chargement des résultats
Intelligence artificielle
Expérience utilisateur (UX)

Intelligence artificielle

Un groupe pour regrouper les questions, astuces, REX, outils et ressources sur l'utilisation de l'intelligence artificielle dans les métiers de l'UX.

A propos
12 Abonnés
Responsables · Postuler
  • Posts Récents
  • Tendances
  • Plus populaire
  • ·
  • ·
  • Construire des produits AI avec une technologie que l'on ne maitrise pas a 100%.
    Je repartage car je suis en plein dedans. L'article explore les défis de créer des produits massivement utilisés qui utilisent des modèles LLMs. Les LLMs ne sont pas des bases de données et ne peuvent pas fournir des réponses précises et exactes. Ils sont des systèmes probabilistes qui peuvent donner des réponses incorrectes même si elles sont probables. Evans propose deux approches pour résoudre ce problème : Treat it as a science problem : les modèles vont s'améliorer, mais il est difficile de prévoir à quel point. Cela ressemble à la question de savoir si les LLMs produiront un intelligence artificielle générale (AGI). Treat it as a product problem : comment construire des produits utiles qui utilisent des modèles qui ne sont pas précis ? Il y a deux manières de s'attaquer à ce problème.
  • Domaine étroit : créer des produits qui utilisent des modèles pour des domaines spécifiques, avec des interfaces qui communiquent clairement ce que le modèle peut et ne peut pas faire.
  • Abstraction : créer des produits qui utilisent les LLMs de manière abstraite, sans que les utilisateurs ne réalisent qu'ils utilisent de l'IA. Cela ressemble à la façon dont les technologies précédentes ont été intégrées dans les produits.
    Lien article: https://www.ben-evans.com/benedictevans/2024/6/8/building-ai-products
  • merci! Utile
  • Pas utile
  • Pas sûr
  • La recherche de uses cases en IA
    L'article "Looking for AI Use Cases" de Benedict Evans explore les différentes applications potentielles de l'intelligence artificielle (IA) dans divers secteurs. Evans souligne que, bien que l'IA offre des opportunités énormes, il est crucial de trouver des cas d'utilisation pragmatiques où l'IA peut véritablement ajouter de la valeur. Il discute de l'importance d'identifier des problèmes spécifiques que l'IA peut résoudre efficacement, plutôt que d'adopter l'IA pour le simple fait de suivre une tendance. Pour plus de détails, vous pouvez lire l'article complet ici.
    • merci! Utile
    • Pas utile
    • Pas sûr
  • Une designeuse à New York : Event IA X Product management
    Jeudi dernier, j'ai eu le privilège d'assister à un événement à New York organisé par la communauté Product Tank NYC. Celui-ci portait sur le product management à l'ère de l'IA. 3 intervenants inspirants se sont relayés : Felicia Schwartz, Emerson Taymor et Jim Thomson. 
    De nombreuses questions ont été abordées, telles que : "Comment l'intelligence artificielle peut-elle impacter la construction d'un produit ?" ou encore "Comment utiliser l'IA pour accroître notre efficacité et notre productivité ?". Les intervenants ont mis l'accent entre autres sur la collaboration entre les équipes, la stratégie produit, la recherche utilisateur, le traitement des données, ou encore le processus de conception et de développement. De cet événement, je retiens que l'IA peut être perçue comme un "partenaire de réflexion", et utilisée comme un outil nous aidant à expérimenter, identifier, automatiser, prioriser, développer, améliorer, optimiser, décider, etc.
    Cependant, il ne faut pas espérer qu'elle nous fournisse toujours une réponse fiable, ni qu'elle détienne la vérité absolue, car celle-ci repose uniquement sur la qualité des données qui la nourrissent. Elle peut, en revanche, servir de catalyseur de réflexion, que nous devons combiner avec notre principale qualité en tant qu'êtres humains : notre esprit critique.
    Un autre point intéressant concerne les problématiques émergentes lors de l'intégration de l'IA au sein des entreprises. On aborde alors des sujets tels que l'équilibre entre coût et bénéfice dans les investissements liés à l'IA, les considérations éthiques, les différents rôles et responsabilités et les risques potentiels liés au partage de données sensibles avec l'IA. Des sujets que les designers doivent aussi s'approprier. J'ai d'ailleurs pu assister à une autre conférence passionnante sur “L'IA porte atteinte à notre vie privée. Que pouvons-nous faire ?” avec Robert stribley et la communauté Brooklyn Product Design, qui pourra faire l'objet d'une autre publication.
    Ces nombreux thèmes ouvrent la voie à des discussions et débats passionnants à suivre de près. Ils sont incarnés par de nombreux outils qui évoluent rapidement, tels que ceux partagés lors de cet événement : ChatGPT, PRD.ai, Peak AI, Zeda, Get Magical, Kadoa AI, Globe Explorer, Uizard...
    À ce titre, voici un exemple donné pendant la conférence à la fois fascinant et quelque peu terrifiant, soulevant de nombreuses questions sur notre usage de l'IA et son impact : [Reid Hoffman on LinkedIn: Can talking with an AI-generated version of myself lead to a deeper… | 895 comments](https://www.linkedin.com/feed/update/urn:li:activity:7188916775692947456/)
    Et pour vous, en tant que designer, quelle est la dernière IA que vous avez testée et qui vous a marqué?

    • merci! Utile
    • Pas utile
    • Pas sûr
  • ChatGPT, Gemini ou Agent GPT, quel LLM* performe le mieux sur un sujet de recherche?
    4 LLMs, un même prompt, des résultats mitigés Vous l’avez sans doute remarqué, Gemini a fait une entrée tonitruante sur le marché des LLMS, et se positionne en concurrence directe avec ChatGPT. Curieuse de voir ce qu’il avait dans le ventre, j’ai décidé de faire un test simple: comparer les résultats sur un sujet de recherche hypothétique mais réaliste. Quel LLM saura me donner une réponse satisfaisante (correcte, exhaustive, précise) et saura réellement me servir de partenaire dans mes activités de brainstorming?  J’ai sélectionné 4 LLMs pour cet exercice comparatif: ChatGPT, Gemini et Agent GPT, et Perplexity tous en version gratuite.  wikihero-image-id: 1270 Mon choix s’est porté sur ces LLMs suite à plusieurs articles qui ont inondés ma boîte mail au lancement de Gemini. Ma curiosité était piquée, je devais savoir ce que la bête avait dans le ventre. Ayant déjà expérimenté avec ChatGPT et AgentGPT, je souhaitais comparer leurs performances. En ce qui concerne Perplexity, c’est un article de Jakob Nielsen publié en novembre 2023 (une éternité dans le monde de l’IA), qui m’a poussée à l’intégrer à cette expérience. Mon expérience s'est articulée autour d'un prompt commun : élaborer un plan de recherche sur un sujet de maîtrise, simulant la démarche d'un UXR cherchant à identifier les besoins d'une marque dans le cadre d'une solution SaaS pour les RH, questionnant l'existence d'un marché pour une telle solution développée par une entreprise. Notez que mon prompt était plutôt vague, il n’y était pas question du marché visé, ni de la marque, encore moins du type de produit SaaS. Aussi le prompt utilisé me laissait imaginer que les résultats ne pourraient être que très génériques.
    Voici le prompt utilisé: Act as a UXR who needs to uncover the specific needs of a market, when it comes to SaaS solutions for HR. Write a research plan. The main research question being: is there a product market fit for a specific solution, developed by a foreign company. Also rephrase this prompt for better result. Agis comme un UXR qui doit découvrir les besoins spécifiques d'un marché en ce qui concerne les solutions SaaS pour les RH. Rédige un plan de recherche. La principale question de recherche étant : existe-t-il un adéquation produit-marché pour une solution spécifique, développée par une entreprise étrangère ? Une astuce personnelle que j'ai employée consiste à demander à ces modèles de reformuler le prompt pour optimiser les résultats, une technique souvent couronnée de conseils utiles pour mieux exploiter l'outil.
    Score global wikihero-image-id: 1271 Les résultats de recherche sont assez comparables (voirs les détails ci-dessous). En ce qui concerne l'interface, les modèles comparés sont assez accessibles pour un utilisateur novice, à l'excéption de AgentGPT, dont la prise en main peut s'avérer moins aisée. On retrouve le ton et style de communication assez mécanique de ChatGPT dans la plulart des modèles. Gemini semble un peu moins formel, et se démarque légèrement en la matière, mais de très peu. AgentGPT se caractérise par une répétition de tâches sous formes de listes numérotées, et un contenu moins "conversationnel" que ces concurrents. En ce sens, il se détache du lot et peut paraître moins convivial. 1 des 6 tâches détaillées par Agent GPT Les résultats obtenus de Gemini et ChatGPT étaient étonnamment similaires en termes de contenu, couvrant les objectifs, la cible, les méthodologies mixtes (quantitative et qualitative), le plan, les ressources, et les questions de recherche. Cependant, Gemini se distingue par une formulation légèrement plus naturell, moins mécanique que celle de ChatGPT.  Intéressant à noter, Gemini m’a livré 3 propositions: la première est assez semblable à celle de ChatGPT, la seconde, intéressante, différencie Market, User Research, et Data Analysis. Quant à la troisième version, elle propose une refonte du prompt et un focus fortement accès sur la recherche de marché: 3 résultats de recherche suggérés par Gemini Rephrasing the Prompt: Instead of focusing solely on the "foreignness" of the company, let's rephrase the prompt to emphasize the solution itself and its potential fit in the market: Main Research Question: Does the proposed HR SaaS solution, developed by [Company Name], address the unmet needs and pain points of its target audience within the HR market?”.  Dans sa première proposition, Gemini énonce des livrables et une timeline détaillée des activités de recherche semaine par semaine, ainsi que des conseils sur les plateformes et logiciels à utiliser pour la collecte et l'analyse des données. C’est un peu plus que ce que propose ChatGPT, mais il me semble difficile d’avancer un planning du projet sans la moindre connaissance du contexte, des ressources et des contraintes inhérentes au projet.  Il met également en lumière l'importance de considérer les différences culturelles dans les méthodes de recherche, et la confidentialité des données, un point que ChatGPT n'a pas abordé. En ce sens, et malgré des résultats très semblables à ChatGPT, il offre une dimension différente, moins cadrée, en s’éloignant légèrement du prompte initial, qui ne mentionnait pas les facteurs et contraintes à prendre en compte.
    AgentGPT, quant à lui, propose un plan de recherche complet et des tâches spécifiques pour chaque étape de recherche proposée. Cependant, sa version gratuite est limitée à cinq interactions. Dommage, car j’aurai bien aimé voir la suite. Chaque “tâche” est détaillée et présente une liste numérotée d’actions à prendre. Ceci me semble, dans ce contexte, la version la plus intéressante, à défaut d’être exhaustive et pertinente (le prompt était trop vague pour permettre une réponse réellement adaptée). Enfin, le plan de recherche proposé par Perplexity en 6 grands points n’apporte réellement rien de nouveau. En ce sens, le plan de recherche me semble peu utile. Ce qui peut s’avérer intéressant ceci dit, sont les références aux sources (sans doute utilisées par les autres LLMs) et la section “Related” qui propose d’autres questions pour étendre son axe de recherche.  L’ajout d’une nouvelle section permettant de chercher les vidéos ou images en lien avec le sujet peut permettre une recherche plus efficace, dans la mesure où Perplexity pointe vers du contenu utile. Ce serait idéal si le contenu était réellement pertinent: sur les 4 vidéos proposées, les ¾ n’étaient qu’indirectement en rapport avec mon sujet.  Section “Sources” dans Perplexity
    Section “questions ou recherches associées” dans Perplexity
    Conclusion Dans l’essence, malgré des approches et des présentations différentes, tous les modèles testés se rejoignent en terme de contenu. Certains sont plus “aventureux” dans leurs résultats (notamment Gemini). AgentGPT se démarque par ses résultats itératifs, qui peuvent apporter une grande granularité. Pour les débutants en UXR, ces outils peuvent s'avérer utiles pour surmonter les limitations liées au manque d’expérience et structurer leurs démarches de recherche, mais ils ne sauraient remplacer une démarche de définition du champ de recherche préliminaire. Si je devais opter pour un partenaire de brainstorming, mon choix se porterait sans doute sur AgentGPT, mais je crains que la version gratuite ne soit limitée. Un investissement s’impose donc, pour en faire un vrai outil de travail. Il est aussi de loin celui à l’interface et la prise en main la moins intuitive.  Gemini semble aller un peu plus loin dans la “réflexion” sur un prompt qui ne prend pas en compte les spécificités du projet, de l'industrie, ou des parties prenantes. Je trouve les 3 résultats intéressants, et n’exclue pas, à l’avenir, de comparer les résultats d’un même prompt entre ChatGPT et Gemini.  Quant à Perplexity, je l’utiliserait principalement pour retrouver les sources des résultats et pour des recherches au périmètre très précis.  L’avenir nous montrera peut-être que l’un ou l’autre s’avère plus efficace pour ce type d’exercice, mais pour l’heure, je suis d’avis qu’il s’avère d’explorer et d’exploiter la diversité de ces ressources, tout en sachant faire preuve d’esprit critique.
    Attention Dernier point et pas des moindres, n’hésitez pas à réitérer votre prompt et à comparer les résultats à quelques heures ou jours d’intervalle dans chaque LLM, dans la mesure où il y a de fortes chances s’obtenir des résultats différents. Ceci est due à la nature non déterministe des LLMs (il n’y a aucune garantie de consistance), qui permet aussi de regénérer une réponse, si l’on n’aime pas le résultat initial. Cela veut aussi dire que la même recherche, dans le même LLM, à une heure d’écart, peut donner des résultats différents, le modèle cherchant à donner le résultat le plus probable à l’instant T.  Ceci est pour moi un très bon rappel de la nature même de ces modèles d’ IA générative: les comprendre c’est mieux les prompter et les appréhender avec recul et sens critique. La qualité des résultats dépendra largement de la qualité du prompt et de la précision apportée. Cet article en Anglais livre quelques pistes intéressantes pour limité la propriété aléatoire des résultats de recherche.  *Large Language Model: voir définition sur Wikipédia
    • merci! Utile
    • Pas utile
    • Pas sûr
  • Révolution IA chez Alan : les coulisses d'une transformation
    • merci! Utile
    • Pas utile
    • Pas sûr
  • Outils AI à découvrir pour faciliter les restitution de sessions, ITWs...
    Quelques outils AI à tester qui pourrait aider les Designers et UX Researchers dans la prise notes et restitution de sessions diverses :  https://tactiq.io/  https://fireflies.ai/ N'hésitez pas à commenter et donner votre retour si vous avez pu tester de votre côté :-) 
    • merci! Utile
    • Pas utile
    • Pas sûr
  • AI Tools in UX Research (From AI’s Perspective) from Debbie Levitt
    Intéressante conversation avec l'outil Claude.ai (non disponible encore en France) sur les pratiques UX Research et le rôle de l'IA  https://rbefored.com/ai-tools-in-ux-research-from-ais-perspective-ffd23f6f83bb (lang EN)
    • merci! Utile
    • Pas utile
    • Pas sûr
  • UX for AI: Discussion avec Jakob nielsen
    Discussion entre jakob nielsen et la VP de NN group sur le futur de l'UX avec l'AI.  https://www.youtube.com/watch?v=T2NcRBlh3Dc
    • merci! Utile
    • Pas utile
    • Pas sûr
  • prompt:UX 2024 - la Prochaine conférence IA + UX le 17-18 avril à Berlin
    Programme de conférence et workshop dédiée à l'intersection IA et conception centrée utilisateur. Infos et tarifs par ici : https://www.promptux.ai/ Date : 17-18 avril 2024  Lieu : Berlin
    • merci! Utile
    • Pas utile
    • Pas sûr
  • Comment j’utilise chatgpt dans mon travail de designer.
    Dans ma pratique, j'ai développé une technique assez geek pour gérer les moments où les idées ne sont pas claires dans mon esprit. Quand je me sens confus, je prends le temps de noter tout ce qui me trouble, puis je demande de l'aide à ChatGPT pour obtenir des éclaircissements. C'est une méthode vraiment utile pour obtenir des perspectives claires sur les problèmes embrouillés. Lorsque je brainstorm, cette approche me devient particulièrement utile. Souvent, je me retrouve seul dans le processus créatif, surtout dans des situations où je suis le seul designer, comme c'était le cas dans mon rôle au sein d'une startup. Même maintenant, dans une équipe de vingt designers, chacun concentré sur son projet, les opportunités de collaboration créatives sont limitées. Alors, j'utilise ChatGPT pour simuler cette collaboration. Je lui présente le contexte et les informations dont je dispose, puis je lui demande de me poser des questions stimulantes. Cela m'oblige à approfondir ma réflexion et à explorer des questions auxquelles je n'aurais pas pensé par moi-même. Un autre usage important de l'IA pour moi est la synthèse de l'information. Quand je suis submergé par un excès de données, je demande à l'IA de m'aider à les organiser. Par exemple, après un atelier créatif rempli de post-its, je peux utiliser FigJam AI ou Miro pour synthétiser et organiser ces idées. Bien que cela nécessite une certaine relecture, cette méthode me fait gagner un temps précieux en condensant l'information de manière efficace. Enfin, j'intègre l'IA dans mon travail de création de contenu pour ma chaîne YouTube. J'utilise une IA pour découper mes vidéos en segments courts adaptés à des plateformes comme TikTok. L'IA analyse et sélectionne les moments les plus pertinents de la vidéo, les reformatant selon le style nécessaire – vertical, horizontal ou carré. Elle génère même automatiquement les sous-titres. C'est un outil fantastique qui simplifie grandement la diffusion de mon contenu sur diverses plateformes
    • merci! Utile
    • Pas utile
    • Pas sûr
  • Comment s'approprier des outils IA lors de son design?
    Un début sur comment utiliser l'IA pour son process de design, toujours avec le devis : c'est bien le designer qui garde le contrôle, faire gaffe avec des outils qui tirent des conclusions eux-mêmes.  https://www.youtube.com/watch?v=Qfnlfvu7d34
    • merci! Utile
    • Pas utile
    • Pas sûr
  • l'IA, troisième paradigme de l'interface utilisateur
    Pour bien ancrer l'arrivée de l'IA dans l'historique de base ;) https://www.nngroup.com/articles/ai-paradigm/
    • merci! Utile
    • Pas utile
    • Pas sûr
  • State of AI 2023
    Rapport sympa sur les outils et les uses cases de l'AI et comment ils sont utilisés par les devs et la c-suite. https://retool.com/reports/state-of-ai-2023
    • merci! Utile
    • Pas utile
    • Pas sûr
  • A propos
    12 Abonnés
    Responsables · Postuler