La combinaison magique du Design Thinking et IA
Vous êtes passionnés par l’intelligence artificielle ? Vous entendez des personnes parler du design thinking et discuter de sa capacité à créer la créativité et l’innovation ? Vous êtes curieux et vous cherchez à savoir l’intersection entre le design thinking et l’IA ? Croyez-moi, cet article sera vraiment bénéfique pour vous. Ramenez votre café ou thé et prenez votre temps pour le lire jusqu’à la fin.
Selon Craig Nelson, “En fin de compte, la valeur de l’IA ne se trouve pas dans les modèles de l’IA eux-mêmes, mais dans la capacité des entreprises à les exploiter”.
Aujourd’hui, les plus grandes organisations mondiales et les organisations émergentes se concentrent sur la mise en œuvre de l’intelligence artificielle dans leur tentative enthousiaste de l’inclure dans leurs processus et applications, des facteurs fondamentaux comme la nécessité et la faisabilité de ces applications entrent en jeu .
Pour garantir le succès de la mise en œuvre de l’IA, les organisations doivent d’abord déterminer pourquoi, où et comment elles peuvent appliquer l’IA à des problèmes commerciaux spécifiques pour créer la valeur ajoutée .
C’est quoi le Design Thinking ?
Le Design Thinking est un mindset ou une approche d’innovation centrée sur les utilisateurs, il aide à trouver l’équilibre entre les besoins de ces derniers, la faisabilité et la rentabilité et il permet aussi de réduire le gap entre une solution qui marche et une solution qui répond exactement aux besoins des clients.
Les étapes du Design Thinking :
- Empathie :
Bien que le design thinking est une approche non linéaire, la plupart des projets commencent par la phase d’empathie. Tout simplement l’empathie est l’un des piliers du design thinking .
Le but de cette étape est d’acquérir une compréhension approfondie des utilisateurs réels pour lesquels vous concevez le système, et principalement pour répondre à leurs problèmes et de trouver la solution dont ils ont vraiment besoin.
L’utilisateur n’est pas l’ennemi, c’est une personne qui attend avec impatience votre solution. N’hésitez pas : de le contacter, poser vos questions, envoyer des formulaires, et faire des interviews.
Essayez au maximum de vous approcher de vos utilisateurs, la collecte maximum d’informations va vous garantir la réussite du projet.
2. Définir le problème :
Ici, vous vous concentrez sur la définition exacte du problème que vous essayez de résoudre pour l’utilisateur, c’est impossible d’avoir une solution exacte sans problème bien défini ! c’est important de toujours garder dans le tête que pour chaque problème existe une solution, il faut juste bien le définir.
Pour définir votre problème, exploitez bien les observations que vous avez collecté sur vos utilisateurs au cours de la phase « d’empathie »,vous synthétisez, analysez, et vous identifiez les liens entre les résultats et ooooop !!!! votre problème à résoudre est prêt.
3. Idéation :
Les choses deviennent plus intéressantes ici surtout pour les gens créatifs.
Votre problème est clair maintenant alors qu’est ce que vous attendez ? C’est l’heure pour libérer votre créativité et votre innovation mais, comment faire ça ?
Créativité et innovation sans brainstorming? ah je ne pense pas !!! Ces trois concepts marchent ensemble.
Fixez un meeting, désignez un animateur, ramenez vos boissons, stylos, post-it, consultez des exemples existants pour vous inspirer et surtout soyez généreux dans cette étape, proposez toutes vos idées qui correspondent aux besoins des clients, si vous posez la question comment filtrer? Ne vous inquiétez pas, il reste encore deux étapes pour ça.
4. Prototype :
Dans cette phase, vous donnez vie aux idées proposées en passant d’une idée à un prototype.
Avec le prototypage vous garantissez la validation de la solution en la testant dans la phase suivante sans trop investir en termes du temps ou du coût.
Des simples prototypes qui donnent une image virtuelle sur la version réelle de la solution seront suffisants pour les clients et surtout pour les tests.
5. Test :
Le prototype est prêt! C’est l’heure de l’évaluer. Enfin nous arrivons à la phase la plus simple, il suffit de mettre les prototypes entre les mains de nos utilisateurs.
Dans cette phase, vous essayez de collecter le maximum de feedback et de remarques pour filtrer les solutions.
Le test vous permettra d’identifier les fonctionnalités que vos utilisateurs apprécient et celles à supprimer, ce qui vous aidera à juger la meilleure solution.
Le but de cette étape n’est pas que de tester pour faire le choix de la solution mais aussi pour juger si c’est nécessaire de faire le retour vers une étape précédente, a garder dans la tête que “Design thinking n’est pas une approche linéaire “ .
Design Thinking dans un projet IA:
IBM a proposé un workflow spécialement conçu pour adapter le design thinking à l’intelligence artificielle en associant à chaque étape du processus classique une étape alignée avec un projet IA :
- Empathie ->Collection des données .
- Définir->Analyse exploratoire.
- Ideate->Transformation.
- Prototype->Modélisation.
- Test->Test.
Dans ce qui suit, nous essayons de détailler les étapes associées pour avoir une idée plus précise.
- Collection des données:
Essayez le maximum de collecter les données pertinentes nécessaires pour le projet afin de les transformer en hypothèses vérifiables et n’oubliez jamais d’identifier la problématique et les objectifs du projet qui restent toujours importants même dans un projet IA .
2. Analyse Exploratoire :
Vous êtes perdus avec vos données qui sont sous forme des fichiers excels, des valeurs ou des tables dont vous trouverez des difficultés à déchiffrer, la visualisation de vos données est la seule solution qui va vous aider à vérifier la qualité de vos données, les relations entre ces données, et ce que vous devez laisser pour votre projet et de quoi vous débarrasser. Cette phase consiste aussi à définir les méthodes de prétraitements et éventuellement de tester les hypothèses.
Une fois l’analyse des données et des graphes établie, c’est le temps d’exploiter vos compétences de “Storytelling” pour illustrer la problématique du votre projet .
3.Transformation :
Après l’évaluation de la qualité des données dans la phase 2, vous passez aux prétraitements nécessaires pour rendre vos données exploitables par vos modèles de la phase suivante.
4. Modélisation :
Cette étape consiste à mettre en place vos modèles pour entraîner vos données en définissant des métriques de mesure pour chaque modèle afin de vérifier les résultats. Plusieurs modèles seront mis en place et évalués pour faire le meilleur choix à la fin, c’est ce qu’on appelle le benchmarking des différents modèles .
Nous suivons une approche bottom-up en commençant par des modèles simples, ensuite nous passons aux modèles plus compliqués.
5. Test
Le but de cette étape n’est pas que de tester pour améliorer les performances mais aussi pour critiquer les résultats du modèle choisi et juger si nécessaire de faire le retour vers une étape précédente.
Dans cette étape aussi vous déployez les modèles choisis qui sont également soumis aux tests.
Nous sommes arrivés à la fin de cet article. Merci pour votre lecture, j’espère que vous avez apprécié le contenu et prière de rester branchés d’autres articles sur l’IA seront publiés.