Explorer des hypothèses de recherche avant le terrain.
VUE D’ENSEMBLE
Un workspace de recherche unifié qui transforme le cadrage d’une étude en cohorte synthétique diversifiée, réponses qualitatives simulées et synthèse exploitable. Lorsqu’un écran est fourni, l’analyse de l’attention visuelle peut enrichir cette lecture.
RESEARCH→MODEL→PRODUCT
01 — LE DÉFI
Un modèle utile commence par la bonne question.
Les équipes produit perdent souvent le contexte entre cadrage, recrutement, évaluation d’écrans et synthèse. Ce projet relie ces étapes dans un même workflow reproductible, tout en distinguant clairement les résultats synthétiques d’une véritable étude utilisateur.
Anatomie du projet
Du brief de recherche à une cohorte synthétique.
Une lecture technique rapide, reliée aux fonctionnalités visibles du produit et fidèle à l’architecture actuellement implémentée.
Pipeline principal
Sélectionnez une étape pour comprendre la transformation des données.
Étape sélectionnée
Le chercheur définit le contexte produit, l’objectif, la cible, les questions et la taille de cohorte dans l’interface Next.js.
Fonctionnalités réelles
Les capacités visibles sont reliées aux briques techniques qui les rendent possibles.
01
Cadrage d’étude
Contexte produit, objectif de recherche, description de cible et questions personnalisées.
02
Cohorte configurable
Sélection de 5, 10, 20 ou 50 profils avec variation optionnelle du pool de candidats.
03
Personas proches de la cible
Recherche sémantique dans une base de personas encodés et stockés dans ClickHouse.
04
Réponses individualisées
Simulation d’entretiens tenant compte du profil comportemental et de la posture du persona.
05
Analyse d’écran optionnelle
Lecture structurée d’une capture : hiérarchie, actions visibles, confiance et frictions potentielles.
06
Traçabilité
Instrumentation Langfuse du pipeline et des appels au modèle pour observer les exécutions.
Stack par responsabilité
Chaque technologie est replacée dans son rôle au sein du système.
01
Next.js · React
TypeScript, App Router et composants d’exploration de cohorte.
02
FastAPI · Pydantic
Validation du brief, endpoint de génération et contrat JSON typé.
03
Sentence Transformers
Embeddings de la cible et des personas, encodage en lot et proximité cosinus.
04
ClickHouse · Parquet
Vecteurs Float32, métadonnées de personas et récupération top-N.
05
OpenAI · GPT-4o-mini
Réponses qualitatives par persona et analyse multimodale optionnelle.
06
Langfuse
Traces du pipeline, métadonnées d’étude et suivi des appels au modèle.
Prototype full-stackArchitecture issue du code actuel · Représentation simplifiée
De la technique à l’usage
Cadrez une étude et observez la cohorte se construire.
Définissez une cible et un objectif de recherche, puis suivez la sélection des profils, la simulation des réponses et l’apparition des premiers enseignements à valider sur le terrain.
Démonstration pédagogique : les données sont locales et certains calculs sont simulés ou accélérés.
01Démonstration interactive — simulez une étude UX
04 — RÉSULTAT ET IMPACT
“Un système d’exploitation pour la recherche qui accélère l’exploration initiale, préserve la diversité comportementale et aide à décider ce qu’il faut ensuite valider avec de vrais utilisateurs.”