01 — Variabilité entre utilisateurs

Une même variante peut produire plusieurs expériences.

Un test A/B répartit aléatoirement les visiteurs entre deux variantes afin de comparer un indicateur comme la conversion, le temps passé, le taux de clic ou la rétention. Son effet moyen peut rassembler des réactions opposées. Une recommandation riche en nouveautés peut stimuler une partie des visiteurs et demander davantage d’effort à une autre ; un parcours très guidé peut rassurer certains utilisateurs et limiter le sentiment d’autonomie d’autres personnes.

L’âge, l’expertise, le dispositif et l’intention de visite expliquent déjà une partie de cette variabilité. La personnalité ajoute des tendances relativement stables dans la manière de rechercher la nouveauté, de planifier, d’entrer en relation ou de réagir à l’incertitude. Elle devient utile lorsque le protocole cherche une interaction précise entre ces tendances et une propriété de l’interface.

02 — Ce que prédit la personnalité

Des probabilités de préférences et de comportements.

Le Big Five situe chaque personne sur cinq dimensions continues : Ouverture, Conscienciosité, Extraversion, Agréabilité et Névrosisme. De nombreuses études relient ces scores à des préférences, des choix et des comportements. Les travaux de Youyou et al., par exemple, montrent que des Likes Facebook contiennent une information statistique sur les scores de personnalité déclarés.

Dans mes travaux, la question porte aussi sur l’exploration visuelle : certaines relations entre personnalité et mouvements oculaires persistent lorsque la tâche, le stimulus et le temps varient. Ces résultats soutiennent des hypothèses probabilistes à l’échelle d’une population. La taille des effets, leur stabilité et leur dépendance au contexte déterminent leur utilité pour une étude utilisateur.

03 — L’approche de Lallemand

Sept besoins pour décrire la qualité d’une expérience.

Les UX Cards développées par Carine Lallemand sont un outil de conception et d’évaluation fondé sur les besoins psychologiques. Elles retiennent sept familles : relationnel et appartenance, compétence et efficacité, autonomie et indépendance, sécurité et contrôle, plaisir et stimulation, réalisation de soi et sens, influence et popularité.

Ces besoins donnent un vocabulaire aux effets recherchés par le design. Une fonctionnalité de découverte peut soutenir la stimulation ; un historique clair et réversible peut renforcer la sécurité ; des réglages réellement utiles peuvent soutenir l’autonomie ; une progression lisible peut nourrir la compétence. L’évaluation demande ensuite si l’expérience vécue soutient effectivement le besoin ciblé.

04 — Construire le pont

Relier traits, besoins et design dans une hypothèse testable.

Les traits et les besoins occupent deux niveaux complémentaires. Un trait décrit une tendance individuelle ; la satisfaction d’un besoin décrit une qualité de l’expérience dans une situation. Le protocole peut donc demander si une variante soutient davantage un besoin et si cet effet varie progressivement avec un trait de personnalité.

Prenons une interface musicale. Une variante met en avant la découverte libre ; l’autre propose un parcours guidé et prévisible. L’équipe peut tester si l’Ouverture module la préférence pour la première, si le sentiment de sécurité ou d’autonomie explique cette préférence, puis vérifier si ces relations se maintiennent après contrôle de l’âge, de l’expertise et de l’objectif de la session.

05 — Analyse quantitative des tests A/B

Mesurer l’interaction avec des variables continues.

Le modèle d’analyse inclut l’effet de la variante, le score de trait, leur interaction et les variables de contexte. Une interaction indique que l’effet de la variante évolue avec le trait. Une mesure de satisfaction des besoins peut ensuite documenter le mécanisme supposé : la variante B fonctionne-t-elle mieux parce qu’elle augmente le contrôle, la stimulation ou la compétence perçue ?

Cette démarche demande des échantillons plus importants qu’une simple comparaison A/B, des hypothèses définies avant l’analyse et des scores continus issus d’un questionnaire validé. Les résultats se rapportent avec leurs intervalles d’incertitude et des analyses par contexte. La réplication sur une nouvelle population mesure la solidité du résultat.

06 — Personnalisation responsable

Donner le choix avant d’inférer silencieusement.

Une équipe peut souvent recueillir directement une préférence utile : niveau de découverte souhaité, densité d’information, rythme des notifications ou degré de guidage. Cette option offre un contrôle immédiat et produit une donnée facilement interprétable. La personnalité devient surtout intéressante pour comprendre la variabilité, améliorer une étude ou tester une théorie de l’expérience.

Toute utilisation pour la personnalisation exige un consentement clair, une finalité proportionnée et une mesure des erreurs par population. Les traits sensibles restent séparés des décisions à fort impact. Une interface adaptative doit aussi permettre de voir, corriger et désactiver l’adaptation proposée.