Aller plus vite sans aller dans le mur : le cadrage design à l'ère de l'IA (partie 1/2)

Retour d'expérience de 3 Product & Strategic Designers Seniors, après un an de pratique IA en contexte client contraint.

Le cadrage, c'est l'étape où tout se joue avant que quoi que ce soit ne soit construit. C'est là qu'on définit le bon problème, qu'on aligne les parties prenantes, qu'on pose les contraintes qui rendent les décisions défendables ensuite. Une synthèse mal orientée à cette étape ne produit pas un mauvais document, elle produit un mauvais projet.

L'IA génère vite, structure proprement, sauf qu’il faut garder en tête trois comportements qui deviennent critiques en cadrage :

• L’IA comble les silences avec du vraisemblable, là où un arbitrage humain s'impose;
• elle interprète les données selon les biais de son modèle d'entraînement : une synthèse de verbatims passée par un LLM va naturaliser certaines attentes utilisateurs et en invisibiliser d'autres;
• et elle invente des sources, pas par malice, mais parce qu'une référence plausible et une référence exacte se ressemblent dans sa logique de génération.

En cadrage, aucun de ces trois comportements n'est anodin. Vous êtes le seul filet entre ce que l'IA produit et ce que le projet va embarquer comme vérité.

Cet article est le résultat d'un an de pratique en contexte client, la documentation qu'on aurait voulu avoir en phase de cadrage. Comment elle accélère, ce qui dérive, et pourquoi le designer reste le pilote : sur le sens, l'arbitrage et la responsabilité.

Contexte et contraintes (limites de notre expérience)

Trois Product & Strategic Designers Seniors, plus de 15 ans d’expérience en mission et une première année complète à intégrer l'IA dans nos pratiques de cadrage et de delivery.

Nos contraintes actuelles de travail sont celles de l'environnement du client, le plus souvent Microsoft 365 avec Copilot, parfois Google Workspace avec Gemini. On ne sort jamais des outils approuvés : les données en mission sont sensibles, c'est notre responsabilité qui est en jeu. Pour la conception, Figma (et Figma Make pour les explorations IA) reste notre référence partageable avec les équipes.

Les usages et les ressources IA n'ont de cesse d'évoluer. Cet article est donc une photo à l'instant T, avec un objectif triple :

• rappeler les phases successive d’un cadrage et de l’intérêt de chacune;
• partager les notions nécessaires pour un usage immédiat, éclairé et sobre de l’IA;
• documenter l'apport, les limites et les risques à chaque étape.

“Ce qui sort doit rester contestable et contrôlé par des humains, quel que soit l'outil.”

4 conseils pour bien démarrer

1. Le vrai levier, c'est le cadrage pas le prompt

L'IA accélère la rédaction et l’analyse, mais elle amplifie aussi les flous. Un brief mal posé donne une synthèse mal orientée, qui génère des allers-retours qui coûtent plus de temps qu'une rédaction manuelle. Mieux cadrer c’est mieux prompter.

2. L'IA est probabiliste, pas déterministe

Elle peut halluciner : produire des affirmations plausibles mais fausses, même en lui mettant des gardes-fous. On ne traite jamais une sortie IA comme une source, c'est un ébauche à vérifier. Cette posture n'est pas un frein à l'usage, c'est ce qui rend l'usage tenable en contexte client.

3. Assistant aujourd'hui, agent plus tard

On ne cherchait pas encore l'autonomie, on cherchait la maîtrise. Confidentialité des données client, responsabilité des livrables, contrôle des dérives. L'agent IA est une étape ultérieure, sur des périmètres très bornés, avec des données non sensibles et des contrôles qualité stricts.

4. La sobriété numérique n'est pas une posture, c'est un arbitrage

La question n'est pas de savoir si l'IA a un impact : elle en a un. La question est de savoir si la valeur produite le justifie. L'IEA (International Energy Agency) documente une hausse forte de la demande électrique des data centers d'ici 2030, portée en grande partie par les usages IA. En France, le RGESN (Référentiel général d'écoconception de services numériques) 2024 fournit un cadre d'écoconception opérationnel, 78 critères, dont plusieurs s'appliquent directement aux pratiques IA.

Votre boussole : le ratio valeur / requête. Avant de lancer une requête posez-vous ces questions : “Est-ce que cette requête produit quelque chose que je n'aurais pas pu faire moi-même en un temps raisonnable ? Puis-je obtenir le même résultat en une requête bien cadrée plutôt qu'en cinq itérations ?”

Rappel sur la phase de cadrage

Le cadrage est une démarche collaborative et itérative, axée sur l'apprentissage continu, qui vise à :

• Comprendre les fondamentaux : Saisir les besoins utilisateurs et les enjeux business clés.
• Maximiser l'impact : Identifier les meilleures opportunités pour construire des solutions à fort impact.
• Réduire les risques : maximiser la valeur créée grâce à l'expérimentation et aux retours terrain.

Ce processus repose sur la prise de retours utilisateurs et la mesure en continu et doit être adapté à votre contexte spécifique et à vos besoins.

© Schéma méthodologique du cadrage - OCTO Technology

Et si on schématise la démarche côté design

© Schéma du processus de design en 5 étapes - OCTO Technology

La méthode de cadrage en 4 étapes : notre tableau de référence

Ce tableau cartographie pour chaque étape du cadrage : les usages IA typiques, l'apport réel, le niveau de risque, le nombre d'itérations estimées si le brief est propre, et le ratio valeur / impact environnemental.

Plus on avance dans les étapes, plus l'apport IA est élevé et plus le coût d'un usage non maîtrisé l'est aussi. La colonne “Ratio valeur/impact" ne dit pas "moins d'IA" mais "plus de discipline avant d'envoyer".

Légende ratio valeur/impact environnemental
●●●● Très bon — ●●●○ Bon — ●●○○ À surveiller — ●○○○ Critique
Nombres d’itérations estimé pour une tâche cadrée, brief propre, sans dérive.

Étape 1 — Pré-kickoff : clarifier avant d'exposer

Apport : Moyen · Risque : Moyen · Requêtes : 1–3 · Ratio : Très bon ●●●●

Ce que c'est

Une réunion préparatoire en comité restreint, avant le kick-off officiel. Elle sert à s'aligner sur les enjeux, identifier les zones de flou, et préparer le discours collectif. C'est l'étape où tout se joue politiquement, et où l'IA peut aider à structurer sans décider.

Ce que l'IA apporte

Elle est utile pour transformer des notes éparses (compte-rendu de réunion, mail de contexte, slides existants) en une note de cadrage structurée. Elle aide à formuler les hypothèses implicites : celles que tout le monde a en tête mais que personne n'a encore écrites.

Ce qu'elle ne fait pas à votre place

L'arbitrage politique, la lecture des silences, la décision sur ce qu'on inclut ou exclut du périmètre. Ces dimensions sont humaines et doivent le rester.

Sobriété à cette étape

Le ratio est naturellement favorable : matière limitée, livrable borné. Si la sortie est décevante, le problème est rarement dans le prompt, il est dans les entrées. Structurer ses notes avant d'ouvrir l'outil réduit l'empreinte de moitié.

Étape 2 — Kick-off : structurer pour engager

Apport : Élevé · Risque : Moyen · Requêtes : 2–4 · Ratio : Bon ●●●○

Ce que c'est

L'instance managériale qui transforme le pré-cadrage en engagement collectif, sur ce qu'on fait, pourquoi, et dans quel cadre. C'est souvent la réunion la plus politique du projet : le livrable doit aligner des profils très différents.

Ce que l'IA apporte

Elle excelle dans la préparation et la synthèse : structurer le déroulé de l'atelier, rédiger les supports de présentation à partir de la note de pré-kickoff, anticiper les objections probables, synthétiser les résultats après session.

Sobriété à cette étape

C'est l'étape où le ratio est le plus vertueux. Une trame de CR réutilisable entre missions, stockée une fois dans Confluence ou SharePoint, économise des dizaines de requêtes sur la durée. Ne pas régénérer ce qu'on peut simplement mettre à jour.

Étape 3 — Compréhension de l'existant : accélérer sans court-circuiter

Apport : Très élevé · Risque : Élevé · Requêtes : 4–8 · Ratio : À surveiller ●●○○

Ce que c'est

Établir une vision partagée, factuelle et critique de la situation actuelle : audit UX, entretiens exploratoires, analyse documentaire, benchmark, analyse des données existantes. C'est l'étape qui mobilise le plus de matière brute et donc celle où l'IA apporte le plus, et où le risque devient critique.

Ce que l'IA apporte

Elle est efficace pour les phases de planification et d'analyse de données (textes, images, graphiques…) : générer un guide d'entretien, regrouper des verbatims, produire une première grille d'audit, structurer un benchmark. Elle traite bien les données déclaratives et langagières (entretiens, enquêtes, verbatims).

Ce qu'elle ne fait pas

Elle ne peut pas encore interpréter avec justesse un comportement utilisateur, un silence, ni contextualiser une contradiction entre ce qu'un participant dit et ce qu'il fait. Elle ne saurait en déduire un apprentissage, cette différence reste humaine.

Sobriété à cette étape

Plus la matière est volumineuse, plus les dérives se multiplient. Règle simple : ne pas confier à l'IA le tri qu'on aurait dû faire soi-même avant. Elle ne se plaint pas de recevoir du bruit, mais elle en produit en retour.

Étape 4 — Conception & évaluation : définir ce qui mérite d'être prototypé, puis décider

Apport : Très élevé · Risque : Élevé · Requêtes : 5–10 · Ratio : Critique ●○○○

Ce que c'est

Explorer plusieurs pistes de solution, prototyper les cas d'usage prioritaires, tester, converger vers une expérience cible priorisée. C'est l'étape créative par excellence et celle où la tentation de sur-déléguer à l'IA est la plus forte. C'est aussi l'étape où le Product Designer senior apporte la valeur la plus irremplaçable : la sélection de ce qui mérite d'être construit, dans quel ordre, et pour qui.

Ce que l'IA apporte

Elle accélère l'exploration amont : formuler les cas d'usage depuis la compréhension du besoin, prioriser ce qui mérite d'être prototypé, cartographier les états d'interface et les edge cases, générer des variantes de storymap, synthétiser les retours de tests utilisateurs. Elle est particulièrement utile pour les edge cases, ces cas limites qu'on oublie systématiquement en session.

Ce qu'elle ne fait pas à votre place

Elle peut aligner besoins utilisateurs et objectifs business, c'est utile. Mais sa priorisation reste "mécanique". Ce qu'elle ne fait pas :

• voir la tension entre deux personas aux besoins incompatibles
• détecter qu'une story prescrit une solution UI au lieu d'exprimer un besoin
• mobiliser l'intuition terrain, les convictions, la lecture politique du contexte client

”Ce que l'IA produit : une priorisation plausible. Ce que vous produisez : une priorisation défendable, devant le client, devant l'équipe."

Sobriété à cette étape

C'est l'étape où la sur-itération est la plus tentante et la plus coûteuse, en temps de vérification comme en impact environnemental. La règle : ne jamais demander de variantes sans avoir d'abord posé les contraintes de sélection. Et ne jamais prototyper un cas d'usage dont la valeur n'a pas été arbitrée.

Quatre angles morts qu'on n'avait pas anticipés

1. Une sortie bien structurée n'est pas une sortie juste. C'est le biais le plus insidieux : un tableau propre, des titres cohérents, un plan en trois parties et des affirmations que personne n'a validées. La forme rassure. Elle ne prouve rien.
2. Le coût de vérification se déplace, il ne disparaît pas. L'IA n'est pas chronophage là où on le craignait (la rédaction). Elle l'est là où on ne l'attendait pas : la relecture critique, la vérification des sources, les reprises complètes quand la sortie était trop éloignée.
3. Le prompt le plus utile n'est pas "génère X" mais "liste ce qui manque pour répondre à Y". C'est le meilleur antidote aux hallucinations : forcer l'IA à signaler ses angles morts plutôt qu'à les combler avec du vraisemblable.
4. L'IA produit du consensus là où il y a de la tension. Face à des données contradictoires, elle converge vers une synthèse lissée, c'est un artefact de la façon dont ces modèles sont entraînés à produire des sorties jugées satisfaisantes. En cadrage, c'est exactement l'inverse de ce qu'on cherche : les tensions sont l'information.

Ce qui reste, quoi qu'il arrive

L'IA est un outil de précision, pas un filet de sécurité. Le filet, c'est votre discernement. Les missions où l'IA apporte le plus de valeur sont celles où le designer sait exactement ce qu'il cherche avant d'ouvrir l'outil. C'est une bonne nouvelle : ça veut dire que notre expertise n'est pas menacée. Elle est exigée.

Un second article approfondira deux sujets délibérément mis de côté ici : des modèles de prompts pour chaque activité de cadrage et la question du passage aux agents : quand, sous quelles conditions, avec quels risques. Stay tuned !

Sources

Formations OCTO : Product discovery et UX Design : intégrer la démarche dans ses projets

Article : Accelerating Research with AI, Kate Moran and Maria Rosala de NN/g