erreurs de l’IA : possibilité de revenir en arrière, de corriger, de demander une nouvelle suggestion ou d’avoir une alternative humaine.
Le Design Sprint Agentique permet de formaliser ces paramètres dans la fiche descriptive de l’Agent (AI Agent Canvas), où chaque scénario d’usage est défini, testé et validé collectivement avant tout développement.
Par exemple, dans GitHub Copilot, l’IA se positionne comme un assistant : elle suggère sans jamais imposer. L’utilisateur conserve toujours le dernier mot. C’est exactement ce que vise le cadrage agentique : définir une posture d’aide, non de substitution.
Prévoir une alternative humaine claire
Dans toute expérience assistée par l’IA, il doit exister un moyen explicite et immédiat de reprendre le contrôle. Il peut s’agir de :
- Permettre à l’utilisateur de corriger ou ajuster la sortie
- Proposer un retour manuel au parcours classique
- Offrir un contact humain si nécessaire
Lors du sprint, ces scénarios sont prototypés et testés pour vérifier qu’ils sont perçus comme naturels et accessibles.
Zendesk, par exemple, a implémenté l’IA dans ses solutions de support client. Cette IA rédige des réponses automatiques, mais l’agent peut modifier ou réécrire la suggestion. Le tout est présenté comme une base de travail, pas comme une finalité.
Informer sans perturber
La transparence joue également un rôle clé, l’IA ne doit pas opérer dans un angle mort de l’interface. La transparence est essentielle, mais doit rester non intrusive. L’idée est de signaler sa présence avec justesse, sans casser le flow de navigation :
- Afficher une mention discrète : « Suggestion générée automatiquement »
- Proposer un choix : « Souhaitez-vous éditer cette réponse ? »
Ces bonnes pratiques peuvent être vérifiées pendant le sprint, lors des tests utilisateurs sur prototype. Elles garantissent que la présence de l’IA et comprise sans rompre le flow de navigation.
Garder la cohérence du parcours et du ton
Une IA mal intégrée peut créer une dissonance dans l’expérience globale. Par exemple :
- Une interface sobre qui devient soudain verbeuse ou bavarde
- Un workflow clair qui bifurque sans explication vers une phase automatisée confuse
- Un ton humain remplacé par des blocs générés trop « robotisées »
L’utilisateur ne doit jamais avoir l’impression de « changer d’univers » lors d’une interaction avec l’IA. Le Design Sprint Agentique permet d’éviter ces ruptures en cadrant la cohérence de ton, de rythme et de style dans la fiche agent et le prototype.
Notion AI, par exemple, illustre bien la cohérence de ton et de rythme. Ses suggestions s’inscrivent dans le style minimaliste et doux de Notion : même mise en page, même ton calme et précis. L’utilisateur ne ressent pas une rupture mais une continuité : l’assistant agit dans la même logique d’aide à la rédaction que le produit de base.
Concevoir avec l’IA, c’est concevoir avec les limites de l’IA. Définir où elle s’arrête, ce qu’elle explique et comment elle se comporte, c’est garantir que la technologie renforce la confiance que l’utilisateur place dans le produit.
Tester et mesurer la confiance utilisateur
Même avec une IA bien conçue et bien intégrée dans l’expérience, rien n’est garanti si l’on ne mesure pas comment elle est réellement perçue. Trop souvent, les équipes produit se concentrent uniquement sur des métriques techniques ou d’usage (taux de clics, temps de réponse, vitesse de chargement), au risque de passer à côté d’un facteur essentiel : la confiance.
Une IA peut être rapide, fonctionnelle, précise… mais si l’utilisateur n’a pas confiance dans ses résultats, l’adoption sera faible, voire négative.
C’est pourquoi dans la troisième étape du Design Sprint Agentique, prototypage et qualification des gains, on place la validation par la perception utilisateur au centre du processus.
Pendant cette phase, les prototypes d’agents IA sont testés sur des scénarios réels d’usages, afin d’évaluer non seulement la faisabilité et la performance, mais aussi la compréhension, la fiabilité perçue et l’adhésion. Ces tests permettent de qualifier à la fois :
- Les gains fonctionnels (rapidité, efficacité, réduction d’effort)
- Les gains de confiance (clarté, contrôle, utilité perçue)
Mesurer la perception de confiance
Au-delà des métriques techniques, il est essentiel d’intégrer des indicateurs qualitatifs dans les tests de prototype:
- La confiance perçue, ce critère mesure la compréhension: l’utilisateur comprend-il pourquoi l’IA propose cette réponse ?
- La transparence perçue, ce critère évalue la lisibilité du processus : l’utilisateur sait-il comment cette réponse a été générée ?
- Le niveau d’utilité à ses yeux, ce critère interroge la pertinence : cette suggestion l’aide-t-elle vraiment à accomplir sa tâche ?
Ces critères sont souvent intégrés directement dans les sessions de test du Design Sprint Agentique, grâce à des verbatims utilisateurs, des votes de confiance ou des scoring rapides lors de la phase de restitution.
Indicateurs clés à suivre
Voici quelques métriques spécifiques à la perception de confiance qu’il est recommandé de suivre :
- Taux d’acceptation ou d’utilisation effective des suggestions générées par l’IA : la proportion d’utilisateurs qui appliquent une recommandation plutôt que de la rejeter, cela permet d’avoir un aperçu de la confiance opérationnelle.
- Taux de désactivation volontaire : combien d’utilisateurs coupent l’IA si on leur laisse le choix ? Cela révèle un irritant, une perception de perte de contrôle ou d’inefficacité.
- Feedback qualitatif (commentaires, verbatims, retours en entretien) : permet de recueillir des commentaires nuancés sur la pertinence, la clarté, la sensation de contrôle ou d’opacité.
Ces données permettent d’objectiver la fiabilité perçue et d’aliment la feuille de route issue du sprint : ajustements de prompts, de wording, de moments d’intervention ou d’interface.
Mettre en place des boucles de feedback simples
Le Design Sprint Agentique ne s’arrête pas au prototype. La phase aval du sprint vise justement à convertir les apprentissages en projet, en définissant une feuille de route IA priorisée et des boucles de feedbacks régulières pour ajuster les agents au fil du temps.
Quelques exemples simples de boucles de feedback intégrables dans un produit :
- Une micro-question liée à une interaction : « Cette réponse vous a-t-elle été utile ? »
- Une icône pour signaler une erreur ou un doute
- Une échelle rapide pour noter la clarté ou la pertinence d’une suggestion
- Un lien discret pour laisser un commentaire
Car la confiance n’est jamais acquise, elle évolue avec le produit, le modèle et les attentes, il est nécessaire d’itérer en continu sur :
- Le design des suggestions IA (forme, visibilité, ton)
- Le wording (formulation des prompts, réponses, disclaimers)
- Les points de sortie (comment sortir facilement d’un scénario IA)
Un bon produit IA est un produit vivant : mesurer, ajuster, tester à nouveau. Cette boucle continue permet d’entretenir la confiance comme un actif produit à part entière.
Pour conclure
Une intégration réussie de l’IA générative ne se résume pas à la performance du modèle. Elle repose avant tout sur la relation de confiance durable que le produit construit avec l’utilisateur. Autrement dit : la technologie ne vaut rien si elle fragilise l’expérience.
Chez Stanwell-WedR, nous avons fait de cette conviction un cadre d’action. Avec le Design Sprint Agentique, inspiré de la méthode Google Venture, nous aidons les organisations à concevoir, cadrer et tester des agents IA de manière structurée et collaborative.
En deux à quatre jours, cette approche permet de :
- Définir le rôle précis de l’IA dans le parcours et les processus
- Prototyper rapidement un agent fonctionnel testable avec les utilisateurs
- Mesurer la compréhension, la transparence et la confiance perçue
- Transformer ces apprentissages en feuille de route IA priorisée et actionnable.
L’objectif n’est pas d’intégrer l’IA à tout prix, mais de le faire avec intention. En cadrant précisément son rôle, en restant transparent sur ses limites, en testant continuellement la perception utilisateur, on fait de l’IA un moteur de valeur.
Pour aller plus loin sur la façon d’ancrer durablement l’IA générative dans les pratiques métiers, je vous invite à lire cet article publié sur notre blog.
(IA Générative : Ancrage Durable et Approche Stanwell en Entreprise)
