L’IA est partout, mais ses limites le sont aussi
Les UX Days 2026 s’articulaient autour du thème « Concevoir, c’est choisir en conscience ». La première journée était entièrement dédiée aux ateliers : des sessions pratiques où l’on se retrousse les manches, où l’on teste des méthodologies et où l’on se trompe dans un cadre sécurisant. La deuxième journée proposait un programme complet de conférences, avec des intervenants venus du monde entier apportant des perspectives internationales et fraîches sur les sujets qui nous importent le plus en ce moment.
Deux formats très différents, mais un fil conducteur unique : comment utiliser l’IA de manière intentionnelle, plutôt que par simple réflexe ?
Les outils et les cas d’usage variaient d’une session à l’autre. Mais le message était d’une cohérence surprenante. L’IA peut nous aider à travailler plus vite, à explorer davantage et à nous concentrer sur ce qui compte. Elle peut aussi nous rendre plus paresseux, produire du code inaccessible et générer des résultats qui semblent corrects mais qui ne le sont pas.
La différence réside entièrement dans la façon dont nous l’utilisons.
Accessible ≠ utilisable : la confusion persiste
L’un des moments les plus marquants de ces deux jours a été l’intervention de Mathieu Froidure, directeur d’Urbilog, qui est non-voyant. Il travaille dans le domaine de l’accessibilité numérique depuis plus de 30 ans.
Son propos était simple, mais il a fait mouche.
« Un site web techniquement accessible peut tout à fait être complètement inutilisable. »
Il en a fait la démonstration en direct avec des lectures audio de tableaux de données complexes : une version inaccessible, et une version techniquement conforme. La seconde était meilleure. Mais elle générait encore une telle charge cognitive qu’un véritable utilisateur aurait du mal à en extraire la moindre information utile.
L’accessibilité n’est pas une liste de contrôle que l’on coche à la fin d’un projet. Elle commence dès la conception. C’est un problème de design, pas un problème de développement. Et la seule façon de savoir si quelque chose fonctionne vraiment, c’est de le tester avec les personnes à qui cela s’adresse.
Sa recommandation : intégrer 5 à 10 utilisateurs extrêmes dans votre processus de test. Non pas comme un bonus optionnel, mais comme un indicateur de qualité standard.
L’IA ne résout pas l’accessibilité, elle l’amplifie
Anna Cook, Platform and Systems Designer chez Microsoft, a poussé la réflexion plus loin.
Elle est venue briser un mythe qui gagne du terrain : l’idée que l’IA va résoudre le problème de l’accessibilité à notre place. Sa réponse a été sans ambiguïté.
« L’IA ne résout pas l’accessibilité. Elle amplifie ce qui est déjà là. Si votre système est mal structuré, l’IA aggrave la situation. »
Les données de WebAIM pour 2026 le confirment : 95,9 % des pages d’accueil présentent encore des défauts d’accessibilité de base, les erreurs par page augmentant de 10,1 % d’une année sur l’autre et la complexité des pages progressant de 22,5 %. Une part importante de cette augmentation est attribuée au code généré par l’IA.
C’est un point crucial, car la tentation de déléguer l’accessibilité à des outils d’IA est bien réelle, en particulier sous la pression des délais. Mais une IA entraînée sur du code défaillant et inaccessible reproduira des schémas défaillants et inaccessibles.
La solution n’est pas de moins utiliser l’IA. C’est de mieux structurer. Les systèmes accessibles sont des systèmes bien structurés. Et les systèmes bien structurés sont exactement ce dont l’IA a besoin pour fonctionner correctement. Les deux se renforcent mutuellement, mais seulement si les designers font le travail de fond en amont.
Le piège de la paresse cognitive avec l’IA
Bastien Hugues, Head of Design chez Bouygues Telecom, a posé la question que la plupart d’entre nous évitent, je pense : l’IA est-elle discrètement en train de nous rendre moins compétents ?
Il n’a pas été alarmiste. Il a été précis.
« Notre cerveau est programmé pour économiser de l’énergie. C’est là le vrai coupable. »
Le risque n’est pas que l’IA prenne nos emplois. Le risque est que nous arrêtions progressivement de réfléchir en profondeur parce que réfléchir demande un effort, et que l’IA permet d’esquiver facilement cette étape.
Il a proposé un modèle mental simple : un « NutriScore » de l’usage de l’IA, allant du niveau E (Je demande, l’IA exécute) au niveau A (L’IA challenge ma réflexion et me pousse plus loin). Les niveaux D et E conviennent parfaitement pour les tâches répétitives à faibles enjeux. Pour tout ce qui requiert un véritable jugement de design, visez le niveau B ou A.
Le cadrage auquel je reviens sans cesse : l’IA est reproductive, pas générative. Elle prédit à partir de ce qui existe déjà. C’est sincèrement utile pour beaucoup de choses. Mais ce n’est pas de là que naissent les nouvelles idées. Cette partie-là nous appartient encore.
https://ici.radio-canada.ca/rci/fr/nouvelle/2178183/chatgpt-ia-intelligence-artificielle-cerveau-cognitif-mit
Le vrai travail commence avant le prompt
Deux ateliers du premier jour ont soutenu le même point de vue sous des angles très différents.
Yohann Elmaleh, UX Writer chez Bouygues Telecom, nous a expliqué comment il a conçu un assistant d’écriture IA pour son équipe, entièrement entraîné sur leur système de contenu interne.
Le problème de départ est un problème que beaucoup de designers reconnaîtront. Lorsque vous demandez à une IA générique de réécrire une phrase avec le ton de votre marque, elle n’a aucune idée de ce que cela signifie. Elle ne sait pas que Bouygues Telecom utilise le « vous » et non le « tu », que les remises s’écrivent toujours « -5€/mois » et non « 5 euros de réduction », ou que l’écriture inclusive signifie reformuler entièrement les phrases plutôt que d’ajouter simplement un point médian. Le résultat semble correct, mais il n’appartient à personne.
Yohann a donc construit quelque chose de différent. Il a commencé par traiter les designers de son équipe comme des utilisateurs, en les interrogeant sur leurs réelles difficultés en matière d’écriture. À partir de ces entretiens, il a structuré un système de contenu doté de directives claires et précises, articulées autour de cas d’usage réels : règles générales, ton, style de conversation, accessibilité, microcopie au niveau des composants, et un glossaire des termes spécifiques à la marque.
Cette documentation est devenue la base de connaissances d’un assistant IA personnalisé, conçu à l’aide d’un pré-prompt structuré qui définit l’identité de l’assistant, ses objectifs et les étapes exactes qu’il doit suivre avant de générer le moindre résultat. Le résultat est un assistant qui ne se contente pas de produire du texte. Il analyse ce que vous lui donnez, signale ce qui ne correspond pas à la marque et propose plusieurs alternatives accompagnées d’une recommandation UX en fonction du canal.
Ce qui le rend véritablement puissant, c’est qu’il ne s’agit pas d’un outil générique sur lequel on a apposé une fine couche de branding. Il est construit dès le départ sur de véritables directives, testé par de vrais utilisateurs et affiné en continu. Lorsque le système de contenu est mis à jour, l’assistant s’améliore.
L’atelier Figma Make animé par Romain Dao a mis en évidence le même principe de manière très concrète.
L’atelier était axé sur le « vibe-coding » d’une application mobile en utilisant des composants générés par l’IA. Et la leçon la plus importante n’avait rien à voir avec le prompting.
« La préparation, c’est le travail. Le prompt n’est que l’exécution. »
Avant de toucher à l’IA, nous avons travaillé sur un moodboard, un fichier de directives graphiques et une cartographie du parcours utilisateur (user journey map). Tout cela a ensuite été fourni à l’IA.
Sans cette préparation, les résultats auraient été génériques et incohérents. Grâce à elle, les résultats étaient cohérents, conformes à la marque et réellement utiles. Le premier prototype n’était évidemment pas parfait, mais ce qui est formidable avec Figma Make, c’est que vous pouvez copier-coller les frames générées directement dans votre fichier de conception Figma et effectuer vous-même les petites modifications. Cela vous donne plus de contrôle sur le résultat, plutôt que de tout prompter et de laisser à l’IA le contrôle total de l’output.
Le même principe s’applique partout. Que vous construisiez un assistant d’écriture, que vous génériez des composants d’interface ou que vous utilisiez l’IA pour auditer votre design system, la qualité de ce qui en sort dépend entièrement de la qualité de ce qui y entre.
L’avenir du design ne se prompt pas, il se décide
Ces deux jours ont renforcé une conviction que j’avais déjà, mais que je perçois désormais plus clairement : notre rôle en tant que designers ne diminue pas à cause de l’IA. Il devient plus critique.
Les outils deviennent plus rapides. Les résultats deviennent plus convaincants. Et cela signifie que les décisions que nous prenons en amont, concernant la structure, l’accessibilité et l’intention, ont plus de poids que jamais.
L’IA peut nous aider à faire plus. Elle peut libérer du temps pour la réflexion qui compte vraiment. Mais elle ne décidera pas de ce qui compte. Elle ne se fera pas l’avocate de vos utilisateurs. Elle ne s’opposera pas lorsqu’un choix de conception exclura quelqu’un.
Cette partie-là repose toujours sur nous.
→ Pour en savoir plus sur l’IA et l’UX : ux-republic.com/blog
Aki Matsunaga,
Senior Product Designer
