Des écrans individuels aux systèmes réutilisables.
L’IA n’a pas changé ma façon de penser le produit. Elle a changé où j’investis mon temps : en délaissant la production manuelle d’écrans, au profit de la construction de systèmes réutilisables qui me permettent d’explorer, de valider et de livrer plus vite, sans rogner sur l’exigence de preuves.
Ceci n’est pas une vitrine d’outils ou de prompts. C’est un compte-rendu vivant d’un changement dans ma façon de pratiquer la conception produit, encore en évolution, et ancré dans des projets réels plutôt que dans des démonstrations.
Le discovery et la recherche n’ont jamais été le problème. La production était la partie coûteuse.
La conception produit traditionnelle repose encore largement sur la production manuelle : reconstruire des mises en page, remplir des données fictives, refaire des motifs courants et préparer les livrables de passation avant même que l’ingénierie ne puisse commencer. Rien de tout cela n’est de la réflexion. C’est de la charge opérationnelle. Le diagramme ci-dessous ne parle pas de remplacer Figma, les designers ou le code : il parle de l’endroit où repose le poids du travail.
Discovery, recherche et réflexion produit occupaient déjà la majeure partie de mon temps. La production était tout simplement la partie la plus coûteuse du processus.
↔ Faites glisser pour voir toutes les étapesDiscovery et recherche bénéficient désormais de plus de temps, pas de moins : la réflexion s’étend dans l’espace qu’occupait autrefois la production. La production coûte une fraction de ce qu’elle coûtait, si bien que le prototypage et la validation se développent pour occuper ce qui reste.
L’IA n’a pas changé mon processus de design. Elle en a changé l’économie.
- Problème ou opportunité
- Quel est le degré d’incertitude ? Comprendre et évaluer
-
Incertitude élevée Discovery et recherche Réduire l’incertitude avant d’investir.Incertitude faible Réutilisation et exploration assistée par IA Réutiliser des schémas éprouvés. Accélérer en toute confiance.
- Prototypage Explorer, valider et affiner des idées rapidement grâce à des systèmes réutilisables et à l’assistance de l’IA.
- Valider et affiner Tester auprès des utilisateurs, recueillir des preuves et construire la confiance avant la livraison.
- Ingénierie Livrer des solutions prêtes pour le développement, avec clarté et confiance.
Je n’applique pas le même processus à chaque problème. Avant toute chose, j’évalue le degré d’incertitude. Les problèmes réellement incertains commencent toujours par le discovery, la recherche et la synthèse. Les problèmes bien compris peuvent avancer plus vite grâce à des schémas réutilisables et à l’exploration assistée par IA. Les deux parcours se rejoignent dans l’Espace IA, où je prototype, valide et affine rapidement les idées avant de les transmettre à l’ingénierie avec plus de confiance. Pour les corrections les plus simples et les moins risquées, cette même évaluation peut envoyer le travail directement à l’ingénierie, en sautant entièrement le design et le discovery. L’IA n’a pas changé la façon dont je prends mes décisions de design. Elle a changé la rapidité avec laquelle je peux transformer ces décisions en quelque chose de réel.
Les composants réutilisables sont devenus de l’intelligence réutilisable.
Le système de design, l’éditeur de code, le prototype et la documentation vivaient autrefois dans des outils séparés, chacun reconstruit à la main pour chaque projet. Dans l’Espace IA, ils forment un seul système connecté : composants, tokens, règles d’accessibilité et schémas d’interaction existent déjà, donc plutôt que de demander à l’IA d’inventer une interface, je lui demande d’en composer une à partir de ce qui a déjà fait ses preuves, souvent en associant un prompt court à une référence visuelle plutôt qu’à une simple description textuelle, afin que le résultat corresponde au système par construction, pas par hasard.
Un changement a compté plus que je ne l’imaginais : la donnée réaliste. Plutôt que de remplir les écrans de lorem ipsum, j’ai construit des jeux de données fictifs et réutilisables (distributeurs, produits et clients inventés, modélisés sur des schémas opérationnels réels) qui alimentent automatiquement les prototypes. Un concept promotionnel testé avec une campagne fictive de Coupe du Monde et des produits inventés a paru tout aussi réel aux participants qu’un produit en production, sans qu’une seule donnée commerciale ne quitte l’entreprise.
Il y a aussi un argument commercial ici, pas seulement un argument de métier. Deviner une interface à partir de zéro coûte plus cher que d’en composer une : plus de générations, plus de cycles de correction, plus de tokens dépensés pour arriver au même résultat. Réutiliser un système éprouvé y parvient en moins d’étapes, ce qui signifie une facture d’IA plus basse pour le même résultat, pas seulement plus rapide.
Là où c’est vraiment arrivé.
Faire évoluer une expérience de cartographie sans la redessiner à la main.
Une expérience de page d’accueil basée sur la localisation devait fonctionner sur plusieurs produits et régions. L’exploration initiale a commencé dans Figma ; une fois le modèle d’interaction validé, l’Espace IA m’a permis de le reconstruire comme un schéma de cartographie fonctionnel et réutilisable, si bien que le faire évoluer vers un second produit consistait à réutiliser le schéma, pas à le repenser.
En savoir plus →Des données complexes, explorées comme quelque chose de réel plutôt que de simplement décrit.
Les tableaux de bord clients ont commencé comme des croquis et des flux, puis sont passés dans l’Espace IA sous forme de prototypes interactifs pilotés par des graphiques. Des composants de graphiques réutilisables et des tokens de design ont permis aux parties prenantes de réagir à quelque chose qu’elles pouvaient réellement utiliser, pas à une maquette statique.
En savoir plus →Assez réaliste pour être testé, assez sûr pour être partagé.
Un concept de promotions retail exploré presque entièrement dans l’Espace IA, avec très peu de travail statique dans Figma. Des composants réutilisables et des jeux de données dynamiques et fictifs (distributeurs inventés, produits inventés, une campagne promotionnelle fictive de Coupe du Monde) ont permis au prototype de paraître réel lors des tests d’utilisabilité sans exposer la moindre donnée commerciale.
En savoir plus →Chaque résultat devient la donnée d’entrée suivante.
Rien de tout cela ne repart de zéro à chaque nouvelle tâche. Les mêmes fichiers markdown de travail — décisions, preuves, règles du système de design — se transmettent d’une session assistée par IA à la suivante, de sorte que chacune démarre plus avancée que la précédente, au lieu de réexpliquer le même contexte depuis le début. C’est le même principe fondé sur la donnée qui sous-tend le travail lui-même : plus le système capture des systèmes de design, des insights utilisateurs, des schémas UX et de la recherche, plus il a de matière pour raisonner, et meilleur devient son jugement avec le temps.
Le même principe de réutilisation que dans l’Espace IA. Simplement appliqué à la connaissance, pas aux composants.
Le même principe, entre d’autres mains.
Un designer que j’accompagne, Dmytro Ivanchenko, a poussé le même principe plus loin : en composant un agent IA directement à partir des composants existants de notre système de design et de leurs règles d’usage documentées, et en construisant séparément un plugin qui convertit un design entre breakpoints automatiquement.
Composer à partir d’un système éprouvé s’avère être une philosophie que d’autres personnes peuvent s’approprier et faire vivre, pas seulement moi.
Ce que j’ai appris
L’IA n’a pas remplacé mon jugement. Elle a changé où j’investis mon temps.
- Moins de temps à reproduire des écrans, plus de temps à comprendre les problèmes.
- La réutilisation s’accumule : chaque composant construit une fois se rentabilise de nombreuses fois.
- Des données réalistes comptent autant que des interfaces réalistes.
- Les prototypes qui fonctionnent suscitent des retours plus tranchants que les prototypes qui ont simplement l’air finis.
- L’écart entre “conçu” et “réalisable” se réduit lorsque design et ingénierie partagent les mêmes composants.
Le métier du design n’a disparu nulle part : il s’est déplacé, de la production d’écrans individuels à l’orchestration des systèmes, des preuves et de la réutilisation qui les sous-tendent.
Où cela nous mène ensuite.
Au-delà de la génération d’interfaces, je m’intéresse de plus en plus à la façon dont l’IA peut faciliter la découverte, la réutilisation et l’application de connaissances produit validées et de recherche tout au long du développement produit.
Un domaine que j’explore avec notre équipe de recherche est la façon dont cela pourrait devenir partie intégrante de l’Espace IA lui-même, non pas pour remplacer la recherche, mais pour réduire le temps passé à chercher des preuves, afin que les équipes puissent s’appuyer sur ce qu’elles savent déjà plutôt que de repartir de zéro.
Découvrez la même discipline fondée sur la donnée appliquée à une direction produit validée.