Parcourir les cas d'utilisation

Vous êtes idéalement placé pour identifier les opportunités à fort potentiel pour l'IA. Vous pouvez évaluer à la fois la faisabilité technique d'une idée et son impact sur l'expérience utilisateur. Ces deux perspectives doivent être réunies pour que les fonctionnalités d'IA soient efficaces. Vous ne devez pas créer de fonctionnalités d'IA parce qu'elles sont nouvelles ou impressionnantes, mais parce qu'elles rendent réellement la vie des utilisateurs plus facile, plus rapide ou plus agréable.

Ce module décrit une méthode structurée et itérative pour imaginer, spécifier et prototyper des cas d'utilisation de l'IA dans votre produit.

Comprendre la valeur de l'IA

L'arbre des opportunités d'IA suivant définit les grandes catégories de valeur que l'IA peut fournir :

Nous avons listé des catégories de valeurs pour vous aider à structurer vos solutions. À mesure que vous parcourez la liste, la complexité, le risque et l'impact potentiel sur les utilisateurs ont tendance à augmenter :

• Insights : améliorez la prise de décisions.
• Caractère pratique : éliminez les obstacles.
• Automatisation : remplacez les tâches répétitives.
• Augmentation : aidez les utilisateurs à effectuer des tâches complexes ou créatives.
• Personnalisation : adaptez le produit aux besoins et aux préférences de chaque utilisateur.

Commencez par essayer de résoudre les cas d'utilisation à faible impact. Par exemple, collectez de meilleures informations sur vos produits grâce à un système d'IA interne pour les améliorer de l'intérieur. Ensuite, auditez votre dette UX existante et utilisez l'IA pour réduire les frictions et la charge cognitive de vos utilisateurs. À mesure que vous gagnez en confiance et en expérience, vous pouvez vous orienter vers des cas d'utilisation plus complexes et augmenter votre exposition à l'IA.

Cela dit, vous pouvez découvrir des opportunités à fort impact, comme de légères touches de personnalisation, qui sont étonnamment accessibles, peu risquées et pertinentes.

Identifier les opportunités dans votre produit

Pour déterminer la bonne idée, vous devez bien connaître vos utilisateurs. Collaborez avec votre équipe UX ou améliorez vos connaissances sur les personas pour définir qui sont ces utilisateurs. Adoptez une approche axée sur l'utilisateur (ou les personnes) et associez les opportunités d'IA que vous identifiez à des cas d'utilisation concrets pour votre produit.

Il peut s'agir de :

• Motivée par des besoins ou des points de contrariété explicites des utilisateurs.
• suggérées par les membres de votre équipe ou par vous-même ; Dans ce cas, une validation rapide auprès des utilisateurs est essentielle pour éviter le piège de l'IA pour l'IA.
• Inspirez-vous de vos concurrents, mais avec prudence. L'audience et le contexte de vos concurrents peuvent être différents des vôtres. Validez rapidement pour tester si les initiatives concurrentes réussies peuvent être appliquées à votre produit.

Par exemple, le tableau suivant contient des idées pour un site Web de réservation de vols :

À chaque étape du parcours utilisateur, vous pouvez identifier différentes opportunités pour ajouter de la valeur grâce à l'IA.

Façonner votre solution

Vous avez maintenant cartographié plusieurs idées d'IA tout au long de votre parcours utilisateur. L'étape suivante consiste à leur donner une forme et à gagner suffisamment de confiance pour décider lesquelles développer en premier. Il s'agit d'un effort d'équipe généralement mené par le responsable produit. En tant que développeur, votre principale responsabilité est d'estimer le coût, l'effort et les risques de la solution d'IA prévue.

Précisez vos idées

Commencez par consigner chaque idée dans une spécification rapide et globale. Vous pouvez utiliser le plan du système d'IA de notre introduction. En règle générale, les développeurs se concentrent sur la partie solution, tandis que l'opportunité est spécifiée par le responsable produit. Cet exercice permet à chacun de disposer d'une base commune pour l'alignement et la discussion avant de passer à l'étape suivante.

Évaluer l'effort et les coûts

Ensuite, évaluez la difficulté d'implémentation de votre idée. Par exemple, l'ajout de filtres intelligents peut ne nécessiter qu'une analyse basée sur des requêtes avec une API LLM, qui est rapide à prototyper et à exécuter, et plus facile à ajuster. En revanche, un assistant de réservation personnalisé nécessiterait des pipelines de données personnalisés, des API de réservation et des mécanismes de boucle humaine minutieux, ce qui représente un effort beaucoup plus important.

Examinez l'effort et le coût selon plusieurs dimensions :

• Préparation des données : disposez-vous déjà des données dont vous avez besoin ? Dans quelle mesure les données doivent-elles être nettoyées, prétraitées ou étiquetées pour être adaptées à l'IA ?
• Maturité du modèle : existe-t-il déjà un modèle pré-entraîné adapté ou devez-vous en entraîner un à partir de zéro ?
• Latence : à quelle vitesse le modèle doit-il répondre pour que la fonctionnalité soit fluide et utile ?
• Complexité de l'intégration : combien de systèmes doivent être connectés ? Existe-t-il des outils de backend, des API, une UI ou des outils tiers ? Plus il y a de points de contact, plus le coût et le risque sont élevés.
• Coût d'exploitation : quel est le coût de chaque appel ou inférence de modèle ? Estimez l'utilisation mensuelle et le budget pour la mise à l'échelle. Une fonctionnalité "bon marché " au stade du prototype peut devenir coûteuse une fois que des milliers d'utilisateurs sont en ligne.

Tenez compte des coûts cachés pour l'utilisateur. L'IA peut introduire de l'incertitude et des erreurs régulières dans votre produit. Avec l'IA côté client, les fonctionnalités s'exécutent sur l'appareil d'un utilisateur, ce qui consomme de la bande passante, de l'espace de stockage et de l'énergie. La fonctionnalité doit être suffisamment intéressante pour que les utilisateurs acceptent le coût.

En évaluant l'effort dès le début, vous pouvez vous concentrer sur les gains à forte valeur et à faible friction, et différer les idées plus complexes jusqu'à ce que vos données, votre infrastructure et votre expérience soient plus matures.

Estimer les modes de défaillance

Il arrive que le modèle fasse des erreurs et que les fonctionnalités ne fonctionnent pas comme prévu. Vous devez communiquer à vos utilisateurs ce qui se passe et où l'échec s'est produit, afin qu'ils sachent s'ils peuvent modifier leur saisie pour obtenir les résultats qu'ils recherchent.

Imaginons par exemple que vous dirigiez une agence de voyages. Votre entreprise souhaite proposer aux voyageurs des suggestions personnalisées. Vos utilisateurs ont demandé un outil pour le faire eux-mêmes, et votre équipe produit insiste pour l'implémenter. Cependant, vous savez que la personnalisation nécessite de nombreux signaux de la part des utilisateurs concernant leurs centres d'intérêt, et vous n'avez pas configuré de base de données pour collecter ces signaux. Cela entraîne une personnalisation infructueuse qui propose une inspiration non pertinente, ce qui conduit les utilisateurs à abandonner la fonctionnalité. Votre compréhension de la disponibilité des données personnalisées devrait avoir éclairé l'estimation de la valeur de votre équipe.

Voici d'autres modes de défaillance critiques de l'IA à prendre en compte :

• Hallucination : le modèle génère des résultats qui semblent plausibles, mais qui ne sont pas réels (par exemple, en inventant un vol qui n'existe pas).
• Biais : le modèle présente ou amplifie des généralisations injustes basées sur les données d'entraînement, ce qui entraîne des résultats discriminatoires ou inéquitables. Par exemple, le modèle peut supposer que certains utilisateurs souhaitent des vols en première classe et d'autres en classe économique en fonction de leur genre ou de leur origine ethnique perçus.
• Problème de démarrage à froid : le système ne peut pas fournir de valeur pour les nouveaux utilisateurs ou articles en raison du manque de données initiales, comme indiqué dans l'exemple de l'outil de voyage personnalisé.
• Dégradation des performances : la précision du modèle se dégrade au fil du temps à mesure que les données réelles évoluent et s'éloignent de la distribution d'origine, ce que l'on appelle également la dérive du modèle.

Prototype

Vos données sur les coûts, les efforts et les modes de défaillance seront initialement de faible fidélité. Pour gagner en confiance, la meilleure façon de valider une fonctionnalité d'IA spécifique est de la prototyper. Le prototypage vous permet de tester rapidement les hypothèses techniques de base (préparation des données, latence, précision) avant de vous engager dans une conception complète. Surtout avec une nouvelle technologie comme l'IA, qui n'a pas encore été entièrement explorée, vous apprenez plus vite en créant qu'en faisant des recherches et des analyses.

Grâce aux outils de génération de code basés sur l'IA, tels que Vertex AI et Replit, vous pouvez accélérer considérablement votre processus de prototypage et réduire les risques.

Adoptez cet état d'esprit : lancez une petite fonctionnalité, observez son comportement et affinez-la en continu.

Appliquez les bonnes pratiques suivantes :

• Créez une solution de bout en bout dès le début. Testez l'ensemble du flux tel qu'il est défini dans le plan de votre système d'IA (données, intelligence, expérience utilisateur), et pas seulement la précision du modèle. Cette version doit refléter chaque partie de l'expérience utilisateur avec l'IA, mais elle n'a pas besoin de représenter toutes les fonctionnalités de l'application.
• Commencez par les raccourcis. Utilisez des API et des modèles pré-entraînés pour valider rapidement la valeur.
• Enregistrez tout. Suivez les entrées, les sorties et les modifications apportées par les utilisateurs pour identifier les modes de défaillance courants et évaluer les éventuels problèmes majeurs.
• Testez avec des données réelles. Les premiers tests doivent capturer le comportement naturel et désordonné des utilisateurs.
• Ajoutez des mécanismes de commentaires et de contrôle. Permettez aux utilisateurs de signaler plus facilement les erreurs ou d'ajuster les résultats, et laissez-les confirmer ou corriger les résultats.

Dans la plupart des cas, le prototypage a lieu en même temps que l'évaluation et la spécification.

Vos points à retenir

Vous avez appris à transformer le potentiel abstrait de l'IA en idées de produits concrètes et à forte valeur. En tant que développeur, votre avantage réside dans la combinaison de la faisabilité technique et de l'expérience utilisateur. Vous avez découvert comment l'IA peut créer de la valeur dans différentes catégories, vous avez mappé ces opportunités au parcours utilisateur de votre produit et vous avez appris à les spécifier, à les évaluer et à les hiérarchiser à l'aide de frameworks structurés.

N'oubliez pas que l'IA réussit grâce à une itération incessante. Lancez votre produit rapidement, écoutez vos utilisateurs et observez-les, puis affinez-le rapidement. Chaque prototype est une étape vers la compréhension de la façon dont l'IA peut accroître la valeur et l'attrait de votre produit.

Ressources

• Réussir la découverte de l'IA, un guide pour imaginer, valider et hiérarchiser vos cas d'utilisation de l'IA.
• AI Radar, un outil de découverte et d'aide à la décision permettant d'identifier et de hiérarchiser les cas d'utilisation dans tous les secteurs.

Vérifier que vous avez bien compris