Concepteur et utilisateur, peut-on être les deux à la fois ?
Adopter une conception centrée utilisateur est reconnu comme un facteur clé de succès dans le développement de produits et de services.
Au sein d’équipes de conception et parmi les parties prenantes, il n’est pas rare que certaines personnes qui utilisent ce produit (ou service), considèrent que leur propre expérience suffit à garantir une démarche centrée utilisateur. Est-ce vraiment suffisant ?
Notre propre utilisation d’un produit (ou service) suffit-elle à garantir une approche centrée utilisateur ?
C’est ce que nous allons explorer dans cet article à travers une série de questions :
- En tant que membre actif de l’équipe de conception et utilisateur du produit, êtes-vous réellement un utilisateur comme les autres ?
- Quels biais peuvent influencer votre raisonnement et votre jugement ?
- Quels sont les impacts de ces biais sur la conception d'un produit ?
- Comment concevoir un produit centré utilisateur sans biais ?
Note : par soucis de lisibilité, nous utiliserons le terme produit dans les paragraphes suivants. Toutefois, les principes exposés s'appliquent également à la conception d’un service.
1. En tant que membre actif de l’équipe de conception et utilisateur du produit, êtes-vous réellement un utilisateur comme les autres ?
Vous êtes product owner, tech lead, ingénieur data, expert métier, sponsor ou autre, et vous échangez plus ou moins régulièrement avec une équipe de conception. Votre rôle vous confère ainsi une connaissance avertie sur le produit : son fonctionnement attendu, la terminologie utilisée, les priorisations convenues, les développements planifiés, les indicateurs suivis, les contraintes techniques, politiques ou de ressources, etc.
En plus d’être actif dans la conception, imaginons que vous soyez amenés à utiliser ce produit pour vos propres besoins. Vous vous êtes alors forgé une opinion sur son utilisation et il vous arrive parfois de partager vos retours aux autres membres de l’équipe.
Vos retours doivent-ils être considérés au même titre que ceux des autres utilisateurs ? Êtes-vous un utilisateur comme un autre ? La réponse est non. Certes vous utilisez ce produit mais vous n'êtes pas un utilisateur représentatif de l’audience réelle.
Pourquoi ? Vos connaissances approfondies du produit et de son contexte biaisent inévitablement votre raisonnement et votre jugement. En d’autres termes, vous disposez d’informations en plus, que les autres utilisateurs n'ont pas et vous ne reflétez plus les caractéristiques principales de l'audience réelle du produit.
Dans l’univers juridique, on vous dirait qu’il n’est pas possible d’être juge et partie à la fois.
Cela n’a rien de négatif, votre expertise reste un atout ! Elle doit être mise à profit pour faire avancer les discussions avec l'équipe de conception et prendre des décisions avisées. Comprendre que vos retours ne sont pas nécessairement représentatifs — et que ce n’est pas un problème en soi —, vous permettra de prendre du recul sur vos usages et de confronter vos idées auprès d’un échantillon d’utilisateurs représentatifs. C’est ce qui garantira une approche réellement centrée utilisateur, tout en limitant les biais liés à une vision interne du produit.
Mais alors, quels sont précisément ces biais qui peuvent influencer nos décisions sans même qu’on ne s’en rende compte ?
2. Quels biais peuvent impacter votre raisonnement et votre jugement ?
A. Définition des biais cognitifs
En 1974, les psychologues Daniel Kahneman et Amos Tversky publient un article fondateur dans lequel ils explorent comment les individus prennent des décisions en situation d'incertitude. Les auteurs mettent en avant que les individus ne s’appuient pas toujours sur un raisonnement strictement rationnel ou objectif, mais utilisent des raccourcis cognitifs — appelés heuristiques — pour juger rapidement une situation et agir.
Bien que ces heuristiques soient souvent utiles, elles peuvent conduire à des erreurs systématiques de jugement. Lorsque ces erreurs se répètent de manière prévisible chez un grand nombre d’individus, elles prennent le nom de biais cognitifs (Tversky & Kahneman, 1974, Habib et al., 2018).
B. Quelques biais cognitifs
Nous exposons ci-dessous six biais. Toutefois, il est important de savoir qu’il en existe beaucoup d’autres pouvant impacter votre raisonnement et votre jugement. Nous présenterons par la suite des leviers qui vous permettront de les contourner.
| BIAIS 01. HEURISTIQUE DE REPRÉSENTATIVITÉ |
|---|
| Qu’est-ce que c’est ? Tendance à juger qu'une personne ou un événement appartient à une catégorie donnée en se basant sur des stéréotypes ou des similarités perçues, plutôt qu'à des probabilités présentées dans un problème (Habib et al., 2018). |
| Type de biais Biais de raisonnement |
| Exemple d’expérience notable pour ce biais Pour illustrer cette heuristique, Tversky & Kahneman (1974) demandent à des participants de deviner la profession d’un homme prénommé Steve à partir de la description donné par un ancien voisin : “Steve est très timide et réservé, toujours serviable, mais avec peu d’intérêt pour les gens ou pour la réalité du monde. C’est une personne douce et organisée, qui a besoin d’ordre et de structure, et qui est passionnée par les détails.” Les deux psychologues s'interrogent sur le raisonnement des participants pour choisir un métier parmi une liste de possibilités : par exemple fermier, représentant commercial, pilote d’avion, bibliothécaire ou médecin. À votre avis, quel est le métier de Steve ? Les recherches ont montré que la plupart des participants estimaient que Steve serait un bibliothécaire parce que la description s'approchait du stéréotype que l’on se fait de ce métier. Or si les participants s’étaient interrogés sur la probabilités de chacun des métiers dans la réalité, ils auraient réalisé qu’il y a plus de fermiers que de bibliothécaires. Ainsi, ils auraient pu penser que Steve aurait plus de chance d’être fermier que d’être bibliothécaire par exemple. D’autres exemples montrent que, même en présence de données chiffrées explicites, les participants peuvent être soumis à l’heuristique de représentativité. |
| Conséquence possible sur le produit Vous pouvez considérer que votre propre expérience avec le produit est partagée par l'ensemble des utilisateurs, quand bien même des données montreraient le contraire. En effet, votre expérience n'est pas forcément une représentation de l'expérience de l'ensemble des utilisateurs. Vous pouvez aussi penser que vos observations faites sur un petit échantillon d'utilisateurs, ou sur certaines situations, s'appliquent à l'ensemble des utilisateurs alors que ce n'est pas forcément le cas. |
| BIAIS 02. BIAIS DE CONFIRMATION |
|---|
| Qu’est-ce que c’est ? Tendance à accorder plus de poids aux informations qui confirment nos croyances, plutôt qu’à celles qui les contredisent (Habib et al., 2018). |
| Type de biais Biais de raisonnement |
| Exemple d’expérience notable pour ce biais Wason (1960) mène une expérience devenue célèbre, appelée la tâche 2-4-6. Il présente à ses participants une suite de trois nombres : 2 - 4 - 6, et leurs explique que cette série suit une règle très simple. Leur mission : proposer d'autres triplets pour deviner la règle qui définit cette série. La plupart suggèrent des suites comme 8 - 10 - 12, partant de l'idée que la règle concerne des nombres pairs qui augmentent de deux en deux. Le problème ? En ne testant que des suites qui valident leur hypothèse, les participants ne peuvent pas savoir si elle est juste. Pour cela, ils devraient aussi chercher à la mettre à l’épreuve en proposant des suites qui ne correspondent pas à leur intuition, comme 1 - 2 - 5. C’est justement ce type de proposition qui permet de progresser : lorsque Wason répond que 1 - 2 - 5 suit aussi la règle, cela infirme l’hypothèse initiale et pousse à réviser leurs idées. Je vous laisse réfléchir encore un peu et je vous donne la solution ... La règle était simplement : "trois nombres croissants". Une règle beaucoup plus large que ce qu’imaginaient les participants. |
| Conséquence possible sur le produit Vous pouvez sans vous rendre compte, privilégier les retours ou les données qui confirment vos croyances sur le produit, tout en écartant ceux qui remettent en question votre point de vue. |
| BIAIS 03. LA MALÉDICTION DE LA CONNAISSANCE (the “curse of knowledge") |
|---|
| Qu’est-ce que c’est ? "Difficulté d’ignorer les connaissances que nous avons d’un environnement afin d’anticiper avec précision comment quelqu’un, qui ne connaît rien de cet environnement, va le percevoir et le comprendre." (Hodent, 2020) |
| Type de biais Biais de jugement |
| Exemple concret pour ce biais Vous marchez dans votre quartier que vous connaissez très bien et une personne vous demande des indications pour trouver son chemin. Avec une grande facilité, vous lui indiquez de prendre la première à droite, de traverser la rue en restant sur le trottoir de gauche, de continuer tout droit et prendre la deuxième à gauche. Ces indications, qui vont vous sembles claires car vous connaissez votre quartier, risquent au contraires d’être très floues pour une personne qui le découvre. Il sera difficile pour vous de faire abstraction de vos connaissances pour anticiper la perception et la compréhension de cette personne et donc, lui donner les indications qu’il lui faut pour qu’elle ne se perde pas (Hodent, 2020). |
| Conséquence possible sur le produit Il va être très difficile d’anticiper comment un utilisateur qui n’a pas vos connaissances, va percevoir et comprendre votre produit. Par exemple, vous pourriez supposer que certaines fonctionnalités sont plus intuitives qu'elles ne le sont réellement. Vous pourriez également penser à tort qu'il n'est pas nécessaire de mener des études sur l'utilité ou l'utilisabilité de fonctionnalités. |
| BIAIS 04. EFFET IKEA |
|---|
| Qu’est-ce que c’est ? Tendance pour les consommateurs à accorder une plus grande valeur aux produits qu'ils ont partiellement conçus ou assemblés (Norton et al., 2011). |
| Type de biais Biais de jugement |
| Exemple d’expérience notable pour ce biais Norton et al. (2011) invitent des participants à assembler des meubles IKEA, plier des origamis et monter des ensembles de Legos. Leur recherche montre que les participants - aussi amateurs soient-ils dans la tâche -, considèrent leurs créations comme ayant une valeur similaire à des créations d’experts. De plus, ils s’attendent à ce que les autres partagent ce même point de vue. Leur recherche soumet aussi l’idée que les participants accordent encore plus de valeur quand leurs créations finalisées sont réussies. Au contraire, l’effet IKEA disparaîtrait si les participants échouent à les finaliser ou détruisent leurs créations. Les chercheurs indiquent également que l’effet IKEA s'applique aussi bien à des personnes adeptes des projets “faits maison” (“do-it-yourself”) qu’à des personnes indifférentes à cet aspect. |
| Conséquence possible sur le produit En raison de votre investissement dans la conception du produit, vous pouvez accorder une valeur excessive à des fonctionnalités conçues et penser que les autres - e.g., les utilisateurs - accordent la même valeur que vous à ces fonctionnalités. Votre investissement personnel peut rendre difficile la prise de recul et la remise en question de certains éléments. |
| BIAIS 05. BIAIS D’ANCRAGE |
|---|
| Qu’est-ce que c’est ? "Tendance à nous fier à une information antérieure (l’ancre) afin d’émettre un jugement sur une nouvelle information en les comparant l’une et l’autre” (Hodent, 2020 basé sur Tversky & Kahneman, 1974) |
| Type de biais Biais de jugement |
| Exemple d’expérience notable pour ce biais Tversky & Kahneman (1974) sont partis du constat que la plupart des gens font des estimations à partir d’une valeur initiale (que cette valeur soit donnée ou calculée grossièrement). Au cours d’une expérimentation, ils ont demandé à des participants d’estimer différents pourcentage comme le pourcentage de pays africains membres des Nations Unies. Avant de donner leur réponse, les participants assistaient à un tirage au sort d’un nombre entre 0 et 100 effectué par les chercheurs. Suite à ce tirage au sort, les participants devaient d’abord indiquer si leur estimation du pourcentage de pays africains était plus grande ou plus petite que le nombre tiré entre 0 et 100. Ensuite, ils donnaient le pourcentage de pays africains présents aux Nations Unies auquel il pensait en revoyant à la hausse ou à la baisse cette valeur à partir du nombre tiré au hasard. Un premier groupe avait reçu le chiffre aléatoire 10 et avait indiqué une estimation de pays africains autour de 25% (médiane). Un deuxième groupe avait reçu le chiffre aléatoire 65 et avait indiqué une estimation de pays africains autour de 45% (médiane). Ces résultats indiquent que les estimations étaient fortement influencées par le chiffre aléatoire (l’ancre). Les expériences de Kahneman et Tversky démontrent donc qu’une information initiale, même arbitraire, peut influencer un jugement. |
| Conséquence possible sur le produit Les premières informations que vous avez sur une fonctionnalité ou un problème survenu peuvent devenir votre point de référence (ou point d'ancrage). Vous pouvez alors fonder votre jugement sur ces premières informations en les comparants, et non plus sur des données objectivement collectées. Par exemple, vous pourriez sous-évaluer le retour des utilisateurs car les tests fonctionnels précédents avaient été réussis avec facilité. Vous pourriez également ne pas réaliser que des retours utilisateurs ont évolué dans le temps. |
| BIAIS 06. EFFET DE FAUX CONSENSUS |
|---|
| Qu’est-ce que c’est ? Tendance à surestimer le degré d'accord entre nos opinions, croyances, préférences, valeurs habituelles et celui des autres. C'est aussi la tendance égocentrique à estimer le comportement d'autrui à partir de son propre comportement (Ross et al., 1977). |
| Type de biais Biais d'égocentrisme |
| Exemple d’expérience notable pour ce biais Ross et al. (1977) mènent une série d’expériences pour étudier les biais dans la perception sociale. Ils proposent notamment à des étudiants d’une même université de porter un panneau publicitaire à travers leur campus pour promouvoir un restaurant. Après avoir fait leur choix (accepter ou refuser de porter le panneau), il leurs est demandé d’évaluer des traits de personnalités sur : (i) leur propre personne, (ii) une personne typique de leur âge et de leur genre qui accepterait de porter la pancarte et enfin, (iii) sur une personne typique qui refuserait de le porter. Les résultats révèlent deux constats clés : - Les participants surestiment le nombre de personnes qui aurait fait un choix similaire (accepter ou refuser de porter la pancarte) : ils ont tendance à croire que leur choix est nettement plus répandu qu’il ne l’est réellement - Les participants jugent plus sévèrement ceux qui agissent différemment : ils dévalorisent le groupe opposé |
Conséquence possible sur le produit Vous pouvez être amené à penser que vos propres opinions, préférences ou habitudes avec le produit - ou celles d'une minorité d'individus -, soient soutenues par l'ensemble des utilisateurs. C’est le fameux “je connais mes utilisateurs” qu’on peut parfois entendre en réunion avec l’équipe de conception et/ou les parties prenantes. Vous pourriez prioriser des fonctionnalités selon vos préférences par exemple. Ou même porter un mauvais regard sur des collègues qui pensent différemment ou proposent une méthode différente de la vôtre. |
3. Quels sont les impacts de ces biais sur la conception d'un produit ?
Considérer des retours d’utilisateurs non représentatifs de l’audience réelle, a un impact négatif sur le produit.
Cela peut entraîner :
- Une connaissance erronée des utilisateurs et de leurs besoins
- Un raisonnement et un jugement reposant sur une perception subjective et des données collectées biaisées
- Une prise de décision inefficace ou peu pertinente
- Un coût supplémentaire liés à des correctifs
- Une impacte potentiellement négatif sur la collaboration au sein de l’équipe de conception et des parties prenantes
- Un produit qui échoue à être utile, utilisable et utilisé
Dans ce cas, sur quels leviers se reposer pour contourner ces biais et ces impacts ?
Levier 1 : reconnaître et comprendre les biais
La première étape consiste à prendre conscience de l’existence de biais, les comprendre et les reconnaître pour limiter leur influence sur votre raisonnement et votre jugement. Toutefois, les connaître ne signifie pas pour autant ‘savoir les éviter’. Les biais étant par nature implicite, on ne réalise pas qu’on réfléchit et agit sous leurs effets. Une prise de recul et des rappels continus sur ces biais vous permettront sans doute de mieux les reconnaître.
Levier 2 : adopter une posture neutre
Étant donné que vous ne pouvez pas être un utilisateur représentatif, il est essentiel de se rappeler humblement que, comme tout le monde, vous pouvez être trompé par des biais. Il est donc capital d'adopter une posture neutre ; ce qui s’applique sans exception à tous les membres de l’équipe de conception et des parties prenantes.
Levier 3 : considérer une opinion comme une hypothèse
Certes, nous venons de parler de posture neutre, mais cela n’effacera pas les opinions que vous êtes forgées sur le produit - ce n’est pas le but de toute façon. Le troisième levier consiste donc à considérer chacune des opinions des membres de l’équipe, des parties prenantes et la vôtre naturellement, comme une hypothèse à faire valider ou infirmer auprès de votre échantillon d’utilisateurs, les plus représentatifs possible de l’audience réelle.
Une fois cette vérification faite (e.g., à travers des entretiens utilisateurs, des analyses de trafic sur votre application, etc.), vous et votre équipe pouvez vous baser sur des faits et alors prendre des décisions éclairées.
Levier 4 : participer aux instances d’équipe de manière ciblée et constructive
Le dernier levier proposé dans cet article porte sur votre participation. Votre expertise et vos connaissances du produit sont bénéfiques dans des activités spécifiques mais peuvent être contre-productives dans d’autres.
| E.g., d'activités qui en bénéficient | E.g., d'activités qui en pâtissent | |
|---|---|---|
| - Préparation de la stratégie UX - Préparation de la recherche utilisateur : questions de recherche, hypothèses, scénarios plausibles pour les protocoles de tests - Priorisation des fonctionnalités | - Choix des méthodes UX - Passations de tests de recherche utilisateur en tant que facilitateur - Analyse des résultats de ces tests - Rédaction de leurs restitutions |
4. Comment concevoir un produit centré utilisateur sans biais ?
Il est impossible d'être complètement impartial. De très nombreux biais existent et il est impossible de tous les éliminer. Il est toutefois possible de les réduire.
Pour assurer une conception centrée utilisateur la moins biaisée possible, il faut s'appuyer sur une recherche utilisateur qui permette de les limiter.
La recherche utilisateur doit :
- S'adresser à un échantillon d'utilisateurs représentatif
- Reposer sur une approche rigoureuse et scientifique
- Considérer des connaissances du fonctionnement humain (e.g., biais cognitifs, fonctions cognitives, émotions, etc.)
- Croiser des méthodes quantitatives et qualitatives
Dans le cadre d’une conception de produit (ou de service), généralement se seront les designers de votre équipe ayant des compétences et une appétence pour la recherche utilisateur qui sauront vous aider : UX* designer, product designer ou chercheur en UX.
* UX = User eXperience, soit expérience utilisateur
5. Références bibliographiques
- Habib, M., Lavergne, L., & Caparos, S. (2018). Psychologie cognitive: Concepts fondamentaux, méthodes et exercices. Armand Colin.
- Hodent, C. (2020). Dans le cerveau du gamer: Neurosciences et UX dans la conception de jeux vidéo. Dunod.
- Norton, M. I., Mochon, D., & Ariely, D. (2012). The IKEA effect: When labor leads to love. Journal of consumer psychology, 22(3), 453-460.
- Ross, L., Greene, D., & House, P. (1977). The “false consensus effect”: An egocentric bias in social perception and attribution processes. Journal of experimental social psychology, 13(3), 279-301.
- Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases: Biases in judgments reveal some heuristics of thinking under uncertainty. Science, 185(4157), 1124-1131.
- Wason, P. C. (1960). On the failure to eliminate hypotheses in a conceptual task. Quarterly journal of experimental psychology, 12(3), 129-140.
Je tiens à remercier chaleureusement Joy Desdevises, PhD, pour ses lectures attentives et retours pertinents, ainsi que Gauthier Fiorentino et Nicolas Ploquin pour leur lecture finale et observations judicieuses.