Concevoir des expériences utilisateur d'IA

Du point de vue de l'utilisateur, les systèmes d'IA sont intrinsèquement incertains. Elles peuvent produire des résultats incohérents et commettre des erreurs régulières. L'interface utilisateur offre de nombreuses possibilités d'absorber, de filtrer et de réduire les frustrations causées par les limites de l'IA. En tant que développeur, vous jouez un rôle central dans la conception des expériences utilisateur d'IA, car vous avez une meilleure compréhension de la façon dont un système d'IA est susceptible d'échouer et des endroits où cela peut se produire.

L'un des principaux aspects à prendre en compte lors de la conception est le degré de contrôle des utilisateurs sur l'IA. Certaines opportunités sont invisibles pour les utilisateurs, tandis que d'autres nécessitent une interaction explicite. Une exposition plus importante signifie plus de flexibilité, mais aussi plus de risques et de complexité à gérer.

Dans ce module, nous allons découvrir les bonnes pratiques pour concevoir des modèles d'expérience utilisateur (UX) pour trois types d'exposition : en arrière-plan, contrainte et ouverte. Pour chaque type, nous expliquons comment les choix techniques et architecturaux affectent l'expérience utilisateur du système d'IA.

Arrière-plan IA

L'IA peut être utilisée pour améliorer subtilement une expérience existante sans introduire de nouvelles fonctionnalités. Cela minimise les risques d'interruption et de défaillance. Dans ce cas, la responsabilité de l'utilité, de la fiabilité et de la dégradation progressive incombe entièrement au produit. Les utilisateurs n'ont pas besoin de comprendre comment fonctionne l'IA ni même de savoir qu'elle est impliquée pour en bénéficier.

L'IA en arrière-plan est la plus appropriée lorsque :

• La tâche présente peu de risques.
• Le contrôle par l'utilisateur n'améliorerait pas les résultats de manière significative.
• Le produit peut toujours fournir sa valeur principale, même si la fonctionnalité d'IA échoue ou n'est pas disponible.

On trouve de nombreux exemples d'IA en arrière-plan sur le Web, des filtres antispam aux recommandations de divertissement, en passant par des exemples complexes comme les commentaires bullet-stream de BILIBILI. Vous ne considérez peut-être même pas certaines de ces fonctionnalités comme de l'IA.

Exemple : Résumés et points forts des avis optimisés par l'IA

Vous vous souvenez d'Example Shoppe ? Nous avons déjà partagé deux plans système pour différentes fonctionnalités d'IA, y compris une fonctionnalité d'assistance client et une recherche de produits améliorée. Nous lançons une troisième fonctionnalité : les résumés d'avis. Consultez le plan du système d'IA.

Les pages produit contiennent souvent des centaines d'avis. Pour les utilisateurs, il peut être difficile d'évaluer les caractéristiques qui comptent réellement pour eux.

Vous pouvez utiliser l'IA pour proposer des thèmes récurrents dans les recherches des utilisateurs afin de leur fournir des résumés et des points clés personnalisés. Dans notre exemple d'interface, l'utilisateur recherche des écouteurs. Les thèmes de la qualité du son et de l'autonomie de la batterie sont donc mis en évidence. Cela réduit la charge cognitive et peut accélérer les décisions d'achat.

Les résumés étant uniques pour chaque personne, vous devez privilégier la confidentialité et la rapidité lorsque vous choisissez votre plate-forme. Vous pouvez choisir l'IA intégrée et l'API Summarizer pour que le calcul s'effectue directement sur l'appareil de l'utilisateur.

Bonnes pratiques

Suivez les consignes ci-dessous pour que votre fonctionnalité d'IA s'intègre parfaitement à l'expérience utilisateur existante :

• Fournissez une transparence légère : lorsque l'IA transforme ou agrège du contenu généré par les utilisateurs, des signaux subtils définissent les attentes de vos utilisateurs. Vous pouvez utiliser des libellés neutres tels que "Résumé" ou "Informations clés", et ajouter une divulgation progressive à l'aide d'info-bulles ou d'autres éléments d'interface utilisateur.
• Autoriser la désactivation : les utilisateurs ont des attitudes différentes vis-à-vis de l'IA. Certains peuvent trouver l'IA intrusive, accablante ou ennuyeuse. Fournissez un moyen clair de désactiver ces fonctionnalités.
• Faites attention à la formulation : le langage est un élément important de toute expérience utilisateur, y compris du texte généré par l'IA. Dans notre exemple, les résumés doivent refléter des tendances, et non des affirmations. Ajoutez des règles à votre requête système pour réduire ou supprimer le langage trop sûr dans le résumé.
• Concevez un remplacement élégant : lorsque cela est possible, fournissez une valeur sans IA. Si le résumé n'est pas disponible pour des raisons techniques, comme un modèle indisponible, le système doit quand même proposer les avis non résumés. Une fois le modèle téléchargé, votre application peut automatiquement exposer le nouveau résumé.
• Minimisez les perturbations lors de la configuration : le téléchargement initial d'un modèle côté client peut créer des frictions. Mettez d'abord en avant la valeur de la fonctionnalité. Vous pouvez ajouter un remplacement côté serveur limité ou déplacer le téléchargement à la fin du parcours utilisateur pour minimiser l'interruption. Un timing et un contexte appropriés permettent d'aligner votre produit sur les priorités de l'utilisateur.

IA contrainte

Alors que l'IA en arrière-plan s'exécute automatiquement, les fonctionnalités d'IA contrainte sont explicitement déclenchées par l'utilisateur, souvent à l'aide d'un lien ou d'un bouton. Vous définissez la tâche, l'intention, les contraintes et le format de sortie dans une invite système. Contrairement au curseur d'une requête ouverte, les utilisateurs n'ont que peu ou pas d'options en dehors du démarrage de la tâche et de la réception d'un résultat. Le système conserve sa prévisibilité en limitant strictement les actions que l'IA est autorisée à effectuer.

Comme pour l'IA en arrière-plan, les fonctionnalités d'IA contrainte se marient bien avec les modèles côté client personnalisés pour la tâche spécifique.

Exemple : Génération de titre

La génération de titres peut être une tâche particulièrement difficile. BlogBuddy utilise l'IA pour aider les rédacteurs à proposer des titres réfléchis et contextuels, avec un minimum d'effort. Consultez le schéma du système d'IA pour cette fonctionnalité.

L'utilisateur peut cliquer sur Afficher les titres pour générer plusieurs brouillons à évaluer et à affiner.

Nous avons vu comment cela pouvait être implémenté avec l'API Prompt dans Prompt engineering. Créez un prompt système qui encode la tâche, les contraintes stylistiques et la structure de sortie. Seul le contenu de l'article de blog est transmis de manière dynamique depuis l'UI. Avec l'implémentation côté client, la fonctionnalité est optimisée pour itérer sans frais de configuration.

Bonnes pratiques

Votre objectif est d'inciter les utilisateurs à utiliser les nouvelles fonctionnalités. Pour ce faire, démontrez la valeur et donnez-leur le contrôle sur le résultat :

• Communiquez clairement et avec assurance : les libellés d'action clairs sont toujours préférables au langage générique, comme "Demander à l'IA". Votre utilisateur doit pouvoir comprendre ce qui se passe, au-delà de la manière dont cela se produit. Si la latence de votre fonctionnalité est faible, ajoutez des libellés indiquant que le résultat est déjà disponible. Par exemple, Afficher les titres au lieu de Générer des titres.
• Tenez l'utilisateur informé : ajoutez une légère friction cognitive pour maintenir l'utilisateur en alerte. En proposant plusieurs choix, vous pouvez éviter que les utilisateurs se sentent bloqués par un résultat qui ne leur plaît pas. Les utilisateurs doivent pouvoir accepter ou modifier explicitement les résultats avant qu'ils ne soient enregistrés.
• Si possible, préparez le résultat à l'avance : en particulier pour les tâches côté client, envisagez de précalculer le résultat afin qu'il soit disponible immédiatement.
• Permettre une itération rapide : la régénération doit être facile, réversible et peu coûteuse. Les utilisateurs doivent pouvoir annuler leurs actions. Recueillez ces signaux de commentaires pour affiner la fonctionnalité pour les prochaines exécutions.
• Si nécessaire, fournissez des contrôles plus précis : des éléments structurés supplémentaires tels que des balises de ton, des sélecteurs de longueur ou des styles prédéfinis peuvent être utilisés pour affiner les résultats. Dans de nombreux cas, le besoin de contrôle supplémentaire apparaît au fil du temps, à mesure que la confiance et les exigences des utilisateurs évoluent. Configurez des boucles de rétroaction qui vous permettent de suivre ces développements.

Choisir entre l'IA en arrière-plan et l'IA contrainte

Certaines fonctionnalités peuvent être implémentées en tant qu'IA en arrière-plan ou contrainte, selon la manière et le moment où vous les présentez. Cette distinction dépend de la visibilité, de la charge cognitive et du timing, plutôt que des fonctionnalités disponibles. Par exemple, au lieu d'exiger un clic explicite sur un bouton, les titres pourraient être préparés de manière proactive en arrière-plan, pendant que l'utilisateur écrit. Lorsque l'utilisateur sélectionne le champ du titre, vous pouvez lui présenter des suggestions.

Cette approche fonctionne mieux dans les cas suivants :

• Les entrées requises par la fonctionnalité sont disponibles par défaut.
• Le nombre de fonctionnalités optimisées par l'IA est limité
• Le coût de la précomputation est faible
• Les suggestions peuvent être intégrées sans distraire l'utilisateur de sa tâche.

En revanche, l'IA contrainte est préférable dans les produits comportant plusieurs fonctionnalités ou actions d'IA. Les déclencheurs explicites permettent d'éviter les calculs inutiles et donnent aux utilisateurs un plus grand sentiment d'intention et de contrôle.

IA ouverte

L'IA ouverte permet aux utilisateurs de contrôler directement le comportement d'un système d'IA grâce à des entrées de forme libre. Au lieu de déclencher une action prédéterminée, les utilisateurs peuvent fournir un contexte en langage naturel. Une fois la requête envoyée, le système d'IA interprète l'intention, ajoute le contexte manquant et essaie de deviner la prochaine étape.

Les entrées sont très individuelles et souvent imprévisibles. Votre système d'IA doit être capable de gérer cette variabilité. Ce type offre la plus grande flexibilité, mais aussi le plus grand risque pour l'expérience utilisateur :

• Saisie utilisateur ambiguë ou incomplète
• Sorties imprévisibles
• Plus grande probabilité de réponses incorrectes ou trompeuses
• Risque accru de confiance excessive
• Tentatives de compromettre le système, par exemple en lui demandant de générer du contenu inapproprié

Exemple : Agent du service client optimisé par l'IA

Pour Example Shoppe, le service client couvre un large éventail de problèmes : suivi des commandes, retours, questions sur les produits, problèmes de livraison et cas extrêmes qui ne correspondent pas à des workflows clairs. Rappelez-vous le plan du système d'IA du module "Plate-forme".

Après avoir ajouté des fonctionnalités d'IA contrainte pour les actions les plus courantes, votre interface peut être encombrée. En revanche, un agent d'assistance IA à réponse ouverte peut offrir de la flexibilité.

• Résolvez rapidement les problèmes courants.
• Réduisez les temps d'attente et les coûts d'assistance.
• fournir une assistance immédiate sur de nombreux sujets, sans flux d'assistance complexes.

La valeur de l'agent d'assistance réside dans sa capacité à gérer la variabilité à grande échelle. En fin de compte, vous devez créer un système capable de gérer ces entrées de manière responsable. Bien que vous espériez et attendiez des utilisateurs qu'ils fassent preuve de discernement et qu'ils calibrent leur confiance, vous pouvez être tenu responsable des réponses incorrectes fournies par le modèle.

Les utilisateurs ouvrent une discussion avec l'agent en demandant "Où est ma commande ?" ou "J'ai été débité deux fois. Pouvez-vous m'aider ?". L'agent interprète l'intention, pose des questions de clarification, récupère les informations pertinentes et propose des étapes ou des actions à suivre.

La plupart des systèmes d'IA ouverts s'appuient sur des modèles côté serveur. Ils peuvent être combinés à d'autres composants, tels que des bases de données, des outils externes et une logique métier, pour former un système d'IA composé. Vous devez fournir des chemins d'escalade vers des agents d'assistance humaine.

Bonnes pratiques

Concentrez-vous sur la transparence, la calibration de la confiance et les mécanismes de contrôle :

• Aidez les utilisateurs à exprimer clairement leur intention : fournissez des suggestions de requêtes ("Je souhaite retourner une commande") et des suggestions de suivi pour réduire l'ambiguïté.
• Rendez l'état et les hypothèses du système visibles : l'agent doit communiquer clairement ce qu'il comprend ("Il semble que vous demandiez des informations sur la commande 12345.") et les informations qu'il utilise.
• Demander avant d'agir : avant d'effectuer des actions sensibles, telles que des retours, des remboursements ou des modifications d'adresse, l'agent doit résumer l'action et demander la confirmation de l'utilisateur.
• Conception pour la vérification et la correction : les utilisateurs doivent pouvoir corriger les malentendus, reformuler les demandes ou revenir en arrière dans la conversation, sans avoir à recommencer.
• Combinez avec des fonctionnalités d'IA contraintes : trop d'échanges peuvent décourager les utilisateurs. Ajoutez des éléments structurés en tant que raccourcis. Par exemple, un numéro de commande inféré peut être présenté sous la forme d'un élément cliquable qui permet à l'utilisateur de le rechercher, de le sélectionner ou de le remplacer, plutôt que de reformuler la demande sous forme de texte.
• Identifier les incertitudes et les limites : l'agent doit reconnaître les incertitudes, signaler les informations manquantes et transférer la demande à un humain lorsque le niveau de confiance est faible.

Ce type d'expérience d'IA exige de vos utilisateurs qu'ils évaluent les réponses de manière critique et qu'ils comprennent quand escalader.

Points à retenir

Dans ce module, nous avons examiné différents types d'expériences utilisateur d'IA :

• L'IA en arrière-plan vous permet d'ajouter de la valeur ou de ravir vos utilisateurs existants.
• Les fonctionnalités d'IA contrainte peuvent être utilisées pour des cas d'utilisation spécifiques et bien définis qui sont mieux réalisés avec l'IA.
• L'IA à réponse ouverte est nécessaire pour les domaines à forte variabilité. N'utilisez le mode ouvert que si vous êtes sûr des performances techniques de votre système.

Le tableau suivant récapitule les modèles d'expérience utilisateur recommandés pour chaque type d'IA :

Autres ressources

Pour continuer à en apprendre davantage sur les modèles UX, nous vous recommandons les ressources suivantes :

• Consultez le Guidebook Google People + AI.
• le HAX Toolkit de Microsoft, en particulier leurs consignes pour l'interaction homme-IA.
• The Shape of AI d'Emily Campbell.
• Chapitre 10 de The Art of AI Product Development.

Vérifier que vous avez bien compris