L'IA générative ne fait pas la discovery à ta place. Elle retire les frictions qui te font sauter des étapes par fatigue : la retranscription qu'on ne relit jamais, la synthèse qu'on remet à plus tard, la préparation bâclée parce que l'entretien est dans dix minutes. Utilisée là, elle te rend du temps pour la seule partie qui compte, parler à des gens. Utilisée ailleurs, elle te donne l'illusion d'avoir compris un problème que tu n'as jamais entendu.
Préparer les entretiens
Le premier usage est le plus simple. Tu décris ce que tu veux comprendre, et tu demandes un guide d'entretien.
Je veux comprendre pourquoi des utilisateurs abandonnent l'inscription avant la fin. Propose quinze questions ouvertes, classées par thème : contexte, motivation, freins. Toutes au passé ou au présent, aucune au conditionnel. Signale celles qui risquent d'orienter la réponse.
Le résultat est un brouillon. Tu en coupes la moitié, tu reformules le reste avec tes mots, et tu vérifies qu'il contient les questions qui font raconter un épisode réel. Les modèles ont une tendance naturelle à produire des questions hypothétiques (« est-ce que vous aimeriez… »), donc la consigne sur le conditionnel n'est pas un détail. J'ai listé les sept questions que je garde toujours : elles servent de référence pour juger le brouillon.
Synthétiser un entretien
C'est l'usage qui fait gagner le plus de temps. Tu enregistres l'appel avec l'accord de la personne, tu récupères la transcription, et tu la donnes au modèle avec une consigne précise.
Voici la transcription d'un entretien sur [sujet]. Extrais : les problèmes évoqués, chacun avec la citation exacte qui le soutient ; les solutions de contournement actuelles ; les éléments qui contredisent ces hypothèses : [liste]. Ne reformule pas les citations. Si une information n'est pas dans le texte, ne la déduis pas.
Trois précautions. Demande des citations exactes, puis vérifie-en quelques-unes dans la transcription : un modèle peut produire une phrase plausible que personne n'a prononcée. Donne tes hypothèses, sinon tu n'obtiens qu'un résumé neutre qui ne t'aide pas à décider. Et relis la transcription au moins en diagonale pour les entretiens importants : le ton, les hésitations, ce qui a été dit en riant ne survivent pas à un résumé.
Sur les données, une règle simple : pas de transcription contenant des informations personnelles ou sensibles dans un compte personnel. Si ton équipe n'a pas encore d'outil fourni par l'entreprise, c'est la première chose à régler, et c'est le sujet du shadow AI en entreprise.
Croiser plusieurs entretiens
Une fois que tu en as cinq ou six sur le même sujet, la vraie valeur est dans le croisement. Tu donnes les synthèses (ou les transcriptions) ensemble et tu demandes les thèmes récurrents, les désaccords entre profils, et ce qui n'est apparu qu'une fois mais mérite d'être creusé.
C'est là qu'il faut être le plus vigilant. Un modèle cherche des régularités, et il en trouve même quand il n'y en a pas. Les comptages qu'il annonce (« quatre personnes sur six ») sont à recompter toi-même. Et l'élément qui n'apparaît qu'une fois, celui qu'il range en bas de liste, est parfois le plus important.
Challenger tes hypothèses
C'est l'usage le plus sous-estimé. Avant de présenter une décision, je demande au modèle de jouer le contradicteur.
Je m'apprête à proposer [décision], sur la base de [ce qu'on a appris]. Joue un membre du comité sceptique. Donne-moi les objections les plus probables, ce qui affaiblit mon raisonnement, et les questions que je n'ai pas posées en entretien.
Tu n'obtiens pas la vérité, tu obtiens les angles morts les plus évidents. Le dernier point de la consigne est le plus utile : il te dit souvent quoi demander dans la prochaine vague d'entretiens.
Rendre la solution testable
Quand la discovery converge vers une piste, l'IA raccourcit le passage du problème à quelque chose qu'on peut montrer. Un parcours décrit en quelques phrases devient un écran cliquable dans la journée, avec un outil comme Lovable. Le piège est de construire trop fini trop tôt : choisis le niveau de prototype qui répond à ta question, pas celui que l'outil rend facile.
Ce que je ne confie jamais à l'IA
L'entretien lui-même. Les « utilisateurs synthétiques », ces personas simulés qu'on interroge à la place de vraies personnes, ne te disent rien de ton marché. Ils te renvoient une moyenne vraisemblable de ce qui a été écrit sur le sujet. C'est exactement ce que la discovery cherche à dépasser : le détail qui ne figure nulle part ailleurs.
Le tri final. Le modèle te propose des dizaines de pistes correctes. Choisir laquelle poursuivre demande de connaître tes utilisateurs, ta stratégie et tes contraintes. Ça reste ton travail.
La décision. Une synthèse produite par un modèle n'est pas un argument. Si tu ne peux pas défendre une conclusion avec des citations réelles d'utilisateurs réels, elle n'est pas prête.
Les pièges qui reviennent
Le prompt qui confirme. Si tu demandes « montre-moi que les utilisateurs veulent X », tu l'obtiendras. Formule toujours la consigne pour chercher aussi ce qui contredit.
Le résumé trop lisse. Une synthèse bien écrite donne une impression de clarté qui n'existait pas dans l'entretien. Les contradictions, les « ça dépend », les hésitations disparaissent. Demande-les explicitement.
Le contexte réexpliqué à chaque fois. Si tu redonnes ton produit, tes segments et tes hypothèses à chaque session, tu perds du temps et tu obtiens des réponses incohérentes d'une fois sur l'autre. Écris-les une fois dans un fichier de contexte que tu fournis au début de chaque travail.
Le critère pour décider
Pour chaque usage, je pose la même question : est-ce que ça enlève une friction qui me faisait sauter une étape ? Si la synthèse n'était jamais faite et qu'elle l'est maintenant, oui. Si l'IA remplace un échange avec un utilisateur, non, c'est une étape en moins, pas une friction en moins.
Par où commencer cette semaine
Prends ton prochain entretien. Enregistre-le avec l'accord de la personne, passe la transcription dans le modèle avec la consigne de synthèse ci-dessus, et compare le résultat avec tes propres notes. Regarde ce qu'il a vu que tu avais raté, et ce qu'il a lissé que tu avais entendu. Cette comparaison te dit, mieux que n'importe quel conseil, jusqu'où tu peux lui faire confiance.