Cet article constitue la quatrième partie et dernière partie de notre analyse. Il est temps à la fin de ce long dossier de souligner les enjeux de l’intégration de l’IA dans nos environnements numériques quotidiens et de réfléchir à une méthodologie design pour que celle-ci soit utilisée pour enrichir l’expérience utilisateur.
En bref
Le design de l’IA dans les environnements numériques doit viser la transparence et une intégration fluide pour enrichir l’expérience utilisateur, tout en valorisant les éditeurs de contenu.
Transparence de l’IA :
- Informations à fournir : rapidité de la réponse, quantité de données consultées, énergie consommée, rétention d’informations.
- Mise en avant des éditeurs et accès rapide à leurs informations.
Intégration de l’IA :
- Diversification des revenus et positions dominantes des plateformes IA.
- Transformation des interfaces en chats et exploration de méthodes complémentaires.
Méthodologie de design :
- Définition du « pourquoi » de l’IA et proposition de valeur.
- Prototypage centré sur les besoins des utilisateurs et collecte de données pour une expérience fluide.
La question de la transparence
L’IA est accusée d’aspirer la valeur des contenus des éditeurs. Lorsqu’il s’agit d’articles marketing ou générés par l’IA, c’est peu choquant mais lorsque c’est les revenus d’un travail bien fait, les moteurs de recherche boostés à l’IA sont problématiques.
Un partage de la valeur qui passe par une meilleure valorisation des éditeurs dans les résultats serait déjà une réponse à cet enjeu.
De la même manière qu’on veut traduire des valeurs nutritionnelles en information plus concrètes dans l’esprit des consommateurs, nous devrions pouvoir traduire les informations techniques des IA par rapport à des enjeux éthiques et sociétaux. L’information sur l’IA dans les recherches utilisée est généralement disponible, mais elle n’est pas toujours mise en avant. Voici quelques idées d’information que les moteurs pourraient ajouter :
- la rapidité de la réponse (exprimée dans une unité compréhensible par tous),
- la quantité de données qui a été consultée (en pages à la manière des moteurs de recherche traditionnels),
- l’énergie consommée (exprimée en CO² pour Ecosia),
- la rétention d’information pratiquée (quelles données ? combien de temps ?).
D’autre part, bien que les sources soient présentées, la provenance des données reste souvent floue, à l’exception de Bing et Google qui mettent mieux en avant les éditeurs. L’anatomie idéale de la présentation des sources devrait plus inciter les utilisateurs à exercer leur esprit critique et à les reconnaître comme une source de valeurs :
- en mettant en avant l’éditeur de la source,
- en donnant rapidement accès aux informations sur l’éditeur (histoire que l’utilisateur évalue sa crédibilité et de son autorité),
- en mettant en avant la part de contribution de la source à la réponse.
La question de l’intégration
Le marketing des plateformes IA dans le marché des technologies a été très puissant depuis le lancement de ChatGPT et ces dernières cherchent à diversifier leurs revenus et obtenir des positions dominantes sur des usages secondaires et diversifier leurs « revenue stream » pour combler leurs pertes1.
De la même manière que les moteurs de recherche se sont embarqués dans les navigateurs, on voit apparaître la même tentative des IA avec notamment une barre d’IA chez Firefox.
Cette intégration morcelle l’interface et transforme les navigateurs en système aussi complexe que des OS. L’intégration des moteurs de recherche boostée à l’IA semble avoir encore de beaux jours devant elle et sur ce territoire au moins ils pourraient résister.
Du design pour l’IA ?
La tendance actuelle semble être la transformation en chat des interfaces, privilégiant les interactions en langage naturel. Cette approche mérite d’être nuancée. Dans l’imagination collective, l’IA est vue comme un substitut aux interfaces et aux flux de travail. L’IA peut complètement s’interfacer dans des système visuels, de type interface UI, et traditionnels auxquels elle rajoute une plus grande capacité « rationalisante », calculatoire ou générative. Il existe de nombreux modes d’intégration complémentaire pour bénéficier de l’utilisation de l’IA2.
Dans l’intégration de l’IA à nos systèmes, Il est intéressant de chercher des manières plus spécifiques et contextuelles pour rendre l’interaction homme-machine fluide.
- le “why” de l’IA (question du sens, bénéfice utilisateur, bénéfice “business”),
- la proposition de valeur des données qui nourrissent l’IA pour les utilisateurs,
- la proposition de valeur de l’IA,
- le prototypage : trouver le point de rencontre entre les besoins et les usages des utilisateurs (expectation, answer, integration),
- la collecte de données pour améliorer l’expérience « utilisateur ».
Sources
