Formidable, nous avons une idée commune — mais est-elle bonne ?

Le grand moment à la fin d’un atelier Design Studio épuisant

Quiconque a déjà préparé et animé un atelier Design Studio connaît ce moment final où tout le monde est à la fois épuisé et heureux. Des heures, parfois des jours de travail commun ont transformé les participants en une équipe qui a développé une idée partagée et en est fière à juste titre. Appliquée avec rigueur et animée avec engagement, la méthode parvient à ramener les idées de chacun à un dénominateur commun au fil de plusieurs tours.

C’est là que réside la force de Design Studio. Un atelier crée de la motivation et de l’engagement ; au lieu de convaincre, la participation produit l’adhésion. Le grand avantage : qui a participé a contribué, sait comment l’idée est née, connaît l’idée elle-même et n’a plus besoin d’être convaincu. Design Studio est excellent pour élaborer des idées et des visions communes et pour créer de l’adhésion auprès de collègues aux rôles très différents et à tous les niveaux de hiérarchie — mais la méthode elle-même ne prévoit aucune confrontation au réel.

Un atelier répond à la question : pouvons-nous nous accorder sur cette direction ? La confrontation au réel répond à une autre question : que se passe-t-il lorsque des personnes qui n’ont pas pris part à ce processus créatif commun se retrouvent face à la solution ? Cette distinction est au cœur du sujet. Les ateliers Design Studio créent de l’appropriation. Ils ne créent pas automatiquement des preuves.

Le consensus compte pour les organisations, mais quelle est la qualité de la solution ?

Quand une équipe parle de « la meilleure idée » après un atelier, une autre question mérite d’être posée : la meilleure idée à quel titre ?

Un regard sur la recherche consacrée à la production d’idées montre que la qualité d’une idée est multidimensionnelle. Dean, Hender, Rodgers et Santanen ont examiné les modèles d’évaluation des idées et décrivent quatre dimensions : « novelty, workability, relevance, and specificity » (Dean et al., 2006). Une idée peut donc être nouvelle sans être viable ; elle peut être faisable et pourtant peu pertinente ; elle peut être pertinente et rester trop vague. C’est précisément cette distinction qui compte pour les ateliers Design Studio.

L’atelier type produit souvent de forts signaux de résonance : le groupe comprend l’idée, sait la raconter et la trouve plausible. Mais la résonance n’est qu’une dimension. Une idée peut séduire à l’intérieur de l’atelier et échouer à l’extérieur — faute de précision, à cause d’hypothèses fausses ou de trop de frictions au quotidien.

À cela s’ajoute un second problème : sélectionner des idées créatives n’a rien de trivial non plus. Dans leur étude en libre accès sur la sélection d’idées créatives, Zhu, Ritter et Dijksterhuis résument que les personnes ont tendance à « select mainstream ideas at the expense of creative ideas » (Zhu et al., 2021). Cela ne signifie pas que toute idée consensuelle serait mauvaise. Cela signifie : la dynamique qui produit l’accord ne favorise pas automatiquement la solution la plus audacieuse, la plus pertinente ou la plus efficace au bout du compte.

C’est particulièrement vrai pour les ateliers, car on n’y produit pas seulement des idées : on les condense et on les priorise. La phase où de nombreuses possibilités deviennent une direction commune est socialement très chargée. Les gens veulent être constructifs. Ils ne veulent pas passer pour des freins. Ils cherchent une solution qui paraisse réalisable dans le cadre donné. Un groupe peut ainsi s’accorder sur une proposition qui sonne très bien mais qui a rencontré trop peu de résistance de la part du réel.

Le problème n’est donc pas l’atelier. Le problème, c’est de prendre l’atelier pour la réalité.

Ce qui reste de côté

Avec le recul, beaucoup de produits technologiques semblent avoir été plausibles bien avant d’être réellement utilisables au quotidien. Google Glass a montré très tôt que possibilité technique et acceptation sociale ne sont pas la même chose. Les visions du métavers sonnaient grand dans les présentations stratégiques, mais butaient sur des questions banales et donc décisives : qui met régulièrement un casque pour cela ? Pour quelle situation le bénéfice est-il assez fort pour que la friction soit acceptée ? Avec les produits de spatial computing comme l’Apple Vision aussi, la question centrale n’est pas seulement de savoir si la technique impressionne, mais si elle s’accorde aux manières de travailler, aux routines, aux situations sociales et à la disposition à payer.

De tels exemples ne doivent pas être balayés comme de simples échecs. Ils contiennent une prouesse technique considérable. C’est précisément ce qui les rend intéressants. Ils montrent qu’un produit ne se mesure pas à sa seule faisabilité. Un produit doit s’inscrire dans la vie des gens et répondre à leurs besoins réels.

Un atelier ne peut répondre à cette question que de façon limitée. Les participants peuvent dire qu’ils trouvent un concept utile. Ils peuvent juger un parcours plausible. Ils peuvent défendre une idée parce qu’ils ont participé à sa naissance. Mais à ce moment-là, ils n’utilisent pas la solution dans des conditions réelles. Ils ne la paient pas. Ils ne l’intègrent pas à leur journée de travail. Ils n’ont pas à vivre avec ses effets secondaires sociaux.

C’est pourquoi la meilleure idée commune a besoin d’une étape qui la confronte au réel.

Les prototypes et les tests utilisateurs précoces peuvent-ils aider ?

Un prototype pose une autre question qu’une esquisse d’idée issue d’un atelier. L’esquisse demande : peux-tu imaginer que cette idée ait du sens ? Le prototype demande : que fais-tu quand tu la rencontres ?

Ce déplacement est décisif. Dans une conversation conceptuelle, les gens réagissent à des descriptions. Dans un test de prototype, ils réagissent à des frictions. Ils cliquent au mauvais endroit. Ils passent à côté de quelque chose. Ils interprètent les termes autrement. Ils abandonnent. Ils cherchent une information que le concept n’avait pas prévue. Ils utilisent une fonction autrement que prévu. Ou ils comprennent immédiatement ce qui semblait encore compliqué en atelier.

Camburn et al. définissent un prototype comme une « pre-production representation of some aspect of a concept or final design » (Camburn et al., 2017). Voilà une définition utile et sobre : un prototype n’est pas la solution finie. C’est une forme préalable qui rend un aspect précis vérifiable.

C’est exactement là qu’est sa valeur. Un bon prototype n’a pas à tout savoir faire. Il doit rendre visible l’hypothèse la plus risquée. Si la plus grande incertitude porte sur la compréhension de la navigation, une maquette cliquable peut suffire. Si elle porte sur une situation sociale, il faut un scénario ou un test de type Magicien d’Oz. Si elle porte sur un comportement physique, un prototype à l’écran ne suffira pas.

La recherche sur les prototypes basse fidélité soutient elle aussi cette vue nuancée. Dans deux expériences, Virzi, Sokolov et Karis ont constaté que les prototypes de basse et de haute fidélité révélaient « substantially the same sets of usability problems » (Virzi et al., 1996). C’est un argument fort contre l’idée qu’une confrontation au réel ne serait possible qu’avec un produit presque terminé.

Mais la même source appelle à la prudence. Même un prototype de haute fidélité peut n’être qu’une « noisy approximation of the actual way » dont les gens utilisent un produit (Virzi et al., 1996). Un test n’est donc pas un oracle. C’est une rencontre contrôlée avec le réel, pas le réel lui-même.

La confrontation au réel est possible et solide, mais limitée

L’argument gagne ainsi en précision : des tests utilisateurs précoces avec des prototypes peuvent fournir une confrontation au réel solide, à condition que la question à laquelle ils doivent répondre soit claire. Ils sont particulièrement forts sur la compréhension, l’orientation, l’utilisabilité, la pertinence perçue et les frictions visibles. Ils sont plus faibles sur la disposition à payer, l’usage dans la durée, la formation d’habitudes et l’acceptation culturelle.

Ce n’est pas une faiblesse tant qu’on en a conscience. Cela devient dangereux quand une équipe tire d’un petit test des conclusions bien trop larges. Un test de prototype peut montrer que les gens comprennent mal une idée. Il peut montrer qu’une tâche centrale ne fonctionne pas. Il peut montrer qu’un bénéfice supposé ne passe pas. Mais il ne prouve pas qu’un produit aura du succès.

Après un atelier, la confrontation au réel ne devrait donc pas demander : cette idée fonctionne-t-elle dans l’ensemble ? Elle devrait demander : quelle hypothèse est assez risquée pour devoir être testée avant le développement ?

Cette hypothèse pourrait être :

• Les utilisateurs comprennent le bénéfice dès la première minute.
• Une tâche peut être menée à bien sans explication.
• La solution s’insère dans une situation de travail existante.
• La friction sociale est acceptable.
• Le bénéfice perçu l’emporte sur l’effort.

Le prototype n’a de sens qu’une fois l’hypothèse claire. Sinon, on ne construit qu’un plus bel argument.

L’IA peut-elle aider ?

Autrefois, le passage de l’atelier à un artefact vérifiable était souvent coûteux et long. Après l’atelier, il y avait des croquis, des photos, un board, peut-être une présentation de concept et beaucoup d’énergie. En faire un prototype réaliste demandait du temps, de la capacité de design, du développement, du contenu, des données et de la coordination. C’est pourquoi la confrontation au réel restait souvent abstraite. On testait des préférences au lieu de comportements. On montrait des diapositives au lieu de situations.

L’IA transforme ce passage. Elle facilite la transformation rapide des résultats d’un atelier en quelque chose de vérifiable : interfaces cliquables, contenus d’exemple réalistes, données simulées, flux de conversation, parcours de service, simulations de rôles, outils simples ou variantes d’un concept. Camburn et al. décrivent eux aussi les techniques de prototypage comme un moyen de « lowering of cost and time » (Camburn et al., 2017). C’est précisément là qu’est la pertinence pratique de l’IA : elle abaisse le seuil pour mettre une idée plus tôt en contact avec des utilisateurs.

Cela ne veut pas dire que l’IA remplace le réel. Au contraire : si l’IA ne sert qu’à produire en interne des images de concept encore plus convaincantes, elle renforce le problème ancien. Elle ne rend alors pas les idées plus vérifiables, seulement plus lisses.

L’usage le plus judicieux consiste à tester plus vite. L’IA peut faire de la meilleure idée d’atelier une hypothèse, de l’hypothèse un prototype, du prototype un scénario de test et des observations une nouvelle itération. La phrase qui suit l’atelier n’est alors plus : voilà la solution. Mais : voilà notre meilleure hypothèse. Construisons-la de sorte que les utilisateurs puissent la contredire.

L’état de la recherche sur l’IA dans le processus de développement produit soutient cette direction, avec prudence. Dans leur revue en libre accès, Witkowski et Wodecki montrent qu’il subsiste une « underutilization of AI in concept testing ». Ils constatent en même temps moins d’études sur le « product testing, validation, and post-launch optimization » (Witkowski & Wodecki, 2025). Pour cet article, cela compte : l’affirmation selon laquelle l’IA accélère la construction de prototypes est plausible et bien étayée. Celle selon laquelle des prototypes assistés par IA prédiraient déjà de façon fiable le succès commercial serait excessive.

De l’adhésion à une hypothèse vérifiable

L’étape la plus importante après un atelier Design Studio n’est donc pas la mise en œuvre immédiate, mais la traduction.

• « Nous construisons un onboarding personnalisé » devient : les nouveaux utilisateurs comprennent sans explication ce qu’ils doivent faire ensuite.
• « Nous créons une nouvelle plateforme collaborative » devient : les gens sont prêts à quitter leur routine actuelle parce que le nouveau déroulé est plus rapide ou plus clair.
• « Nous développons une expérience immersive » devient : le bénéfice est assez fort pour que les gens acceptent la friction physique et sociale du média.

De telles phrases inspirent moins que des affiches d’atelier. Mais elles valent davantage, parce qu’on peut les contredire. Et seules les idées que l’on peut contredire permettent d’apprendre.

Une bonne confrontation au réel assistée par IA comporte donc cinq étapes :

• La meilleure idée d’atelier est formulée non comme une solution, mais comme une hypothèse.
• L’hypothèse la plus risquée est nommée explicitement.
• Le prototype n’est construit qu’aussi réaliste que cette hypothèse l’exige.
• De vrais utilisateurs manipulent le prototype sur une tâche aussi pertinente que possible.
• L’équipe décide non par préférence, mais d’après la friction observée.

La valeur de l’atelier est ainsi préservée sans être surestimée. La participation crée de l’énergie. Le prototype apporte de la résistance. Les deux sont nécessaires.

La première confrontation au réel n’est pas un bonus

Les ateliers Design Studio sont puissants parce qu’ils mettent les gens en mouvement intellectuel. Ils rendent les perspectives visibles, créent un langage commun et produisent de l’appropriation. Dans une organisation, cela n’a rien d’accessoire ni de mou. Sans adhésion, beaucoup de bonnes idées meurent avant d’avoir eu leur chance.

Mais l’adhésion n’est pas la qualité de la solution. Une idée peut être élaborée ensemble, bien expliquée, largement soutenue en interne et échouer malgré tout à l’usage. Non parce que l’atelier était mauvais, mais parce que les ateliers sont des espaces sociaux. Ils produisent des signaux sociaux. L’usage, lui, ne naît qu’au-dehors.

L’IA facilite l’étape suivante. Elle peut aider à passer plus vite d’un concept commun à un prototype vérifiable. Mais elle ne prouve rien à elle seule. La confrontation au réel n’a lieu que lorsque de vraies personnes rencontrent un artefact suffisamment concret dans une tâche suffisamment réelle.

La meilleure formule pour le développement produit moderne n’est donc pas : plus d’ateliers ou plus d’IA. C’est : un meilleur lien entre les deux.

Les ateliers Design Studio créent de l’appropriation. Les prototypes assistés par IA permettent un contact plus précoce avec le réel. Un bon développement produit a besoin des deux : la participation et l’assentiment en atelier — et la contradiction venue du monde.