Conception UX et IA : le contexte, clé d'un design pertinent

Conception UX et IA : le contexte, clé d'un design pertinent

Conception contextuelle UX : Utiliser les connaissances UX pour informer le design généré par l'IA

À mesure que de plus en plus de travaux d'interface sont générés par l'IA, la production de recherche et de design passe de documents rédigés pour les humains à un contexte soigneusement élaboré qui guide l'IA.

Le contexte est le nouveau livrable UX

Les modèles d'IA produisent des résultats en fonction du contexte. Le contexte englobe tout ce que le modèle peut voir lorsqu'il effectue son travail : votre demande, ainsi que toutes les instructions, normes, exemples et informations de fond qui l'accompagnent.

Le contexte vous permet d'éviter des résultats moyens. Par exemple, un modèle d'IA a été formé sur un grand nombre d'écrans de recherche, donc lorsque vous en demandez un, il produit un écran de recherche moyen. Il sait à quoi ressemble généralement un logiciel, mais il ne connaît pas vos utilisateurs, votre domaine, vos normes de design, ni tout ce que votre équipe a appris grâce à la recherche. À moins que cette connaissance ne soit incluse dans le contexte, le modèle conçoit sans elle.

Le contexte oriente la production d'un modèle dans une direction particulière.

Imaginez un constructeur qualifié concevant votre maison sans jamais rencontrer votre famille. Il conçoit une maison moyenne. Deux étages, car la plupart des maisons en ont deux. Et si vous utilisez un fauteuil roulant, ou si vous avez un bébé qui a besoin de dormir près de vous, ou si vous n'avez pas d'enfants et que vous et votre partenaire travaillez tous les deux à domicile, le design sera inadapté de manière à affecter votre qualité de vie quotidienne. Ce n'est pas la faute du constructeur ; le problème est qu'il n'avait pas de contexte.

De même, la différence entre une production d'IA générique et une production d'IA qui correspond à vos utilisateurs et respecte les normes de votre organisation réside principalement dans le contexte. Alors, que devrions-nous y inclure ?

Tout le monde conçoit

Avant de répondre, il est utile de se pencher sur qui utilise ces outils.

Dans de nombreuses organisations, les designers ne sont plus les seuls à produire des designs. Un chef de produit demande à un outil d'IA un mockup rapide pour concrétiser une idée avant une réunion. Un ingénieur demande à un assistant de codage d'ajouter une fonctionnalité d'exportation, et l'assistant décide de l'emplacement du bouton, du libellé et des états d'erreur. Ce sont toutes des décisions de design prises par l'IA.

L'instinct pourrait être de restreindre qui fait du travail de design, mais cela est contre-productif. Ces outils sont trop accessibles, trop rapides et trop utiles pour transformer des idées en formes concrètes. L'objectif plus pratique est de s'assurer que tout ce que l'IA génère, peu importe qui le demande, est informé par les connaissances de l'organisation sur ses utilisateurs et ses normes de design.

Cet objectif modifie la production de recherche et de travail de design. Historiquement, le travail UX produisait des livrables pour les humains : personas, cartes de parcours, rapports de recherche, wireframes annotés. Un humain les lisait, les interprétait et prenait des décisions. Si l'IA fait davantage de construction, alors l'IA devient le consommateur des livrables de recherche et de design.

Et ce qu'une IA consomme, c'est du contexte.

Ainsi, la production de recherche et de design est, principalement, un contexte que quiconque dans l'organisation peut inclure lors de l'utilisation de l'IA pour générer quoi que ce soit, des diapositives aux prototypes en passant par des logiciels fonctionnels. Nous appelons cette création de livrables la conception contextuelle UX.

La conception contextuelle UX est la pratique de découvrir et de rassembler ce que l'organisation sait et veut dans le contexte qui guide tout ce que ses outils d'IA génèrent : qui sont ses utilisateurs et le monde dans lequel ils vivent, à quoi un produit doit ressembler et comment il doit se comporter.

La conception contextuelle UX implique également de tester l'efficacité de ce contexte avec les modèles que votre équipe utilise et d'affiner le contexte pour améliorer la qualité de la production pour tous.

Livrables prêts pour l'IA

Une première tentative de contexte UX pourrait inclure ce que nous avons déjà : les personas, les cartes de parcours, les rapports de résultats. Certains de ces éléments seront utiles. Mais ces artefacts ont été conçus pour l'attention humaine. Un persona a une photo de stock et un prénom dans le but d'aider un humain à empathiser et à se souvenir. Cependant, un modèle n'a pas besoin d'être convaincu, il a besoin du raisonnement sous-jacent.

Ce raisonnement peut être distillé avec l'aide de l'IA. Il peut être utile, par exemple, de donner simplement des transcriptions de recherche brutes à un modèle et de le laisser extraire des insights. Sans orientation humaine, cependant, il est possible que des éléments importants soient perdus dans tout le bruit, ou que l'IA se concentre trop sur le mauvais élément.

Pour servir de contexte maximalement efficace, la production de recherche et de design doit être rendue « prête pour l'IA » (ou « lisible par machine »), être soigneusement sélectionnée par un humain qualifié et être facilement accessible à quiconque conçoit, peu importe son rôle.

Prenons un exemple concret. En avril 2026, Google Labs a open-sourcé DESIGN.md, un format de fichier pour décrire l'identité visuelle d'un produit aux outils de codage IA. Le format est issu de Stitch, l'outil de design IA de Google, et est maintenant une spécification préliminaire que tout le monde peut utiliser.

Un fichier DESIGN.md vit aux côtés du code d'un produit et contient deux types de contenu. Une partie est des valeurs exactes « lisibles par machine » : les couleurs, tailles de police, espacements et rayons de coins du système de design, écrits de manière à ce que les outils puissent les lire précisément. L'autre partie est un texte simple, lisible par les humains, expliquant à quoi servent ces valeurs et comment les appliquer, y compris des recommandations et des interdictions, fournissant des directives tant pour les humains que pour l'IA. L'annonce de Google indique qu'au lieu de deviner l'intention, les outils d'IA peuvent « savoir exactement à quoi sert une couleur » et peuvent vérifier leurs choix de couleurs par rapport aux normes de contraste d'accessibilité.

Cela sert d'exemple réussi d'un format pour le contexte UX et fournit quelques leçons. C'est un fichier texte, conservé à côté du code, que les outils d'IA lisent chaque fois qu'ils génèrent quelque chose. Contrairement aux livrables traditionnels, il n'y a pas de transfert : le contexte UX alimente directement la création de produits.

Mais l'identité visuelle n'est qu'une partie de l'expérience utilisateur et du design produit. Qu'en est-il de tout le reste de la recherche et du design qui informe la construction d'un produit ?

Une hypothèse : UX.md

Imaginons un autre fichier texte, avec une intention plus large que DESIGN.md. Nous l'appellerons UX.md. Il ferait référence à DESIGN.md pour les normes visuelles et indiquerait où se trouvent les composants réels du produit dans le code. Cependant, il pourrait également inclure des éléments tels que :

• Synthèse de recherche. Les principales conclusions, énoncées comme des insights clairs sur lesquels l'IA peut raisonner. « Les utilisateurs abandonnent la configuration lorsqu'on leur demande des informations qu'ils n'ont pas sous la main » est une conclusion qui devient une contrainte sur ce qui est généré, pas seulement un insight dans un rapport.

• Normes d'interaction. Comment le produit se comporte. Quand confirmer ou permettre l'annulation. Comment les erreurs sont formulées. Si l'interface utilisateur est optimisée pour les utilisateurs experts ou pour les novices.

• Glossaire. Les mots que le produit et ses experts de domaine utilisent, avec des définitions. Si vos utilisateurs disent « cas » et sont confus par « ticket », l'IA doit le savoir.

• Modèles d'utilisateurs. La modélisation des utilisateurs indique ce que la recherche a établi sur les utilisateurs eux-mêmes : leur expertise, leurs préoccupations, ce qu'ils essaient d'accomplir, ce qui ne fonctionne pas pour eux.

• Modèles du monde. La modélisation du monde inclut les conditions dans lesquelles l'utilisateur se trouve lors de l'utilisation du logiciel. (Le terme est emprunté à la recherche en IA, où un modèle du monde est la compréhension d'un système des environnements physiques réels.) Pour les besoins de l'UX, nous modélisons les circonstances du monde dans lequel vivent les utilisateurs (c'est-à-dire « le contexte d'utilisation ») et comment elles peuvent changer : les utilisateurs sont interrompus en cours de tâche (une infirmière dans un hôpital), sont sous pression (déposant une réclamation après un accident de voiture), ou opèrent sous des règles de conformité (chaque action doit laisser une trace d'audit).

DESIGN.md montre comment les normes de design visuel peuvent être mises à la disposition des outils d'IA. UX.md est une version hypothétique plus large de la même idée : une source structurée de recherche UX, de normes d'interaction, de terminologie et de connaissances sur le contexte d'utilisation que les outils d'IA peuvent utiliser lors de la génération de travaux de produit.

Supposons que votre synthèse de recherche indique que les utilisateurs travaillent dans le produit pendant des heures, prenant des décisions complexes avec de nombreuses variables. Cette conclusion devrait orienter la génération vers des écrans plus denses qui gardent plus d'informations à l'écran, le type que les utilisateurs experts préfèrent. Une conclusion selon laquelle le produit est utilisé quelques minutes par mois devrait inciter l'IA à proposer moins de choix par écran. Une IA sans ce contexte se contentera de ce qui est le plus courant dans ses données d'entraînement.

Bien sûr, pour de grands projets, un seul fichier peut ne pas suffire. Au lieu de cela, UX.md pourrait servir d'index à un dossier de fichiers de contexte, chacun utilisé à un but spécifique. Ou vous pourriez plutôt rendre le contexte disponible via des serveurs MCP et des compétences d'agent, ou par une autre méthode.

Puisque le contexte oriente la génération de l'IA, cette approche a un effet secondaire intéressant : les insights de recherche et les normes de design trouvent leur chemin dans des endroits inattendus. Par exemple, les termes du glossaire des utilisateurs peuvent apparaître dans le code en coulisses, plutôt que des termes que les ingénieurs auraient pu choisir par eux-mêmes. La production de recherche et de design devient intégrée partout où l'IA est utilisée.

Curation, pas transfert

En prenant exemple sur ce que nous avons appris de DESIGN.md, nous voyons deux propriétés importantes d'un artefact comme UX.md qui le différencient des artefacts de recherche et de design traditionnels.

Tout d'abord, il n'est pas écrit pour les humains. Les gens peuvent le lire, mais son succès est mesuré par l'amélioration de la production de l'IA, et non par la conviction des parties prenantes. Cela pourrait devenir une norme mesurable, une métrique que vous pouvez suivre dans le temps.

Deuxièmement, il n'est pas séparé du produit. Il vit avec le code du produit, change lorsque le produit change, et est lu par chaque outil d'IA dans l'organisation chaque fois que quelque chose est généré. La recherche et les normes sont présentes chaque fois que quiconque génère quoi que ce soit, que cette personne soit un designer, un chef de produit ou un ingénieur.

Ce n'est pas un artefact qui est laissé de côté avec le temps, ou transféré à d'autres humains, mais une source de vérité continuellement mise à jour. UX.md (ou son équivalent) n'est jamais terminé. De nouvelles recherches le mettent à jour, tout comme l'observation de ce que l'IA se trompe. C'est une recherche continue et un design continu, s'accumulant en un seul endroit pour l'ensemble de l'organisation.