À l’ère où la transformation numérique s’accélère, le design d’expérience utilisateur (UX) est devenu un élément central pour le succès des organisations en ligne. En effet, le design UX est essentiel car il se concentre sur la satisfaction des besoins des utilisateurs tout en permettant aux organisations de renforcer leur notoriété et favoriser la fidélité de leurs clients (IxDF, 2016).
L’intérêt et l’utilisation des outils du web analytique permettent aux concepteurs de s’appuyer sur des métriques précises afin d’affiner et optimiser chaque aspect d’une interface. Toutefois, cette intégration accrue des données dans la conception UX soulève une question importante : dans quelle mesure l’utilisation des données contribue-t-elle véritablement à l’optimisation des performances des expériences utilisateurs, ou au contraire, limite-t-elle l’innovation et la créativité des designers ?
Le rôle des données pour une conception UX basée sur des faits
Selon Geova (2019), il est évident que les données issues du web analytique constituent une source précieuse d’informations pour l’optimisation de l’expérience utilisateur lors de la conception d’un site web. En effet, elle mentionne que ces données permettent d’identifier les problèmes existants qui peuvent nuire à l’expérience utilisateur et de mieux comprendre comment les visiteurs interagissent avec le site à travers le temps.
Cardello (2013) soutient cette hypothèse en mentionnant que les données quantitatives occupent une place de plus en plus importante dans les projets UX. Les professionnels UX se doivent de déterminer les métriques et fonctionnalités les plus pertinentes où celles-ci peuvent apporter une valeur ajoutée.
L’intégration du web analytique dans les projets UX permet d’agir rapidement pour éviter des baisses de conversion, vérifier rapidement des hypothèses de causalité/corrélation et convaincre plus efficacement les parties prenantes orientées vers les données au sein des organisations.
Stewart et Grant (2024) renchérissent en mentionnant que les métriques UX, qui sont des indicateurs quantitatifs utilisés pour mesurer la qualité et l’efficacité de l’expérience utilisateur d’un produit ou service, est essentiel pour l’amélioration continue et mesurer l’efficacité du design. Ils mentionnent que « comparer régulièrement les performances actuelles aux valeurs de référence permet de mieux prioriser les efforts de conception et de développement, en s’assurant que les ressources sont allouées aux changements ayant le plus d’impact positif sur l’expérience utilisateur » (Stewart & Grant, 2024).
En général, porter une attention particulière à ces métriques et ces données de façon régulière, permet aux équipes de réagir et d’adapter rapidement aux retours des utilisateurs. Le processus de conception itératif est donc facilité, ce qui améliore la satisfaction des utilisateurs et assure le succès du produit ou du service.
Les limites de l’approche quantitative en UX
Bien que les données permettent d’optimiser des éléments déjà en place, le design UX ne doit pas se limiter à une logique strictement quantitative et systématique.
Les dimensions émotionnelles et sensorielles de l’expérience utilisateur échappent souvent aux analyses quantitatives. Ces analyses tendent à favoriser des améliorations plutôt qu’à encourager des innovations.
Geova (2019) mentionne que « bien qu’il existe plusieurs types de métriques qui suivent le comportement des visiteurs, depuis la page par laquelle ils sont entrés jusqu’à celle par laquelle ils ont quitté le site, les données analytiques ne peuvent pas montrer où et pourquoi les visiteurs rencontrent des difficultés. Ce type d’information ne peut être obtenu qu’en menant des enquêtes ou des entretiens avec les utilisateurs. »
Beasley (2013) soutient ce point en indiquant que, bien que les données analytiques soient exactes, cela n’implique pas nécessairement que les résultats et les conclusions trouvées avec d’autres méthodes d’évaluation sont nécessairement fausses.
Beasley (2013) mentionne également qu’il peut arriver que les données à disposition ne permettent ni de répondre à la question ni de dégager une conclusion claire. Dans ce sens, l’utilisation des données analytiques ne conduit pas systématiquement à des résultats directement utilisables ou à des réponses claires aux questions posées.
Tel que mentionné par Cardello (2013) « le principal problème des analyses de données est qu’elles peuvent rapidement se transformer en un puits sans fond de données intéressantes sans pour autant fournir des informations exploitables. »
Ces données sont indispensables pour éclairer certains aspects de l’expérience utilisateur, mais présentent tout de même des limites. Elles peuvent révéler des tendances et des comportements, mais sont contraignantes pour expliquer les nuances qualitatives qui permettent de comprendre en profondeur les comportements des utilisateurs.
