ChatGPT : Réinventer le design au-delà de l'intégration IA

L'émergence de ChatGPT et la nouvelle ère du design

L'arrivée de ChatGPT a marqué un tournant décisif dans notre manière d'interagir avec les technologies numériques. Pour beaucoup, cela a été une révélation, une prise de conscience que nous entrions dans une nouvelle ère où les machines ne se contentaient plus de suivre des instructions précises. Au lieu de cela, elles pouvaient comprendre nos intentions et agir en conséquence. Ce changement de paradigme a été brillamment décrit par Jakob Nielsen dans son article sur l'IA comme le premier nouveau paradigme d'interface utilisateur en soixante ans. Pendant des décennies, nous avons dicté aux ordinateurs ce qu'ils devaient faire, commande par commande. Aujourd'hui, l'IA nous permet de simplement exprimer nos souhaits, et elle se charge de déterminer comment les réaliser. Ce n'est pas simplement une nouvelle fonctionnalité, mais une transformation fondamentale de la nature même des ordinateurs.

L'essor des assistants IA dans les produits

Suite à l'introduction de ChatGPT, les entreprises se sont précipitées pour intégrer des assistants IA dans leurs produits. Que ce soit dans les outils d'entreprise, les logiciels créatifs ou les plateformes cloud, les chatbots et copilotes sont devenus omniprésents. Trois ans plus tard, ces assistants ont prouvé leur utilité en permettant aux utilisateurs de poser des questions plutôt que de naviguer à travers des interfaces complexes, d'obtenir des réponses instantanées et de déléguer des tâches répétitives. Cela a apporté une valeur ajoutée indéniable.

Cependant, un problème persiste : dans la plupart des cas, si l'on retire l'assistant IA, le produit reste fonctionnel. Cela montre que l'IA est souvent simplement superposée, sans être véritablement intégrée au cœur du produit. Adrian Levy a souligné ce point avec son concept de test de l'intelligence intégrée, que la majorité des produits actuels ne réussissent pas.

Les limites de l'IA greffée

L'analogie de l'Incredible Hulk ouvrant un pot de cornichons illustre bien la situation actuelle : bien que l'IA apporte une puissance réelle, elle n'est pas exploitée à son plein potentiel. Pour comprendre ce qui manque, il est essentiel de se pencher sur la manière dont les utilisateurs apprennent à utiliser les produits. Chaque produit impose un seuil d'apprentissage, c'est-à-dire le minimum de connaissances nécessaires pour commencer à l'utiliser.

Prenons l'exemple d'une porte : à un moment donné, nous avons tous appris qu'il fallait tourner la poignée pour l'ouvrir. Dans le domaine numérique, ce seuil se divise en deux couches : la couche conceptuelle, qui concerne les idées fondamentales du produit, et la couche d'interaction, qui concerne la manière dont ces idées sont représentées dans l'interface. Ces deux couches doivent être franchies pour utiliser le produit.

Les défis des logiciels d'entreprise

Pour les logiciels grand public, le seuil conceptuel est souvent mince, car les idées sont généralement familières aux utilisateurs. Cependant, les logiciels d'entreprise présentent un défi différent. Les concepteurs de ces produits ont souvent créé des concepts complexes pour structurer les fonctionnalités et les rendre tangibles. Avant l'ère de l'IA, cela était nécessaire, même si cela introduisait un seuil d'apprentissage élevé. Une fois ce seuil franchi, ces concepts aidaient réellement les utilisateurs à naviguer dans le produit.

Prenons AWS comme exemple. Pour stocker des données dans le cloud, il est impératif de comprendre des concepts tels que les comptes, les services et les ressources. Ces concepts n'existent pas dans le monde réel, mais ont été inventés pour organiser les offres d'AWS. Ils représentent un péage que les utilisateurs doivent payer pour accéder au produit.

L'impact limité de l'IA actuelle

Ajouter un assistant IA à AWS sans modifier le produit sous-jacent peut améliorer l'expérience utilisateur. Par exemple, l'assistant peut expliquer les concepts ou exécuter des tâches sur commande. Cependant, cela ne libère pas les utilisateurs de la nécessité d'apprendre le langage spécifique d'AWS. Le poids conceptuel reste donc à leur charge.

Cela illustre la limite de l'IA greffée : elle améliore l'efficacité dans le cadre conceptuel existant, mais ne le transforme pas.

Vers une expérience véritablement native à l'IA

Imaginons un utilisateur souhaitant stocker des données pour une application. Dans un produit véritablement natif à l'IA, l'utilisateur pourrait simplement exprimer son besoin en langage naturel, et l'IA agirait comme un traducteur entre cette intention et les concepts techniques du produit. L'IA poserait des questions pour clarifier l'intention, mapperait l'objectif aux concepts appropriés, et configurerait le système en conséquence. L'utilisateur n'aurait jamais besoin de comprendre des concepts tels que les services ou les ressources.

Réduire le fardeau conceptuel

Bien sûr, cela n'élimine pas entièrement le seuil d'apprentissage. L'utilisateur doit toujours comprendre les concepts de base, comme le stockage cloud et son utilité. Cependant, l'IA peut réduire la couche conceptuelle supplémentaire qui existe uniquement en raison de la manière dont le produit a été conçu. Des concepts comme les comptes et les services n'ont de sens que dans le contexte du produit et peuvent être gérés par l'IA.

L'IA au-delà de la configuration initiale

L'IA peut continuer à porter ce fardeau conceptuel tout au long du cycle de vie du produit. Une fois que le stockage est configuré, l'utilisateur devra le gérer. Dans un produit conventionnel, cela signifie apprendre un nouveau vocabulaire. Par exemple, un message d'erreur pourrait indiquer : "Votre bucket S3 a dépassé son quota de stockage. Vérifiez votre politique IAM pour mettre à jour les autorisations d'accès." L'utilisateur est alors confronté au langage technique d'AWS.

Dans un produit natif à l'IA, le message serait simplifié : "Votre stockage est presque plein. Voici comment l'augmenter." L'IA continue de traduire les concepts techniques en langage accessible.

La confiance, un pilier essentiel

Il est crucial de préciser que l'objectif n'est pas de remplacer les interfaces traditionnelles par des chats IA. Les interfaces classiques offrent un contrôle granulaire indispensable pour certains utilisateurs. L'idée est plutôt de ne plus faire des abstractions internes du produit un obstacle pour l'utilisateur.

La confiance devient alors un élément central. Lorsque les utilisateurs ne sont plus obligés de comprendre les concepts sous-jacents, ils perdent également la capacité de les auditer. La confiance doit donc être construite et maintenue à travers des structures solides, des garde-fous, des cadres d'évaluation rigoureux et des boucles de rétroaction pour détecter les erreurs. L'IA doit communiquer ses actions en termes de résultats concrets et réversibles.

L'avenir de l'IA dans les produits

Aujourd'hui, la plupart des IA intégrées dans les produits se concentrent sur la couche d'interaction, améliorant la vitesse et l'efficacité. Cependant, la véritable opportunité réside dans la réinvention des concepts que les utilisateurs doivent comprendre pour utiliser un produit. Cela implique de revoir chaque concept et de déterminer s'il est réellement nécessaire pour l'utilisateur ou s'il s'agit d'une abstraction interne que l'IA pourrait gérer.

L'IA doit s'étendre au-delà de la simple interaction pour atteindre la couche conceptuelle. C'est là qu'elle peut véritablement réduire le seuil d'apprentissage et transformer l'expérience utilisateur.