Entretiens Synthétiques : Oui ou Non pour la Recherche Utilisateur ?

Entretiens avec des utilisateurs synthétiques. Il y a eu beaucoup d'enthousiasme sur les plateformes de médias sociaux comme LinkedIn et Reddit autour de ce sujet, particulièrement concernant ses avantages et inconvénients.

Mais est-ce vraiment la solution miracle telle qu'elle a été présentée aux professionnels de l'UX et du marketing ? Ou y a-t-il réellement du fond derrière cette idée ? Après tout, l'objectif principal de la recherche UX est d'observer et d'interviewer de vrais utilisateurs, d'apprendre leurs points de difficulté et d'identifier les facteurs qui rendent leurs expériences uniques.

Les entretiens traditionnels sont coûteux, certes, mais en fin de compte, ils permettent de découvrir les nuances et les complexités derrière les interactions et les émotions humaines.

Les outils d'IA générative comme ChatGPT, qui fonctionnent sur des modèles de langage très avancés, ne peuvent créer que des participants IA qui reflètent la moyenne collective, manquant les personnalités diverses et les particularités trouvées dans la démographie commune.

Pourtant, pour les chercheurs qui veulent dépasser le problème de la page blanche, ou pour les multinationales confrontées à des frictions organisationnelles, la recherche synthétique peut effectivement être le catalyseur qui fait avancer les choses. Le coût et le temps requis, comparés aux alternatives traditionnelles, sont également assez minimes.

Donc, cela signifie-t-il que vous pouvez remplacer de vraies personnes par des utilisateurs générés par l'IA dans vos études de marché ? Ou vous fier à des entretiens synthétiques pour prendre des décisions importantes ; des décisions qui pourraient avoir un impact majeur sur votre entreprise ? Examinons cela.

Données Synthétiques & Utilisateurs Synthétiques

Avant d'aborder les entretiens synthétiques, ou les personas synthétiques d'ailleurs, nous devons parler des données synthétiques. Les données synthétiques ne sont pas récentes ; elles ont été largement utilisées pour entraîner des modèles de langage une fois les données d'entraînement originales épuisées.

Comme son nom l'indique, les données synthétiques sont des données artificielles générées par l'intelligence artificielle (IA). Elles ne sont pas collectées à partir de sources réelles, ni ne représentent des données du monde réel, mais sont plutôt dérivées de modèles trouvés dans le monde réel.

Maintenant, quel en est l'intérêt ? Eh bien, c'est économique et relativement plus facile à générer.

Les données du monde réel sont souvent sujettes aux erreurs et aux biais, mais les données synthétiques peuvent être conçues de manière à minimiser ces erreurs. Vous pouvez générer des données qui ressemblent à votre ensemble de données original sans partager d'informations sensibles ou personnellement identifiables, donc vous n'avez pas à vous soucier des lois sur la protection de la vie privée.

De plus, c'est utile lorsque vous traitez avec des audiences de niche ou dans les cas où les données disponibles sont incomplètes ou limitées.

Tout le monde sait qu'il faut beaucoup d'argent et de temps pour compiler des études de marché originales auprès des utilisateurs et des clients. C'est l'une des principales raisons pour lesquelles les grandes marques et les petites entreprises utilisent aujourd'hui des données synthétiques pour recueillir des informations précieuses sur leur public cible.

Cela nous amène aux utilisateurs synthétiques...

Les répondants synthétiques sont tendance dans la recherche marketing et design. L'IA générative est utilisée partout, donc ce n'est pas une surprise que les gens dans ces domaines (mais pas tous) l'utilisent pour créer des utilisateurs synthétiques.

En termes simples, les personas synthétiques sont des avatars numériques ou des représentations virtuelles de vos clients ou utilisateurs. Ils ne sont pas comme les personas traditionnels développés par les professionnels du marketing ou du design, mais sont construits avec l'IA et les technologies d'apprentissage automatique.

La façon la plus simple d'en créer un est via les LLM comme GPT-4 : commencez par décrire vos clients cibles, puis spécifiez leurs objectifs, défis et besoins, et enfin, ajoutez votre idée de produit ou service, qui servira de solution à ces problèmes. Une fois terminé, demandez-lui d'adopter la "persona" de cette audience.

Vous pouvez générer des centaines voire des milliers de personas générés par l'IA qui représentent certains groupes démographiques et peuvent répondre précisément à vos enquêtes et entretiens. Puisque des outils comme ChatGPT sont entraînés sur des ensembles de données diversifiés incluant des conversations écrites et orales de multiples sources et industries, ils peuvent imiter les comportements et les préférences d'une variété d'utilisateurs.

Ainsi, vous pouvez utiliser des utilisateurs synthétiques pour simuler divers scénarios et effectuer des essais et des tests avant de lancer vos produits ou services sur le marché. Ils peuvent traiter de grands volumes de données et fournir des retours pour soutenir les itérations de conception et de campagne.

Cependant, malgré toutes leurs utilisations, les personas synthétiques présentent une limitation fondamentale : si vous traitez un concept nouveau ou essayez de comprendre un nouveau type de client, comme les ouvriers agricoles en Colombie, ils risquent d'être insuffisants.

Comme l'explique Christopher Roosen, un défenseur de la Conception Centrée sur l'Humain :

"L'IA générative est basée sur une capture d'Internet... elle stocke la structure de tous les biais d'Internet, qui inclut des biais s'éloignant des personnes richement présentées dans toutes leurs couleurs, formes et idées, et tendant vers une présentation très stéréotypée des personnes."

L'IA peine à représenter les personnes sous-représentées en ligne, donc lorsque vous lui demandez de générer des personas pour des travailleurs en Colombie, elle peut créer des stéréotypes génériques car les données sur lesquelles elle a été formée contiennent des représentations superficielles de ces personnes. Vos outils peuvent manquer des points clés, retomber dans les clichés et manquer de profondeur nécessaire pour répondre aux questions destinées aux groupes nouveaux ou marginalisés.

Maintenant, Que Sont les Entretiens Synthétiques ?

Les entretiens synthétiques sont similaires aux entretiens utilisateurs ; cependant, au lieu de poser des questions à de vraies personnes, vous interagissez avec des participants synthétiques (alias utilisateurs synthétiques), généralement via un dialogue basé sur le texte ou des formats basés sur des sondages, pour recueillir des informations sur divers sujets.

Maintenant, quiconque a déjà fait de la recherche, que ce soit des entretiens ou des groupes de discussion, sait combien cela peut prendre du temps et être coûteux. Après tout, il faut beaucoup de planification, de coordination et de professionnels qualifiés juste pour préparer les bonnes questions. De plus, vous devez parler à beaucoup de personnes pour identifier les bons objectifs et les points sensibles.

Par rapport à cela, les entretiens synthétiques semblent offrir une alternative plus rapide et plus économique pour mener des conversations avec vos utilisateurs ou clients.

Selon John Whalen dans sa leçon "Hands on with Synthetic Users: Customer Research's Future," les entretiens synthétiques sont idéaux pour :

• Générer des idées au stade initial.
• Interroger des audiences de niche sans avoir à les trouver et les recruter.
• Poser des questions approfondies ou sensibles dans un environnement sûr et sans risque.
• Explorer des situations hypothétiques ou futures.

Peu importe le type de questions que vous posez ; les utilisateurs synthétiques n'hésitent jamais.

Mais les données générées ou les résultats que vous obtenez ne sont pas toujours parfaits. Ces réponses d'entretien peuvent répondre au "quoi," mais pas nécessairement au "pourquoi."

Vous manquez le contexte subtil que seul un visage ou une voix humaine peut fournir – sans microexpressions, intonations et langage corporel. Les entretiens synthétiques peinent également à capturer la profondeur des émotions humaines, car les mots écrits ne parviennent souvent pas à inclure la richesse contextuelle trouvée via le processus de recherche traditionnel.

C'est pourquoi vous devez régulièrement évaluer et valider les entretiens synthétiques par rapport aux réponses humaines. Pourquoi l'approche hybride ? Parce que les données d'entretien peuvent être générées par l'IA, mais les décisions que vous prenez sur leur base auront un impact réel.

Les Entretiens Synthétiques avant ChatGPT

Scott Stevens et Michael Christel ont discuté du sujet des entretiens synthétiques en 1998, dans leur article "Synthetic Interviews: The Art of Creating a "Dyad" Between Humans and Machine-Based Characters." Bien sûr, les chercheurs de Carnegie Mellon se sont concentrés sur les Synthetic Interviews, la technologie développée par l'université.

Leur article définissait les Entretiens Synthétiques comme:

"Un moyen de converser en profondeur avec un individu ou un personnage, permettant aux utilisateurs de poser des questions de manière conversationnelle... et de recevoir des réponses pertinentes aux questions posées."

La technologie était censée être "réaliste" dans la transmission d'informations, d'une manière qui reflète la pensée et les processus de réflexion humains. Les utilisateurs pouvaient poser des questions aux personas générés par ordinateur via des interfaces parlées ou tapées pour comprendre leurs préférences, leur comportement et leurs valeurs.

Pour y parvenir, des milliers de clips vidéo d'acteurs humains ont été enregistrés et stockés dans une base de données. Ces acteurs ont été filmés en train de répondre à des questions potentielles, avec des clips non verbaux supplémentaires, comme boire du café, se gratter la tête ou sourire, pour rendre les personnages plus humains.

Ces réponses étaient ensuite présentées sous forme de tête parlante, pour que les utilisateurs puissent avoir l'impression d'être face à face avec la personnalité. Les personas CG incluaient également des habitudes propres aux personnalités représentées, comme celles d'Albert Einstein, pour les rendre plus authentiques.

L'interface permettait aux utilisateurs de parler normalement dans un microphone et de définir le déroulement de l'entretien. Le système de reconnaissance vocale analysait leurs questions en utilisant ses LLMs existants et fournissait des résultats précis pour les questions pertinentes et des résultats acceptables pour les questions inattendues (lisez l'article pour comprendre ce que cela signifie).

À l'époque, cette technologie était considérée comme un moyen d'offrir des expériences interactives avec des acteurs, des leaders religieux et d'autres personnalités publiques.

C'était avant l'arrivée des outils d'IA générative. Maintenant, vous pouvez simplement demander à un modèle d'"agir comme" une personne particulière, ou dans notre cas, un groupe spécifique de clients ou d'utilisateurs, et il générera instantanément des réponses réalistes, moins les têtes parlantes, bien sûr.

Générer des entretiens synthétiques avec l'IA

Mener des recherches utilisateurs sans personnes semble difficile, mais ce n'est pas le cas. Vraiment. Tout ce dont vous avez besoin est un outil d'IA générative, une bonne idée de votre public cible, et le bon ensemble de prompts et de questions.

• Outils d'IA conversationnelle: ChatGPT, Gemini, ou Claude.
• Public cible/persona: Un document Word ou PDF qui décrit les profils clients, comme leurs données démographiques (âge, genre, localisation), profil de carrière, motivations psychologiques, tâches à accomplir, comportement d'achat, obstacles principaux, et plus encore.

En plus de cela, définissez vos besoins de recherche. Quels sont vos objectifs et cas d'utilisation ? Que voulez-vous apprendre de cette session d'entretien ? Cela vous aidera à formuler vos questions d'entretien. Décidez combien d'utilisateurs synthétiques vous voulez, dans quel format (texte, réponses au sondage), et à quel point leurs réponses doivent être diverses.

À des fins de démonstration, nous allons créer sept utilisateurs synthétiques pour notre dernier produit, persona de recherche by Delve AI, en utilisant la version gratuite de ChatGPT.

La première étape consiste à télécharger un document contenant des détails sur notre groupe d'utilisateurs idéal – cela aide à limiter les répondants à une certaine démographie. Ensuite, nous ajoutons la description du produit et spécifions le nombre de participants synthétiques que nous voulons que le système génère en utilisant une invite bien formulée.

Une fois sollicité, ChatGPT a instantanément généré diverses personas synthétiques. Voici un exemple de l'un d'entre eux nommé Dan Miller, VP of Marketing dans une entreprise d'e-commerce.

Nous avons posé les questions d'entretien suivantes (comprenant un mélange de questions ouvertes et de type sondage) à chacun de ces personas.

• Pouvez-vous m'expliquer comment vous ou votre équipe créez actuellement des personas utilisateurs ?
• Quels types de données utilisez-vous habituellement ? (par exemple, transcriptions d'entretiens, résultats de sondages, analyses web, etc.)
• Combien de temps faut-il généralement à votre équipe pour créer ou mettre à jour des personas utilisateurs ?
• Sur une échelle de 1 à 5, à quel point êtes-vous confiant que vos personas actuels représentent fidèlement vos utilisateurs ? (1 = Pas du tout confiant, 5 = Extrêmement confiant)
• Quels sont les plus grands défis auxquels vous faites face lors de la création ou du maintien des personas utilisateurs ?
• Si un outil pouvait vous aider à générer des personas précis et basés sur des données en quelques minutes à partir de vos recherches existantes, quelle serait sa valeur pour vous ou votre équipe ?
• Quelles fonctionnalités attendriez-vous ou auriez-vous besoin d'un tel outil ?
• Avez-vous déjà utilisé un outil basé sur l'IA ou automatisé pour la création de personas ? Si oui, quelle a été votre expérience ?
• Seriez-vous ouvert à tester un nouvel outil qui vous aide à créer des personas plus rapidement en utilisant vos données de recherche ?
• Selon vous, qu'est-ce qui ferait de ce type de produit un 'indispensable' plutôt qu'un simple 'bon à avoir' ?

Nous avons demandé au chatbot de résumer les réponses de l'entretien dans un rapport professionnel et clair, soulignant les problèmes ou préoccupations qu'ils ont avec le produit, ce qu'ils aiment à son sujet, et les citations à l'appui.

Comme prévu, le système a identifié la plupart des problèmes communs que les utilisateurs associeraient à ce type de création de personas – sortie générique, préoccupations de confidentialité, etc. Cela a été suivi d'un résumé de ce qu'ils ont aimé du produit, qui, encore une fois, n'était pas si mal.

Ce processus d'entretien nous a laissé avec des éléments qui pourraient intéresser nos utilisateurs potentiels, mais rien d'extraordinaire. Les réponses ont été rapides – l'exercice entier a pris environ 15 minutes – cependant, ces données ne peuvent être utilisées que pour créer de meilleures questions plus spécifiques pour vos utilisateurs réels.

Vous pouvez consulter les résultats complets, ainsi que les prompts et les questions utilisés ici.

Vos données d'entretien ne sont valables que si les utilisateurs synthétiques créés par le système le sont. Donc, si vous souhaitez générer des entretiens synthétiques de cette manière, examinez en détail la qualité des données clients que vous avez introduites dans le modèle. Y a-t-il des biais ou des lacunes ? Incluez-vous les bonnes données dès le départ ? Vous entraînez le système à imiter quelque chose, alors assurez-vous que ce "quelque chose" est vraiment ce que vous voulez.

Pour que les LLMs génèrent des données qui reflètent la complexité et les nuances des réponses humaines réelles, vous avez besoin de bons prompts.

Rappelez-vous : Bonnes données d'entrée + prompts bien conçus = Résultats d'entretien de qualité.

Une fois les données synthétiques générées, validez-les avant de les utiliser. Effectuez des vérifications manuelles et utilisez des outils de validation pour évaluer la qualité, la cohérence et l'exactitude. Les parties prenantes sont sceptiques concernant les données synthétiques (et à juste titre), alors soyez transparent si vous utilisez des données générées par l'IA dans vos rapports de recherche utilisateur.

Problèmes potentiels avec les entretiens synthétiques

Michael Mace compare Synthetic Users, un outil qui utilise l'IA générative pour simuler des entretiens clients, aux entretiens avec des personnes réelles dans son article "L'IA peut-elle remplacer les entretiens de découverte ? Une comparaison concurrentielle."

Si nous devons discuter des inconvénients des répondants synthétiques et, par conséquent, des entretiens synthétiques, son article constitue un excellent point de départ.

Mace a mené une étude comparative entre Synthetic Users et UserTesting (qui permet de poser des questions à de vraies personnes d'un panel en ligne) en utilisant une idée novatrice – un service de covoiturage utilisant des voitures volantes.

Les résultats de cette étude n'étaient pas en faveur des utilisateurs synthétiques.

Synthetic Users était certainement rapide. Vous créez les utilisateurs, ajoutez les questions, et les réponses sont générées en quelques minutes. En revanche, l'utilisation de UserTesting nécessitait une journée entière – rédaction d'un plan, mise en place de filtres, attente des réponses, puis analyse des résultats. Et même là, trouver les bonnes personnes avec les caractéristiques souhaitées était difficile.

Le problème avec Synthetic Users est que si vous définissez un utilisateur avec un problème spécifique, il ne remettra pas en question l'existence de ce problème. Il suppose simplement qu'il existe. Vous vous retrouvez donc avec des utilisateurs hypothétiques qui n'existent pas dans la réalité.

Ce qui pose problème.

Même les transcriptions générées étaient un peu trop parfaites, sans mots de remplissage, répétitions ou phrases incomplètes. Elles manquaient des indices émotionnels qu'offrait UserTesting, puisqu'il n'y avait pas de vidéos ou d'expressions à analyser.

De plus, les participants synthétiques sonnaient similaires les uns aux autres, avec des réponses quasi identiques.

Les résultats étaient basiques, moyens et déconnectés de la réalité. Les vrais utilisateurs, bien que leurs réponses n'aient pas été raffinées, ont apporté plus de variété et de détails.

Mis à part la rapidité et un aperçu basique de votre audience, cet outil n'a rien fait pour vous aider à en apprendre davantage sur la façon dont vos clients pensent et réagissent. Ce qui est malheureusement le problème avec la plupart des méthodologies de recherche synthétiques.

Recherche Synthétique : Créez des Utilisateurs, des Sondages et des Entretiens Simulés avec Delve AI

Nous avons examiné les méthodes manuelles de recherche synthétique ; maintenant, découvrons les méthodes basées sur l'IA. Le Logiciel de Recherche Synthétique de Delve AI est l'un des outils qui vous aide à créer des personas IA pour vos utilisateurs ou clients, et à les utiliser pour réaliser des sondages et des entretiens.

Actuellement, le logiciel de recherche comprend trois fonctionnalités :

• Utilisateurs simulés
• Sondages
• Entretiens

Construits à partir de sources de données propriétaires et publiques, ces personas virtuels sont évolutifs et diversifiés. Vous pouvez générer n'importe quel nombre d'utilisateurs et mener autant d'entretiens quantitatifs et qualitatifs que vous le souhaitez.

Étape 1 : personas

Vous devez créer des personas de base avant de développer des utilisateurs simulés. Pour cela, vous devez vous abonner à l'un de nos produits personas.

Actuellement, notre générateur de personas IA en propose six :

• Customer persona (basé sur vos données CRM)
• Website persona (pour vos visiteurs/acheteurs du site web)
• Social persona (pour vos audiences sur les réseaux sociaux)
• Competitor persona (pour les concurrents)
• Research persona (pour vos utilisateurs)
• Audience persona (basé sur la description de votre audience)
• Employee persona (pour le lieu de travail)

Dans ce cas, nous allons construire des personas en utilisant l'outil persona de recherche mentionné précédemment.

Inscrivez-vous ou connectez-vous à Delve AI, allez dans Research Persona, et téléchargez vos documents. Vous pouvez inclure tout ce qui est pertinent, comme des transcriptions d'entretiens, des rapports de sondage, des actualités du secteur, ou d'anciens profils d'utilisateurs.

Cliquez sur "Créer des Personas", et Delve AI développera des personas basés sur les données que vous avez fournies. Ne vous inquiétez pas si vous n'avez pas de matériel de recherche ; ajoutez simplement une brève description de votre public cible avec quelques détails sur votre produit ou entreprise (facultatif), et nous nous en occuperons.

En plus de vos contributions, notre plateforme s'appuie sur les apprentissages de milliers de personas précédemment générés pour créer des profils clients uniques. Le résultat peut être un ou plusieurs personas, selon votre audience et cas d'utilisation. Chacun de ces segments contient des détails sur le persona, la distribution et les parcours client.

Cliquez sur DÉTAILS DU PERSONA, et vous verrez les données démographiques des utilisateurs, le style de vie, la situation professionnelle, les aspirations, les facteurs influençant les décisions d'achat, les moteurs psychologiques (objectifs, motivations, besoins) et les défis principaux.

Ceci est suivi par des informations sur leurs canaux de communication préférés, réseaux sociaux, marques, sites de shopping, musique, émissions de télévision, films, chaînes YouTube, podcasts, subreddits, ressources influentes, et plus encore.

L'onglet DISTRIBUTION montre comment votre audience est répartie dans un segment particulier, ventilé par canal, réseau social, âge, sexe, langue, localisation, niveaux d'activité et sujets (à la fois résonnants et génériques).

Le dernier onglet, PARCOURS CLIENT, contient des cartes du parcours utilisateur divisées en phases distinctes, explorant les objectifs, actions, problèmes et processus de réflexion de vos utilisateurs.

Note: Vos personas sont automatiquement mis à jour avec des données fraîches chaque mois, et vous pouvez également les compléter avec des données de recherche supplémentaires.

Étape 2: Utilisateurs Simulés

Maintenant que nous avons créé les personas, passons à l'étape suivante, c'est-à-dire la génération d'utilisateurs synthétiques. Pourquoi est-ce nécessaire ? Parce que vous ne pouvez pas mener d'entretiens sans eux.

Pour commencer, allez sur le tableau de bord Synthetic Research et achetez le nombre d'utilisateurs dont vous avez besoin – par exemple, 100. Ensuite, créez un panel avec ce groupe et donnez-lui un nom, comme Marketing Insights Group. Cela vous aidera à organiser et gérer vos audiences plus tard.

Vous serez dirigé vers un écran où vous pourrez sélectionner le(s) persona(s) ou le produit persona que vous souhaitez utiliser pour générer des utilisateurs synthétiques. Ici, nous allons choisir un segment de persona de recherche nommé Edward Collins.

Comme montré ci-dessous, le logiciel a généré 100 utilisateurs synthétiques basés sur ce segment de persona utilisateur spécifique. Chaque utilisateur inclut une option "Démarrer la Discussion", que vous pouvez utiliser pour interagir avec eux (voir Digital Twin pour plus d'informations).

Étape 3: Sondages + Entretiens

Nos personas simulés sont prêts; il est temps de mener des sondages et des entretiens de recherche utilisateur.

Dans la barre latérale, cliquez sur Marketing Insights Group, puis sélectionnez Sondages dans le menu déroulant. Sur le tableau de bord, cliquez sur le bouton "Créer un Sondage". Vous serez invité à saisir le nom de votre sondage (par exemple, Enquête d'adéquation produit-marché), spécifier le nombre d'utilisateurs (par exemple, 100), et télécharger un fichier CSV contenant vos questions.

Votre fichier peut inclure différents types de questions, comme des questions à choix multiples, échelle d'évaluation, échelle de Likert, questions ouvertes et questions de classement. Il ne faudra qu'un court moment pour que vos réponses soient générées.

Avec les résultats, vous pourrez analyser quels répondants ont donné des réponses spécifiques à chaque question et même leur demander les raisons de leurs choix en utilisant la fonctionnalité de chat.

Vous pouvez également leur demander des retours sur d'autres sujets liés au marketing et aux produits. Dans l'exemple ci-dessus, nous avons demandé à un utilisateur quels facteurs ont influencé leur décision d'effectuer un achat en ligne.

Ce qui rend cet outil différent

Une critique majeure de la recherche générée par l'IA est qu'elle manque d'authenticité, de profondeur et de nuances émotionnelles que l'on obtient généralement lors d'entretiens réels. Cela, et la préoccupation que les biais dans les données d'entraînement peuvent potentiellement fausser vos résultats de recherche.

Comme l'écrit Niloufar Salehi dans son article sur les utilisateurs synthétiques:

"L'intérêt principal de prendre le temps d'interviewer des personnes puis... d'analyser les grandes quantités de données recueillies est la capacité de se connecter avec eux, de construire la confiance, d'approfondir, de leur demander de partager des histoires, et d'apprendre sur leurs sentiments et émotions. Les moteurs de synthèse de motifs n'en possèdent aucun."

Cependant, pour les personnes ou les équipes qui débutent, en particulier celles qui n'ont pas le temps ou le budget pour une recherche utilisateur approfondie, les entretiens synthétiques peuvent être une alternative attrayante et accessible.

Le Logiciel de Recherche Synthétique de Delve AI ne recrute pas de personnes. Ni ne les interroge.

Mais il utilise les informations que vous avez recueillies sur vos utilisateurs pour créer des audiences similaires. Ces utilisateurs virtuels, construits à partir de personas générés en utilisant vos données propriétaires (CRM, analytics web), secondaires (données d'audience sociale, veille concurrentielle), et données de la Voix du Client, ne sont pas quelque chose de générique créé par ChatGPT.

Ils sont personnalisés selon votre cas d'utilisation professionnelle et vous donneraient probablement une meilleure compréhension de vos utilisateurs et de leurs besoins essentiels.

Regardons le Bon Côté

Les entretiens synthétiques peuvent être problématiques, mais seulement si les utilisateurs simulés sur lesquels vous les effectuez sont génériques, inexacts ou biaisés. La qualité des personas synthétiques est directement liée à la qualité des réponses que vous obtenez ; meilleure est la qualité, meilleures sont les réponses.

Ainsi, il vous incombe de sélectionner, ou si vous en êtes capable, de construire un logiciel de recherche synthétique fiable (ce qui nécessitera beaucoup de ressources).

Une fois que vous en trouvez un, vous pouvez l'utiliser pour identifier les problèmes évidents avant de mener des entretiens réels. Les utilisateurs synthétiques sont également utiles pour générer de nouvelles idées. Des perspectives ou opinions nouvelles qui existaient déjà, mais dont vous n'aviez pas connaissance.

Il va sans dire qu'au stade où ils en sont actuellement, les entretiens synthétiques ne devraient que compléter vos études de recherche. Les utilisateurs simulés ne devraient jamais prendre le pas sur les utilisateurs réels. Vous pouvez les utiliser pour tester plusieurs scénarios, mais validez toujours ces résultats avec vos conclusions de recherche réelles.

Au final, peu importe le type d'utilisateurs que vous choisissez ; ce qui compte, ce sont les questions que vous posez, ou ne posez pas.