Comment l’intelligence artificielle (IA) impacte la conception de produits? Quels impacts sur les pratiques et les métiers? Dans cet article, j’analyse comment l’IA transforme la conception produit à différents niveaux que ce soit dans la recherche utilisateurs, la conception, le prototypage, les tests utilisateurs etc……

Impacts sur la phase de compréhension des besoins utilisateurs 

Analyse de données externes à grande échelle

La force principale de l’intelligence artificielle est d’analyser d’énormes quantités de données utilisateur (comportement de navigation, avis clients, données d’utilisation, etc.) pour identifier des tendances, des besoins non satisfaits et des points de friction avec une précision et une rapidité inégalées. L’IA trouve donc un champ d’application privilégié dans la phase de recherche des besoins des utilisateurs.

L’IA permet par exemple d’utiliser des techniques de web scraping (extraction automatisée de données issues du web) pour collecter des informations publiques à partir des sites web (ex: avis clients, articles de presse, données de produits), des réseaux sociaux, des plateformes en ligne, des capteurs et IoT publics, des gouvernements ou encore d’institutions publiques.

En effet, les plateformes comme Twitter, Facebook (avec des restrictions), LinkedIn, etc., offrent des APIs qui permettent d’accéder à des données publiques (ex: messages, commentaires, profils publics) sous certaines conditions et limites. Dans les villes intelligentes ou les environnements connectés, certaines données de capteurs (météo, trafic, qualité de l’air, etc.) sont accessibles. Et les gouvernements, les organisations Internationales statistiques, économiques, démographiques, etc. (ex: INSEE, Eurostat, Banque Mondiale), les instituts de recherche, les universités et les plateformes open data publient également des données pour la recherche scientifique qui sont accessibles au grand public.

Un tel travail de collecte de larges volumes de données implique de mettre en place des systèmes pour collecter, transformer et charger les données externes dans des systèmes de stockage adaptés (data lakes, entrepôts de données) capables de gérer des volumes massifs de données (Big Data). Pour être utilisables ces données externes qui proviennent de sources diverses avec formats, et des structures très diverses doivent être nettoyées et traitées (agrégation, normalisation, standardisation) pour être utilisables par les modèles d’IA.

Les algorithmes de machine learning entraînés sur des données externes permettent d’identifier des motifs, des tendances, des sujets, des corrélations et des informations très utiles pour la phase d’investigation des besoins des utilisateurs. Si les données externes incluent des images ou des vidéos (ex: surveillance de trafic publique), des modèles de vision par ordinateur peuvent être utilisés pour l’analyse. Pour les données temporelles (ex: données économiques, trafic), des modèles spécifiques peuvent être utilisés pour la prédiction et l’analyse de tendances.

L’IA offre augmente donc significativement les capacités d’analyse utilisables par les experts produit dans la phase d’identification des besoins utilisateurs.

Des acteurs se spécialisent d’ailleurs dans ce domaine et proposent désormais des solutions dédiées. Dovetail est par exemple un outil utilisant des modèles d’IA génériques permettant de centraliser les retours clients et les études utilisateurs. Il joue un rôle de référentiel d’études utilisateurs pour centraliser les notes d’entretien et stocker les vidéos et images, avec des balises et des annotations facilitant l’analyse.

Recherche sémantique

L’intelligence artificielle générative offre de grandes capacités en termes de recherche sémantique avec la possibilité de rechercher dans un grand ensemble de documents en obtenant des résultats qui ne correspondent pas seulement aux mots clés mais aussi au champ lexical utilisé. Cela permet de retrouver une conversation, un process, une idée, un contrat sans nécessairement se rappeler du titre exact du document.

Anaïs Ghelfi est Head of Data Platform chez Malt explique qu’ils ont créé un Assistant IA pour trouver des contenus au sein de l’entreprise. Cela répond à un besoin d’accès à l’information de leurs équipes sur les processus, les fonctionnalités car Notion n’est pas toujours à jour. Les équipes de data analysts reçoivent beaucoup de requêtes por réaliser des extractions de données, des demandes d’informations. L’enjeu était donc de rendre les équipes produit plus autonomes dans cette phase. Pour cela ils ont utilisé les outils Dust et Gemini.

Cet Assistant qu’ils ont conçu a ainsi une connaissance globale du produit, il est une sorte de cerveau des équipes produits. C’est une base de connaissance qu’il est possible de l’interroger pour savoir si le produit a telle ou telle fonctionnalité et qui renvoie vers la documentation concernée.

Extraction de données internes

Une autre utilisation possible des agents d’entreprise dans le domaine de la conception produit est celui de l’extraction de données : par exemple, si on apporte un certain nombre de données non structurées et qu’on veut en faire un flux d’information structuré. Ces données peuvent être des emails, des tickets du support client, des sites webs à visiter. Le flux d’information est divers mais en sortie on récupère un format particulier comme un tableau de données synthétique donnant des tendances d’utilisation d’un produit donné par exemple. On peut ensuite le partager aux personnes impliquées sur la conception du produit : UX designer, Product Designer, Product Owner, Développeurs.

Synthétiser et trier les retours utilisateurs avec Miro et Dust

Miro est outil de tableau blanc pour animer des ateliers de collaboration pour animer les tests utilisateurs. Une fois les avis récoltés l’outil propose une fonctionnalité “Miro assist, une extension basée sur l’intelligence artificielle qui va identifier les retours clés en fonction du prompt initial.

Les assistants intelligents d’entreprise comme Dust permettent également de trier les retours reçus régulièrement de la part des utilisateurs.

Les équipes de support ou de service client n’ont pas nécessairement le vocabulaire pour s’exprimer vis-à-vis des équipes produit sur la façon dont les utilisateurs font des retours. Ils peuvent se faire aider et guider par des assistants qui vont déterminer à quelles priorités du produit il faut affecter tel retour utilisateur. Ceci est désormais possible grâce à des assistants intelligents pour entreprises comme Dust. Dust propose d’optimiser les processus de travail des équipes produit. Cet outil permet de créer un agent conversationnel sur mesure basé sur ChatGPT, Claude, Gemini. Connecté aux bases de données de l’entreprise, à Notion, ou Slack. On le programme initialement avec un préprompt, des instructions qui vont guider sa façon de nous répondre (« tu es un expert de tel langage de programmation. »)

Gabriel Hubert, CEO de Dust explique  comment fonctionne cette phase de tri :

« Plutôt que les équipes support ou service client cherchent dans quelle catégorie de fonctionnalités du produit il faut le ranger, ils peuvent le fournir à l’assistant qui traduira dans le langage interne que l’équipe produit a décidé d’utiliser et ainsi l’attribuer à la bonne priorité. »

Les équipes de Dust l’utilisent eux même par exemple en interne, les catégories qu’ils ont déterminées sont :

✅L’intelligence : la capacité des assistants à mieux répondre à des demandes ou des tâches complexes

✅L’ubiquité : la capacité à être là où l’utilisateur en a besoin

✅L’agence : la capacité à faire les choses. Pas seulement suggérer une réponse, mais la capacité à aller écrire directement dans un document ou dans la base de données.

Chaque retour utilisateur sera ainsi rangé dans une de ces catégories afin d’organiser et de structurer ces retours et ainsi mieux cerner les priorités dans leur feuille de route.

Hyper personnalisation des produits en temps réel

L’IA permet de créer des produits et des fonctionnalités hyper-personnalisés en s’adaptant aux préférences et aux comportements individuels des utilisateurs. Elle va analyser la manière dont les utilisateurs interagissent avec le produit (clics, temps passé sur les pages, fonctionnalités utilisées, parcours d’achat, etc.) pour comprendre leurs préférences implicites et adapter  l’expérience du produit.

Sur les plateformes de contenu ou de streaming comme Netflix ou Spotify, cela fait longtemps que l’IA est utilisée pour détecter les articles lus, les vidéos regardées, les musiques écoutées, etc., pour recommander du contenu pertinent. Aujourd’hui l’analyse du langage naturel (NLP) permet en outre d’extraire le sentiment des avis clients, des commentaires sur les réseaux sociaux et des interactions avec le support client, offrant une compréhension qualitative des préférences. L’IA peut également identifier l’intention d’un utilisateur à un moment précis (ex: recherche d’un produit spécifique, besoin d’aide pour une fonctionnalité) et adapter l’expérience en conséquence.

Dans le e-commerce, l’IA intégrée au site permet de mettre en place des fonctionnalités de suggestion de produits, de contenu ou même des fonctionnalités pertinentes en fonction de l’historique de l’utilisateur, de son comportement actuel et des préférences d’utilisateurs similaires. Enfin, en analysant les données, l’IA peut anticiper les besoins futurs des utilisateurs et suggérer des innovations de manière proactive.

Impacts sur le processus de conception 

Génération d’idées

L’ application de l’IA générative ne se limite pas au processus de découverte des besoins des utilisateurs. Aujourd’hui elle est utilisable pour la génération d’idées et de concepts : l’IA générative peut suggérer de nouvelles idées de produits, des variations de design et des solutions innovantes en analysant les tendances du marché, les produits concurrents et les besoins des utilisateurs. Avec l’outil Miro, il est possible par exemple d’utiliser une extension basée sur l’IA dans la phase de rédaction des corpus de tâches (epic) et des exigences utilisateurs (stories). Miro propose plusieurs formats de sortie de ce qu’on a apporté en prompt : carte mentales, diagrammes UML, diagrammes de flux, diagrammes ER. Une fois les instructions rentrées et le format de sortie choisi, l’extension génère des propositions dans le format de sortie sélectionné. On peut ainsi alimenter le backlog grâce aux suggestions de l’IA qu’on pourra affiner et corriger par la suite en fonction de la pertinence des propositions. On peut parler de conception produit augmentée par l’IA.

Génération de contenus

Nous avons vu qu’Anaïs Ghelfi, Head of Data Platform chez Malt expliquait qu’ils avaient créé un Assistant IA pour trouver des contenus au sein de leur entreprise, mais elle explique qu’ils l’utilisent également pour générer des contenus : par exemple pour informer les équipes d’un incident de production. Un assistant a aussi été créé par l’équipe design pour aider les Product Managers sur la création de contenu pour trouver un titre ou une description d’une fonctionnalité nouvellement créée.

Créer des prototypes virtuels

L’IA est également utilisée dans certaines solutions de conception produit pour créer rapidement des prototypes virtuels, permettant aux équipes de tester et d’itérer plus efficacement sur les concepts. Certains outils peuvent même générer des interfaces utilisateur à partir de simples descriptions textuelles. Uizard propose par exemple un outil de prototypage basé sur l’IA générative.

Avec cette solution, l’IA permet de simuler des scénarios d’utilisation réels et de tester virtuellement les produits pour identifier les problèmes potentiels de conception, d’ergonomie ou de performance avant même la création de prototypes physiques.

Tester et expérimenter

Un autre usage possible des agents d’entreprise comme Dust est d’être utilisé comme assistant développeur pour identifier des potentiels risques ou des potentielles difficultés.

Il est même possible de faire collaborer différents agents spécialisés au sein d’un même agent. Romain Penchenat (Podcast Parlons Design) explique : « Quand on développe pour iOS, on notamment la technologie Swift UI, qui parfois collabore avec la technologie plus ancienne UIkit. J’avais donc un agent spécialisé Swift UI, un agent spécialisé UIkit et je pouvais les faire interagir lorsque j’avais besoin de faire de la conversion entre les deux ou d’intégrer l’un dans l’autre au sein d’un même agent »

L’IA permet également d’optimiser la conception de produits. On peut analyser les performances potentielles d’un produit en fonction de différents paramètres de conception et suggérer des optimisations pour améliorer l’efficacité, la durabilité ou la fabricabilité. Il est même possible de programmer de la maintenance prédictive pour les produits physiques : l’IA peut analyser les données d’utilisation pour prédire les pannes potentielles et planifier la maintenance avant qu’elles ne surviennent.

Traduire d’un langage à un autre et convertir en données

Enfin, dans le domaine de la conception produit, les agents peuvent être utilisé pour traduire d’un niveau de langage à un autre afin de traduire des concepts utilisés par l’équipe technique en un langage compréhensible par l’équipe produit. En effet, ces équipes qui parlent pourtant du même produit ne se comprennent pas toujours car elles n’utilisent pas le même langage. On peut ainsi fournir des résumés d’un langage vers un autre.

On peut également poser une question en langage naturel et recevoir une réponse quantitative. L’assistant transforme la question en une requête SQL, l’exécute sur la base de données et en extrait la réponse quantitative. Ces données peuvent être utilisées pour faire un rapport, un tableau et ainsi comprendre un tendance, prendre du recul sur son produit et ses évolutions.

Impacts sur les produits à concevoir 

Intégration de l’IA dans les produits

L’intelligence artificielle a un impact sur la façon de concevoir les produits mais également sur les produits eux-mêmes, en y incluant une part d’IA aussi.

Par exemple, les besoins des utilisateurs peuvent être directement analysés au sein du produit :  l’IA peut être intégrée directement dans les produits pour leur permettre de s’adapter en temps réel aux besoins de l’utilisateur, d’apprendre de leur utilisation et d’offrir des expériences plus intelligentes et personnalisées. (Exemple : assistants virtuels intégrés, recommandations proactives).

Les futurs utilisateurs : des IA ?

Mais cela va même plus loin. Dans une intervention au AI Product Day, le 31 mars 2025, Edouard Wautier, Principal Product Designer de Dust expliquait que les équipes produit ont normalement l’habitude de concevoir des produits pour des humains mais que demain, de plus en plus d’utilisateurs des produits seront des agents IA. Cela signifie qu’il faudra construire des interfaces où des humains et des agents collaborent, ou même des interfaces qui seront principalement utilisées par des agents conversationnels.

L’impact de l’IA sur la valeur du produit

Par conséquent, si auparavant la valeur d’un produit tenait à son usage pour des humains, il est bien possible que la valeur résidera de plus en plus dans l’opérabilité avec des agents et que ça puisse devenir même parfois le critère de sélection de ses logiciels. En termes d’ergonomie, certaines équipes commencent donc à faire des tests d’utilisabilité de leur site aussi pour des agents IA. L’idée, explique Edouard Wautier, est qu’il faut commencer à penser l’ergonomie de son produit pour un usage agentique et non seulement humain. Et si les agents se multiplient, pour surveiller ce qu’ils font il faudra créer des interfaces de monitoring, de gestion des permissions, de création d’alertes etc.

Conclusion  : les Impacts sur les métiers du Product Manager et du Product Designer

Il est certain que l’IA fournit aux Product Managers des outils d’analyse et de prédiction de plus en plus puissants pour prendre des décisions éclairées sur la stratégie produit et la priorisation des fonctionnalités. Le métier de Product Manager devient ainsi un rôle de « Product manager augmenté ».

La collaboration homme-machine s’en trouve enforcée. On l’a vu, les designers travailleront de plus en plus en collaboration avec des outils d’IA pour générer des idées, prototyper et tester des designs, leur permettant de se concentrer sur les aspects les plus créatifs et stratégiques de leur travail.

Tout cela a un impact sur la formation des Product managers, des Product owners et des Product Designers, ce qui implique de se former aux nouvelles technologies qui émergent dans ce domaine. Les professionnels du produit devront développer une compréhension de base de l’IA et de ses capacités pour pouvoir l’intégrer efficacement dans leur processus de travail.

L’IA ne remplacera pas complètement la créativité humaine, l’empathie et la compréhension contextuelle qui sont essentielles à la conception de produits véritablement innovants et centrés sur l’utilisateur. L’avenir de la conception de produits sera probablement une collaboration étroite et synergique entre l’intelligence humaine et l’intelligence artificielle.

Un point important à prendre en compte est que le seuil à partir duquel il est possible de faire du design va baisser. Il sera de moins en moins nécessaire d’être développeur pour être designer, ce qui ouvre ce métier à un concurrence plus grande. Ca peut représenter un risque pour les designers.

Les impacts sont donc nombreux et ce dans différents domaines : la phase de découverte, la phase de conception, mais aussi la phase de lancement sur le marché du produit avec tous les aspects liés au marketing produit. En effet, l’IA permet aussi bien de résumer et d’organiser en quelques minutes des centaines de retours, de faire de l’analyse prédictive, de détecter des anomalies, ou encore de faire des suggestions de priorisation en fonction de la valeur business. L’IA est donc un outil précieux pour les Product Managers pour éclairer leurs choix mais aussi pour les aider dans la production des différents contenus liés à la conception et au marketing d’un produit.

En résumé, l’IA va transformer la conception de produits en la rendant plus orientée par les données, personnalisée, rapide, efficace et intelligente, ouvrant ainsi de nouveaux champs de possibilités pour l’innovation et la création de valeur pour les utilisateurs.