Deux logiques de conception qui ne partent pas du même point
Une interface classique se conçoit à partir d'un parcours arrêté : on cartographie les écrans, on fixe les états, on documente les transitions d'un écran à l'autre. Le designer sait à l'avance ce que l'utilisateur verra à chaque étape, et cette prévisibilité fonde toute la méthode. L'UX augmentée par l'IA inverse la démarche. On définit une intention, des contraintes et des garde-fous, puis le système produit une réponse adaptée au contexte, au profil et à l'historique de la personne. La différence UX classique et UX IA tient dans cet écart : d'un côté un artefact stable que l'on teste et versionne, de l'autre un comportement variable que l'on encadre sans pouvoir le figer.
Cette bascule déplace le travail du pixel vers la règle. Le prototype classique montre un objet fini, qu'on ouvre dans un navigateur et qu'on compare à une référence. Le prototype fondé sur l'IA montre une plage de réponses possibles, ses bornes et ses ratés. On ne cherche plus la version idéale d'un écran mais l'enveloppe acceptable d'un comportement. Les équipes qui gardent cette distinction livrent des produits cohérents, où l'imprévu est anticipé au lieu d'être subi. Celles qui l'ignorent dessinent des maquettes que le modèle ne pourra jamais tenir, ou déploient des assistants sans cadre visuel — et dans les deux cas, l'expérience se dégrade au moment où l'utilisateur en a le plus besoin.
Le rôle du designer face à des interfaces qui s'adaptent
Dans l'UX classique, le designer contrôle la position de chaque élément à l'écran. Face à un système génératif, il ne décide plus du contenu final mais des règles de composition, des gabarits que le modèle peut remplir et des limites qu'il ne franchit pas. Son métier glisse vers la définition de patrons, de contraintes de ton et de formats de sortie. Cela ne le rend pas moins utile : au contraire, c'est lui qui empêche l'interface de devenir incohérente d'une session à l'autre et qui garde un cap visuel identifiable par l'utilisateur.
Cette responsabilité suppose une connaissance du fonctionnement du modèle. Comprendre qu'une réponse est probabiliste, qu'un même prompt peut produire deux textes différents, change la façon de cadrer l'expérience. Le designer apprend à prévoir les cas dégradés : réponse hors sujet, approximation présentée comme un fait, refus poli mais inutile. Il conçoit des rattrapages visibles, propose une alternative manuelle, laisse l'utilisateur corriger la machine et signale quand une réponse doit être prise avec prudence. C'est là que se rejoue la différence entre les deux approches : la robustesse ne vient plus seulement de l'écran, mais des reprises prévues.
Ce que l'IA change dans l'évaluation de l'expérience
On ne teste pas un parcours adaptatif comme on teste un formulaire. Les tests utilisateurs classiques reposent sur des scénarios fixes et des mesures comparables : temps de complétion, taux d'erreur, nombre de clics nécessaires. Avec l'IA, le chemin emprunté varie d'une personne à l'autre, ce qui rend ces métriques fragiles et difficilement comparables d'une session à l'autre. Il faut mesurer la qualité de la réponse en plus du parcours : pertinence, exactitude, ton, capacité du système à reconnaître son incertitude plutôt que d'inventer une certitude de façade. Tester la réponse, c'est déjà évaluer un raisonnement et pas seulement un parcours.
L'évaluation devient continue plutôt que ponctuelle. Un modèle déployé se comporte différemment selon les données qui arrivent et les mises à jour dont il fait l'objet, ce qui oblige à surveiller la satisfaction en production et non plus seulement en phase de test. Les retours d'usage, les reformulations, les abandons en cours d'interaction deviennent des signaux de conception à part entière. Une bonne équipe relie ces signaux à des décisions concrètes — ajuster une consigne, revoir un libellé, ajouter une étape de confirmation — au lieu de se contenter de constater une baisse de satisfaction.
Les compétences à cultiver pour travailler sur les deux terrains
Travailler sur ces deux familles d'interfaces demande un socle commun : recherche utilisateur, hiérarchie de l'information, accessibilité, clarté du langage. Sur ce socle, l'UX augmentée par l'IA ajoute une culture des données et des modèles. Savoir ce qu'est un jeu d'entraînement, une métrique de qualité ou un seuil de confiance aide à dialoguer avec les équipes techniques sans prétendre se substituer à elles. Cette culture évite deux écueils symétriques : idéaliser l'IA comme une boîte magique ou la rejeter par principe faute de la comprendre. Ce socle ne se périme pas quand les modèles changent de version.
La compétence la plus rare reste la traduction. Il s'agit de transformer une intention métier en consignes claires pour un système, puis d'expliquer à l'utilisateur ce que la machine a compris et sur quoi elle s'appuie. Ni purement graphique ni purement technique, ce savoir-faire se travaille en situation, sur des projets réels, avec des allers-retours entre conception et observation. C'est précisément ce que visent les parcours qui mêlent exercices de cadrage, itérations sur consigne et analyse de comportements d'agents plutôt que théorie abstraite. C'est ce savoir-faire hybride que les organisations recherchent aujourd'hui.
Aller plus loin
Pour approfondir la conception d'interactions où l'IA reste au service de la personne, la formation dédiée à l'interaction humain-machine chez Cabinet Mara alterne cadrage, prototypage et étude de cas réels. Vous trouverez l'ensemble des parcours et leurs programmes détaillés sur le catalogue des 31 formations.
Vous voulez maîtriser ce sujet en pratique ?
Cabinet MARA forme en ligne, sur des cas réels, avec des modules courts et un suivi de progression.
Voir la formation liée Les 31 formations