En 2017, Gartner a introduit le concept analyses augmentées dans ses L'analytique augmentée est l'avenir des données et de l'analytique rapport. En termes plus généraux, le concept peut être défini comme la préparation et la présentation de données à l'aide de l'apprentissage automatique et du traitement du langage naturel (parlé ou écrit).
L'année dernière, de grandes entreprises spécialisées dans les solutions numériques de business intelligence (BI), telles que Qlik et Tableau, y investissaient déjà. Qlik a racheté CrunchBot «pour permettre aux utilisateurs de saisir des questions dans un langage conversationnel via l'interface utilisateur Qlik Sense de l'entreprise ou à l'aide d'autres outils de collaboration populaires, tels que Slack, Microsoft Teams, Skype et Salesforce Chat, et de recevoir des informations sur les données directement dans ces applications«. Tableau a également introduit le traitement et la génération du langage naturel dans son Version 2019.
De nombreux articles ont été écrits dans les articles suivants sur le potentiel de l'analyse augmentée pour les entreprises. À savoir, sa capacité à fournir aux entreprises des informations exploitables plutôt que des données brutes abstraites. Néanmoins, très peu de choses ont été écrites sur l'expérience utilisateur et les aspects de conception impliqués dans cette nouvelle façon d'accéder aux données et de les visualiser.
Cela peut être dû au fait que ce nouveau paradigme provient du domaine des data scientists et reste limité à celui-ci. Cependant, il est essentiel que les entreprises ne sous-estiment pas la conception UX de ces outils. Peu importe le potentiel d'un outil s'il est trop difficile ou trop désagréable à utiliser.
Dans le rapport de Gartner, les principaux risques liés à l'analyse augmentée sont liés à la manière dont les humains les recevront. L'une d'entre elles est la résistance de l'utilisateur face à la peur du boîte noire (Des outils d'IA qui prennent des décisions cruciales de manière opaque sans expliquer le raisonnement suivi). Des problèmes comme celui-ci ne peuvent pas être gérés par les data scientists eux-mêmes pour deux raisons différentes :
Les concepteurs UX/UI ne peuvent pas non plus continuer à ignorer le paradigme de l'analyse augmentée. Les prévisions indiquent que d'ici 2020 «90 % des plateformes de BI seront dotées d'une intelligence artificielle et 50 % des requêtes analytiques seront générées via la recherche, le traitement du langage naturel ou la voix, ou seront simplement générées automatiquement.« Étant donné que l'IA et le langage naturel font passer l'interaction utilisateur des interfaces utilisateur graphiques aux interfaces conversationnelles, nous sommes sur le point d'assister à un changement complet dans le secteur, similaire à ce que nous avons observé avec les smartphones.
Voyons maintenant comment les interactions conversationnelles influent sur l'expérience utilisateur, quels sont les défis et les possibilités qu'elles apportent et comment les concevoir correctement.
Comme mentionné précédemment, l'une des principales caractéristiques de l'analyse augmentée est l'interaction via le langage naturel, qui exige interfaces conversationnelles. Ces interfaces peuvent être vocales ou écrites.
L'interaction vocale a certainement un facteur Waouh. Cependant, outre cet effet éblouissant, les interfaces vocales ont une très faible facilité d'utilisation et un potentiel limité lorsqu'il est question d'analyse augmentée et de business intelligence.
La première limite, et la plus évidente, des interactions vocales est le contexte dans lequel les utilisateurs se sentent à l'aise de l'utiliser. Lorsqu'ils parlent de BI, où des informations sensibles sont impliquées, les utilisateurs peuvent ne pas être disposés à parler ou à recevoir les informations d'une manière qui puisse être facilement entendue par leur entourage. Cela limite les situations dans lesquelles les interactions audio sont positives à quelques scénarios, comme conduire une voiture seul ou prendre une douche, par exemple.
La deuxième limite concerne la capacité de la mémoire de travail humaine. Des études montrent que les humains ne peuvent retenir en moyenne que 3 à 5 éléments dans leur mémoire de travail. Si les solutions d'analyse augmentée ne contiennent que des instructions exploitables, certains diront que la mémoire de travail jouera un rôle mineur. Cependant, une grande partie des décisions de BI nécessitent des stratégies impliquant de nombreuses informations, et pas seulement des entrées par oui ou par non. Cela est particulièrement vrai si l'on tient compte du fait que la plupart des décideurs veulent des explications sur la manière dont le système les conseille d'une certaine manière et sur les raisons pour lesquelles il les conseille.
En tant que telles, les solutions BI qui reposent uniquement sur l'interaction vocale sont inutiles en elles-mêmes. Ils doivent toujours être complétés par des interactions écrites afin de mieux répondre aux besoins des utilisateurs.
Les conversations sont compliquées par nature. Il ne s'agit pas de processus linéaires, malgré l'apparence que leur donnent les flux de discussion verticaux.
Les gens vont et viennent avec des questions, des doutes et des décisions. Ils hésitent, font des pauses, interrompent les choses avant de terminer, attendent d'y réfléchir. Ensuite, ils oublient des choses, perdent le contexte dans lequel les choses ont été dites, ils les interprètent mal. Cela signifie que les utilisateurs devront constamment revenir aux processus précédents pour récupérer certaines informations.
La solution évidente pour y parvenir est de fournir un historique des conversations. Cependant, comme nous le savons tous, la recherche d'un historique de conversation peut être une tâche pénible et fastidieuse. Les conversations sont longues et les utilisateurs ne se souviennent souvent pas à quel moment des parties spécifiques de celles-ci ont eu lieu ou quels mots ont été utilisés. Ainsi, dans la plupart des cas, de simples défilements ou des recherches par mots ou par dates ne suffisent pas.
En outre, dans plusieurs cas d'utilisation, les utilisateurs souhaiteront non seulement revoir un résultat, mais aussi répéter des questions complexes pour obtenir des réponses actualisées. Dans ces cas d'utilisation, le problème est que la réécriture des questions entraînerait une perte de temps à écrire des phrases. En tant que Shekman Tank, concepteur de produits chez Intercom dit:
Les interfaces utilisateur conversationnelles peuvent refléter la façon dont nous aimons naturellement communiquer, mais elles nécessitent en fait une charge mentale plus importante que les interfaces graphiques traditionnelles. Si vous demandez à un utilisateur de participer à une conversation au lieu d'appuyer sur un bouton ou deux, est-ce que vous simplifiez vraiment les choses ?
— Débardeur Shekman
Pour améliorer votre expérience utilisateur, pensez à proposer des historiques facilement consultables qui ne reposent pas uniquement sur la mémoire discursive, mais tirent également parti de la reconnaissance des informations et de la mémoire visuelle. Une façon d'y parvenir est de styliser différemment les différentes informations (nous en reparlerons un peu plus loin).
En outre, vous pouvez avoir des raccourcis qui permettent d'accéder rapidement aux questions fréquemment posées. Enfin, vous devriez penser à des cartes de messagerie exploitables qui peuvent servir de points d'ancrage dans la conversation, permettant aux utilisateurs de revenir à un point de conversation précédent et de continuer à partir de là.
De nos jours, la plupart des applications conversationnelles utilisent uniquement du texte brut avec un style de couleur occasionnel, presque comme une ligne de commande. Cela rend la lecture des informations plus lente et plus exigeante pour les utilisateurs, en particulier si l'on tient compte du fait que le langage naturel comporte de longues phrases.
Si vous souhaitez conserver le style de communication humain tout en surmontant ce problème, vous pouvez appliquer des hiérarchies visuelles, en jouant avec des éléments tels que la taille des polices, les paragraphes, l'espacement, les arrière-plans de couleur, les badges de notification ou bien d'autres éléments adaptés à votre situation spécifique.
De cette façon, vous attirez l'attention des utilisateurs sur les informations les plus cruciales et vous leur permettez d'ignorer les bavardages dans les cas d'utilisation où leur capacité d'attention est limitée. Par exemple, lorsqu'un utilisateur vérifie rapidement une information lors d'une réunion ou en déplacement.
Comme de nombreux experts en conception UX l'ont déjà souligné, les échanges de messages ne fonctionnent pas bien en ce qui concerne deux aspects fondamentaux de l'utilisabilité : la découvrabilité et la compréhension. Ou, en d'autres termes, pour informer l'utilisateur des fonctionnalités du système, en les obligeant à exprimer leurs besoins à chaque étape.
Certaines applications tentent de résoudre ce problème en revenant à un onboarding où les options du système sont présentées à l'utilisateur. Cette solution est toutefois insuffisante. Le scénario le plus probable est que les utilisateurs ne prêteront attention qu'aux options qui les intéressent à ce moment-là. Toutes les autres possibilités disparaîtront bientôt de l'esprit des utilisateurs.
Une autre solution complémentaire consiste à faire en sorte que le système suggère des actions contextuelles aux utilisateurs. Le problème de cette approche est qu'elle limite la détectabilité du système en fonction du comportement actuel de l'utilisateur, au lieu de lui présenter les déclencheurs qui permettent d'explorer de nouvelles voies. S'il vous plaît, s'il vous plaît, n'embêtez pas les gens en leur suggérant d'essayer une fonctionnalité aléatoire à des moments où cela ne les intéresse pas !
Que faire alors ? Une solution possible est de conserver un menu traditionnel qui peut être masqué ou affiché dans l'interface. Vous ne pourriez pas créer un menu traditionnel basé sur des pages, mais vous pouvez opter pour des menus basés sur des sujets ou des actions qui montrent une partie de l'arbre de conversation qui sous-tend le système (dans un format auquel les utilisateurs sont habitués). Ce faisant, vous donnez aux utilisateurs des indices visuels leur permettant d'explorer les capacités du système.
Il existe plusieurs cas d'utilisation dans lesquels vous avez besoin que les utilisateurs saisissent des données, créent des requêtes ou simulent des scénarios, par exemple. Comme nous l'avons déjà mentionné, les interactions conversationnelles sont longues et verbeuses. Et plus les échanges d'informations nécessaires sont importants, plus ils s'allongent.
Si vous posez trop de questions à la fois, le message sera confus et l'utilisateur devra déployer des efforts supplémentaires pour le traiter et y répondre tout en s'assurant qu'il a écrit tout ce dont il a besoin. Si vous demandez une chose après l'autre, cela devient frustrant pour les utilisateurs qui voient leurs attentes en matière d'atteinte de l'objectif final retardées encore et encore.
C'est la raison pour laquelle les formulaires Web actuels ont soit un format d'une page, soit un stepper indiquant l'étape en cours et le total manquant jusqu'à la fin. Il en va de même pour les articles de blog qui ont un temps de lecture moyen, afin que l'utilisateur puisse vérifier s'il a réellement le temps de le faire en ce moment, avant de commencer la tâche.
De plus, alors que dans les utopies futuristes, les IA comprennent ce que les utilisateurs veulent dire malgré ce qu'ils ont réellement dit, dans le monde réel, les systèmes doivent toujours gérer la validation des entrées. Il s'agit d'un autre problème pour lequel les interfaces purement conversationnelles n'offrent pas une bonne expérience utilisateur.
Est-ce que vous validez les entrées après leur soumission, sans donner d'indications à l'utilisateur sur son format au préalable ? Expliquons-nous par message le format de l'entrée à chaque fois que nous la demandons ? Faisons-nous en sorte que les utilisateurs s'en souviennent ? Que faisons-nous si un format d'entrée n'est pas valide ? Donnez le feedback de validation, demandez-le à nouveau et retardez la réalisation des objectifs, en plus de spammer le fil de conversation avec une erreur de validation ? Dans tous ces scénarios, l'utilisateur se sentira frustré.
Encore une fois, la solution est de ne pas se départir de bons vieux partenaires. Dans ce cas, des formulaires. Personne n'aime les formulaires, je sais, mais ils donnent aux utilisateurs une visibilité dès le départ sur les informations qui leur sont demandées, ils fournissent des conseils visuels (et des contraintes) sur les formats de données (en réduisant les erreurs de format de saisie) et permettent une validation immédiate, réduisant ainsi la frustration des utilisateurs. Cela fait formulaires un moyen beaucoup plus rapide et efficace de saisir des informations, avec beaucoup moins de va-et-vient.
Comme nous l'avons déjà mentionné, vous pouvez opter pour des solutions qui combinent des interfaces conversationnelles avec des systèmes et des formulaires de navigation classiques, augmentant ainsi l'efficacité de l'interface. De la même manière, la conservation des éléments de visualisation des données graphiques peut aider à résoudre certains des problèmes identifiés liés à l'analyse augmentée, à savoir la peur des boîte noire.
Dans un premier temps, vous pouvez présenter à l'utilisateur des informations simples et exploitables, tout en conservant les avantages d'une approche rapide et impartiale. Vous pouvez ensuite laisser les utilisateurs explorer les graphiques et les tableaux de données eux-mêmes, dans des vues graphiques de plus en plus détaillées, s'ils le souhaitent. Même si les utilisateurs finaux n'explorent pas toutes les options proposées par la suite, le fait d'avoir la possibilité de le faire peut accroître leur confiance dans le système. Cela donne également du pouvoir aux utilisateurs, car ils ont le sentiment d'avoir toujours le contrôle.
Pour ce faire, il est possible de présenter aux utilisateurs des cartes de conversation qui peuvent être étendues pour ouvrir des vues graphiques. Cela peut se faire par le biais d'une approche similaire à celle utilisée par WeChat, une application qui fusionne le concept de chat et de mini-apps.
Comme nous l'avons préconisé dans cet article, au lieu d'utiliser des interfaces purement conversationnelles, vous pouvez opter pour des interfaces qui fusionnent une interface basée sur la conversation et une interface graphique. Dans ces interfaces hybrides, les vues graphiques et les formulaires présentent un énorme avantage : ils ne peuvent présenter que les informations pertinentes à un cas d'utilisation spécifique, préalablement clarifiées grâce à l'interaction conversationnelle. Cela nous permet d'éviter les interfaces encombrées et confuses (si courantes dans les solutions BI traditionnelles). Le fait est que les vues graphiques sont générées par le système en fonction d'un cas d'utilisation spécifique, nous, en tant que concepteurs, n'aurons plus le contrôle sur chaque vue graphique.
Il est donc nécessaire que nous cessions de penser aux pages et que nous commencions à penser à un niveau plus abstrait que jamais, en nous concentrant sur les règles hiérarchiques, les principes de l'architecture de l'information et les mécanismes de la perception visuelle humaine.
Les systèmes de conception jouent un rôle crucial à cet égard, car ils s'appuient sur des directives et des principes permettant la génération de nouvelles interfaces. Une approche que nous trouvons particulièrement adaptée à la conception d'interfaces générées par l'IA est la design atomique système. Cette approche est déjà basée sur une approche générative où de petits éléments sont organisés en éléments de plus en plus complexes. Lors de la conception d'interfaces générées par l'IA, nous devons simplement nous concentrer sur la conception de deux des composants identifiés dans l'approche atomique : les molécules et en particulier les organismes.
À mesure que les interfaces deviennent plus minimalistes, il devient de plus en plus essentiel de savoir comment jouer avec des éléments simples tels que la couleur et la typographie pour renforcer visuellement les expériences utilisateur souhaitées et mieux transmettre les informations.
Dans un cadre où le texte joue un rôle central, des différences typographiques mineures, par exemple, peuvent avoir un impact considérable sur la façon dont le système est perçu par les utilisateurs (s'agit-il d'une police humaniste ou d'une police à espacement fixe ? Ce choix de police est-il adapté au ton de votre IA ? Quelles sont les performances de la police en termes de lisibilité ? Les caractères sont-ils trop similaires les uns aux autres, ce qui ralentit la vitesse de lecture ?).
Les analyses augmentées, et même les interfaces conversationnelles, ne nécessitent pas nécessairement un assistant personnel virtuel. Cependant, bien souvent, les deux vont de pair. Si tel est le cas, le choix des attributs de l'assistant doit être effectué avec soin. Les gens peuvent trouver bizarre de parler à une machine, mais donner à l'assistant un nom à consonance humaine et un avatar de mauvais goût ne résoudra pas le problème.
Les utilisateurs peuvent toujours identifier que l'assistant n'est pas un véritable être humain et sa fausseté peut rendre l'expérience encore plus frustrante et réduire les chances des utilisateurs de faire confiance aux informations que le système leur fournit, car l'ensemble de la plateforme est alors perçu comme trompeur. En tant que principes de technologie calme dites-nous : »Les machines ne devraient pas agir comme des humains. Les humains ne devraient pas agir comme des machines.« Vous pouvez donc envisager de conserver l'identité virtuelle de votre assistant. Vous pouvez avoir un concierge robotisé, par exemple.
Dans tous les cas, faites attention à ne pas tomber dans le clichés dépassés que nous avons vu concernant les assistants virtuels personnels et le genre.
Les entreprises ont lancé à plusieurs reprises ces produits avec des voix féminines et, dans certains cas, des noms. Mais lorsque nous ne pouvons voir qu'une femme, même artificielle, occuper cette position, nous renforçons une culture néfaste.
— Acier Chandra, PC Mag
Les stéréotypes datent des années 90 et l'IA recèle un énorme potentiel pour créer de nouvelles réalités!
Comme nous l'avons vu dans cet article, les interfaces conversationnelles ont un énorme potentiel, mais elles présentent également des problèmes d'utilisabilité évidents.
La bonne nouvelle, c'est qu'il n'y a aucune raison de devoir faire des compromis.
C'est une erreur de croire qu'un design conversationnel signifie que chaque entrée et sortie de l'utilisateur doit être traitée dans un format purement chat. Chaque fois que cela a du sens, il est préférable d'envisager une approche hybride et d'utiliser d'autres éléments interactifs dans la conversation (par exemple, des boutons, des cartes, des formulaires) pour aider les utilisateurs à atteindre leurs objectifs plus rapidement et avec moins de friction. »
— Rajat Harlalka, Hackernoon
Donc, depuis l'avenir appartient aux interfaces hybrides, tirez parti des informations présentées ici et des leçons tirées des applications B2C qui ont déjà commencé à utiliser l'approche hybride et réfléchissez de manière critique au moment d'utiliser un modèle d'interaction ou un autre et à la manière de les fusionner dans une expérience utilisateur cohérente.
Un univers de possibilités s'offre à nous qui travaillons dans le domaine de la conception UI/UX pour les solutions de business intelligence !
Vous avez trouvé cet article utile ? Ceux-ci vous plairont peut-être aussi !
Avec 10 ans d'expérience et une formation en sciences cognitives. Je suis passionné par le design inclusif et les technologies calmes.
People who read this post, also found these interesting:
