Lundi, 10 heures, réunion produit. Quelqu'un dit : « Nos utilisateurs veulent que la fonctionnalité soit plus simple. » Tout le monde hoche la tête. Personne ne demande : Comment tu le sais ? Parce que la question serait impolie. Parce que tout le monde fait semblant de savoir. La fonctionnalité est priorisée, le sprint est planifié, l'équipe se met au travail. Trois mois plus tard, les chiffres montrent : presque aucune utilisation.
Tu ne connais pas tes utilisateurs
Ça semble dur. Précisons : tu connais des données sur tes utilisateurs, pas ce qui vient d'eux.
Les personas sont des fictions utiles. Elles aident à rendre les cibles tangibles. Mais les fictions restent des fictions. « Marie du marketing, 34 ans, deux enfants, utilise le produit le matin dans les transports » – c'est une histoire, pas une personne. Marie ne vieillit pas, elle ne change pas d'avis, elle ne traverse pas de crises. Les vraies personnes, si.
Les analytics montrent des comportements agrégés. Des milliers de clics, des funnels de conversion, des heatmaps. Tu vois ce qui se passe ; tu ne vois pas pourquoi quelqu'un abandonne à la page trois, alors que tout a été « optimisé ». Tu ne vois pas cette seconde d'hésitation avant que quelqu'un décide de ne pas acheter.
Les anecdotes commerciales sont filtrées. L'équipe terrain te raconte ce que les clients disent – coloré par la situation de vente, par ce qu'ils veulent entendre, par ce qu'ils jugent pertinent. Trois tours de téléphone arabe avant que ça arrive à l'équipe produit.
La différence entre la connaissance sur les utilisateurs et la connaissance venant des utilisateurs est fondamentale : l'une est dérivée, l'autre est la source.
Tes données cachent plus qu'elles ne montrent
Les données quantitatives ont un angle mort : elles capturent ce qui est mesurable, pas ce qui compte.
Ton NPS est à 42. Que pensent vraiment ceux qui mettent 7 – ceux qui ne sont pas enthousiastes mais qui ne partent pas non plus ? Sont-ils fidèles ou indifférents ? Attendent-ils une alternative, ou ton produit leur est-il simplement égal ? Le chiffre ne te le dira pas.
Le taux de conversion a augmenté de 12%. Le tableau de bord affiche vert. Mais tu ne sais pas si tu as juste facilité la décision d'achat pour des gens qui auraient acheté de toute façon – et perdu ceux qui hésitaient encore. L'histoire derrière le chiffre reste invisible.
Les données qualitatives – de vraies conversations, des questions ouvertes, écouter sans agenda – apportent autre chose : du contexte. La phrase qui explique pourquoi le chiffre est ce qu'il est. La frustration qu'aucune métrique ne reflète. Le contournement que les utilisateurs ont trouvé parce que ta fonctionnalité ne marche pas comme ils en ont besoin.
Mais les données qualitatives sont chères, lentes et inconfortables. C'est pourquoi elles restent l'exception.
La recherche comme événement, c'est de l'aveuglement structurel
La plupart des entreprises font de la recherche utilisateur comme des visites chez le dentiste : rarement, laborieusement, désagréablement. Un projet tous les six mois. Demander un budget, briefer une agence, recruter des participants, mener des interviews, analyser, présenter. Huit à douze semaines avant que les insights arrivent. D'ici là, le sprint est terminé depuis longtemps.
Entre-temps, les hypothèses deviennent des faits parce que personne ne les remet en question. « On sait que... » – non, vous supposez. Mais la supposition a été répétée assez souvent pour ressembler à du savoir.
Ce n'est pas une critique des équipes ou des personnes, mais de l'infrastructure. Quand la recherche est un événement, le temps entre deux est un vol à l'aveugle – pas par négligence, mais structurellement.
Teresa Torres appelle ce qui manque Continuous Discovery – une approche qui part du principe que le développement produit nécessite un apprentissage permanent, pas ponctuel. Le concept n'est pas nouveau ; son livre est sorti en 2021. La plupart des équipes ne l'appliquent toujours pas, parce que les outils manquaient.
Cinq voix d'utilisateurs par jour
Cinq vraies voix d'utilisateurs par jour. Pas des points de données, mais des histoires, des citations, des contradictions. Quelqu'un qui t'explique dans ses propres mots pourquoi il utilise ton produit – ou pourquoi il a arrêté.
Les hypothèses mourraient plus vite – pas dans des réunions trimestrielles, mais le jour même. « Nos utilisateurs veulent X, » et le soir tu lis trois interviews qui disent le contraire. Inconfortable, mais moins cher que trois mois de développement dans la mauvaise direction.
Les décisions deviendraient plus concrètes. Pas « l'utilisateur », mais « Thomas, électricien, qui utilise la fonctionnalité sur le chantier et s'énerve de devoir faire trois clics au lieu d'un ». L'abstraction rend les décisions plus faciles ; la concrétude les rend meilleures.
S'y ajoute l'effet cumulé. Une seule interview ne change pas grand-chose. Mais après quatre semaines, tu as vingt conversations, après trois mois cent voix – et tu commences à voir des patterns qu'aucun tableau de bord ne montre. Ce n'est plus un échantillon, mais un flux continu d'information. La carte dans ta tête commence à correspondre au terrain.
Pourquoi ce n'était pas possible avant
Le problème était rarement la volonté, mais l'infrastructure.
Le recrutement seul prend des jours ou des semaines : trouver les bonnes personnes qui ont du temps et sont prêtes à parler. Pour chaque étude, à recommencer. Puis une heure par conversation, plus la préparation, plus le suivi – et qui dans l'équipe produit a ce temps quand il faut aussi livrer ?
À la fin, il reste des transcriptions à lire, des patterns à reconnaître, des insights à formuler. Un travail qui ne passe pas à l'échelle. Quand les résultats arrivent, la question date d'hier ; la fonctionnalité a été construite, la réunion a eu lieu, la décision a été prise.
Le système était conçu pour des événements, pas pour la continuité – parce que les événements étaient la seule chose qu'on pouvait organiser.
Le contact continu avec les utilisateurs n'est plus un vœu pieux
Chez QUALLEE, nous automatisons exactement cette étape : des interviews pilotées par l'IA qui collectent des voix d'utilisateurs au quotidien, sans que personne dans l'équipe n'investisse une heure par conversation. L'IA mène l'entretien ; ton équipe reçoit les insights.
Ça ne remplace pas les études approfondies. Mais ça comble le vide entre elles – ces mois où les équipes produit dépendent de suppositions. Le Continuous Discovery de Torres devient opérationnellement réalisable, même pour les équipes sans budget recherche dédié.
La question la plus intéressante n'est pas de savoir si le contact continu avec les utilisateurs est possible. C'est ce que tu construis quand ton équipe démarre chaque matin avec cinq voix fraîches d'utilisateurs – plutôt qu'avec un tableau de bord.
Essaie par toi-même
QUALLEE mène des interviews utilisateurs pilotées par l'IA et te livre des insights quotidiens, sans que ton équipe ne gère le recrutement, l'animation des entretiens ou l'analyse.
