🎙Retrouvez cet interview dans notre Podcast UX AIR disponible sur Spotify
Présentation des experts :
Matthieu Kieffer : Responsable Intelligence Artificielle chez Testapic depuis 2018. Il a réalisé une thèse en astrophysique soutenue en 2015 sur l'analyse de données de télescopes pour la recherche de preuves de l’existence de la Matière Noire dans l’Univers avec l'apprentissage de la programmation et du Machine Learning.
Il a eu une première expérience professionnelle post-thèse dans le monde de l’ingénierie logicielle de calcul scientifique et a suivi une formation complémentaire en IA et sur les outils de Machine Learning utilisés dans le monde de la tech. Arrivé chez Testapic en Avril 2018, il pose les premières briques d’intelligence dans notre plateforme de tests utilisateurs à distance.
"Passionné des nouvelles technologies et de vulgarisation scientifique, j’aime avoir une vue d’ensemble sur beaucoup de sujets et je suis constamment en quête de nouvelles connaissances théoriques et pratiques, qu’elles soient liées ou non à mon métier. Dans le cadre de Testapic je suis tout autant intéressé par les algorithmes IA en eux-même que par les sujets d’infrastructure sous-jacentes ou encore d’outils de visualisation de données."
Adrien Chuttarsing : Data Scientist chez Testapic depuis fin 2020 , il a obtenu un diplôme d’ingénieur informatique et un Master spécialisé en apprentissage machine. Riche de plusieurs expériences dont l'analyse de données dans une entreprise new-yorkaise de trading algorithmique, le développement de modèles prédictifs afin d’optimiser la supply chain dans l’industrie du luxe. Arrivé chez Testapic en Octobre 2020, il consolide les modèles existants et de travaille sur des nouveaux comme celui de l’analyse sémantique des retours utilisateurs.
"Je suis intéressé par le vaste champ des possibles qu’ouvre l'apprentissage machine dans tous les domaines. En plus de mon bagage scientifique, j’ai une forte appétence pour l’Art et le Design et je mets un point d’honneur à transformer des expérimentations de machine learning en interface interactives afin d’inspirer de nouveaux usages."
Quels projets ont été menés ?
L'objectif initial en arrivant chez Testapic était de créer un pôle de R&D en IA ayant comme objectif d’explorer la donnée issue de nos tests utilisateurs, d’en extraire de la valeur pour mener à l’intégration de fonctionnalités automatisées d’aide à la création de tests utilisateurs et à l’analyse des résultats des tests sur les étapes les plus chronophages pour faire gagner du temps à nos experts et expertes UX en interne ainsi qu’à nos clients SAAS qui utilisent notre plateforme. Voici les fonctionnalités qui ont vu le jour :
- L'implémentation de valences automatiques associées à chaque réponse ouverte dans nos tests questionnaires. Il s’agit du sentiment global associé au morceau de texte et qui peut être positif, négatif, neutre ou mixte. Il est également possible de trier les réponses par rapport à ces valences pour afficher par exemple tous les retours négatifs ou positifs d’abord.
- L'ajout de transcriptions automatiques pour les tests vidéo : il s’agit de la retranscription textuelle des propos du testeur ou de la testeuse générée à partir des informations audio enregistrées pendant le test où on demande de verbaliser le parcours à voix haute à travers son microphone. Il est désormais possible d’afficher la transcription textuelle à tout moment pendant la phase d’analyse des résultats et de sélectionner les extraits les plus pertinents directement via le texte et non plus uniquement via la timeline audio.
- Le développement d’un algorithme de sélection automatique des extraits vidéo les plus pertinents : Les transcriptions générées à l’étape précédents passent ensuite dans des algorithmes de traitement du langage (NLP) qui sélectionnent les morceaux les plus pertinents en terme de retours sur l’expérience utilisateur et leur attribue également une valence. Cet algorithme a été testé et validé en interne et sera très prochainement intégré à notre plateforme avec comme objectif une réduction du temps d’analyse des vidéos d’environ 50%.
Quels sont les futurs projets ?
Le principal sujet en cours est la synthèse automatiquement l’information provenant de toutes nos testeuses et de touts nos testeurs au sein d’une même étude UX en utilisant toujours des algorithmes de traitement du langage (NLP) mais cette fois-ci appliqués à la fois aux réponses ouvertes dans les questionnaires ainsi qu’aux transcriptions textuelles des extraits vidéo obtenus dans les précédentes étapes de traitement de la donnée. Nous avons déjà réalisé un premier prototype et les résultats semble être prometteurs pour la suite.
Nous cherchons aussi à intégrer une partie IA à notre algorithme de ciblage des testeurs et testeuses pour maximiser à la fois la qualité des réponses données (ex: privilégier les testeurs et testeuses ayant les raisonnements les plus constructifs) et la représentativité de notre panel (exemple : veiller à ne pas trop solliciter non plus ces mêmes personnes pour conserver un panel à la fois réactif et réellement représentatif des utilisateurs et utilisatrices de interfaces de nos clients et clientes)
Nous aimerions aussi mener d'autres projets, tels que :
- L'analyse automatique de nos vidéos d’essai qui permettent aujourd’hui de vérifier la capacité des testeurs et testeuses à réaliser des tests vidéo sur notre plateforme, chose qui est effectuée manuellement aujourd’hui.
- L'analyse automatique des émotions sur les visages des testeurs et testeuses pendant leur navigation sur les interfaces. Aujourd’hui nous ne filmons pas encore les visages, seulement le contenu de l’écran
... et bien d’autres choses passionnantes, par exemple l’assistance automatisée à la création des tests dans la plateforme qui n’a pas encore été explorée!
Selon vous, quel est l'avenir de l'IA dans le monde de la recherche utilisateur ?
Adrien : "Dans quelques années j’imagine que certains modèles seront en mesure d’apprendre le concept de ce qu’est une bonne expérience utilisateur en analysant des interfaces et en les croisant avec leurs retours testeurs associés. Si on pousse le concept encore plus loin, sachant qu’aujourd’hui certains algorithmes permettent de générer du code, on pourrait imaginer un service qui suggérerait instantanément des ajustements dans le code d’un site internet. Tout comme aujourd'hui la correction automatique de notre téléphone corrige les caractères des mots afin d’atteindre la bonne orthographe, ces services ajusteraient le code de l’interface afin d’atteindre une bonne UX."
Matthieu : "J’imagine que d’ici quelques années les clients SAAS qui ne disposeraient pas d’équipes UX dédiées pourraient quand même lancer des tests utilisateurs et recevoir directement en sortie une synthèse complète des points clés et des recommandations d’amélioration de leurs interfaces pour atteindre leurs objectifs définis en amont, et tout cela sans l’intervention d’une expertise humaine dans le processus. Pour celles et ceux qui souhaiteront aller plus loin sur le traitement de la donnée ou qui auront besoin d’un degré de finesse plus avancé dans leurs analyses, elles ou ils pourront bénéficier des fonctionnalités IA plus spécifiques à chacune des étapes de l’analyse comme le découpage des vidéos qui est très chronophage ou encore les valences automatiques des réponses pour leur simplifier la tâche et leur permettre de conserver un compromis entre synthèse globale des informations et expertise UX poussée."
Des enjeux Ă surveiller ?
Concernant les enjeux à surveiller, il y aura toujours la confidentialité ainsi que la protection des données personnelles, surtout si les méthodes de captations des retours utilisateurs se diversifient. On pourrait imaginer un scénario dystopique où les outils d’analyse du cerveau se démocratisent, et les dérives que cela pourrait provoquer si cette pratique n’était pas encadrée. Toutes ces informations sensibles couplées à des l’algorithmes toujours plus précis dans leurs prédictions nécessite que nous prenions ces enjeux au sérieux dès maintenant.
Il y a également le problème de l’uniformisation. Comment laisser place à la nouveauté si toute valeur aberrante est corrigée par la machine ? Afin de ne jamais tourner en rond, les machines, comme les être humains, ne devraient jamais cesser d’apprendre et devraient garder une certaine capacité d’adaptation.
Quelles fausses croyances aimeriez-vous "débunker" ?
Il est courant de penser que les IA vont petit à petit prendre le dessus dans tous les domaines d’expertise humaine, néanmoins nous sommes en réalité encore loin d’une IA généraliste capable de surpasser l’humain dans toutes les tâches de la vie courante ou professionnelle, ne serais-ce par exemple que dans les domaines du langage et des émotions qui restent des thématiques pour lesquelles le cerveau humain reste extraordinairement plus complexe que nos modèles de deep learning les plus évolués. Pour le court et moyen terme je suis intimement convaincu par le potentiel d’une cohabitation de plus en plus forte entre humains et IA, d’humain “augmenté” non pas nécessairement au sens “bionique” du terme mais plutôt d’enrichissement de nos vies comme nous le faisons déjà en déléguant aux IA les tâches à plus faible ratio valeur ajoutée / effort (ex: orientation sur une carte, planification de trajets et d’événements, apprentissage de multiples langues) et maximiser ainsi le temps dédié aux projets personnels et professionnels qui nous importent le plus.
L’IA et les technologies du numérique dans leur ensemble sont également une opportunité incroyable pour le développement d’une société plus libre, inclusive et en meilleure santé (accès à l’information, réduction de la barrière de la langue, prédiction d’incidents climatiques, prévention des maladies, etc.) et il est, selon nous, vital d’investir abondamment à la fois dans ces technologies mais aussi dans la recherche scientifique pour limiter leur impact aujourd’hui trop conséquent sur l’environnement.
_______________________________________________________________________
Retrouvez cet Ă©change dans notre podcast UX AIR
Nous vous présentons le premier épisode de notre podcast qui donne la parole à des experts afin d’apporter un regard critique sur un sujet lié à l’UX Research, de partager son expérience singulière mais aussi de vous donner de l’inspiration pour faire évoluer vos pratiques.
Vous pouvez nous retrouver sur votre smartphone ou votre ordinateur sur Spotify, il vous suffit de taper «UX Air» dans la barre de recherche ou directement sur le lien suivant : Écouter le podcast
🔔 Abonnez-vous pour être sûr de ne rien rater, de nouveaux épisodes sont à venir.
Soutenez-nous en partageant cet épisode à votre réseau.
Bonne Ă©coute !