Je propose à la communauté des personnes que j’ai formées des conférences trimestrielles pour échanger sur les sujets qui les intéressent.
Depuis début 2025, dans tous les projets de transformation que je mène et dans toutes les formations que j’anime, les participants se questionnent systématiquement sur l’intérêt de l’IA.
La dernière fois, nous avons échangé sur la thématique : « Dans quelle mesure l’IA génère une nécessité accrue d’intelligence collective et de Design Thinking ? »
Hier soir, j’ai eu le plaisir d’inviter Guillaume Eouzan, expert en IA, pour échanger sur : « L’IA au service de nos projets de transformation par le Design Thinking : dans quelle mesure c’est possible ? »
Comme habituellement, le format a été conversationnel, guidé par les questions et réflexions des participants.
De mon côté, j’avais identifié 4 points d’attention essentiels :
💡 Que les dispositifs co-conçus soient toujours au service de l’humain (et non pas techno-centrés)
💡 Gagner en rapidité ET en qualité, et ne pas tomber dans le piège de se laisser leurrer par la vitesse
💡 Conserver l’aspect hautement fédérateur de la démarche de design thinking
💡 Que l’IA vienne augmenter l’Intelligence Collective (et non pas que l’Intelligence Collective soit remplacée et détruite par l’IA)
Voici la synthèse de cette visioconférence (en nous appuyant sur ChatGPT et sur notre relecture attentive et critique) :
1. Le bon cadrage : l’IA au service d’objectifs humains
On est nombreux à le ressentir : l’IA est à la fois bluffante et inquiétante. Bluffante par son potentiel de traitement et d’accélération, inquiétante par la tentation d’aller trop vite, de se laisser leurrer et de sacrifier l’exigence et la qualité.
L’enjeu n’est donc pas “d’automatiser le design thinking”, mais de s’appuyer sur l’IA pour atteindre un niveau qualitatif plus élevé. Ce qui nécessite un certain nombre de garde-fous pour éviter des résultats qui feraient illusion mais qui seraient d’un niveau de qualité médiocre, avec par conséquent un retour sur un investissement négatif.
2. De quoi parle-t-on ? D’IA générative
Le périmètre est précisé : on parle d’IA générative, pas d’IA experte sectorielle. Les modèles et outils présentés sont ceux que nous utilisons au quotidien (ChatGPT, Claude, Gémini, Perplexity, NotebookLM etc.), avec l’idée de choisir l’outil en fonction de l’usage visé.
3. Personas : partir du terrain, augmenter avec l’IA
Première question posée : peut-on utiliser l’IA pour “étoffer” les personas (backstory, préférences, parcours) ?
La réponse est oui, mais dans un second temps. On construit d’abord la base à partir du terrain (observations, entretiens), puis on demande à l’IA d’évaluer/challenger : repérage de manques, angles non couverts, idées de micro-segments que l’équipe n’aurait pas identifiés. L’IA peut servir de miroir critique et d’accélérateur d’idéation, sans jamais se substituer à l’empathie et à l’analyse humaine.
Côté restitution, l’IA peut générer des images (et même de très courtes vidéos) de personas pour faciliter l’appropriation en atelier.
Guillaume partage une astuce : demandez d’abord à l’IA de créer le prompt parfait (“self-prompting”) pour vous, puis validerz-le, avant de générer l’image ; les résultats sont plus pertinents. Et pensez à demander à l’IA si elle a des questions ou s’il lui manque des précisions !
4. Méthode : le contexte d’abord, toujours
Guillaume insiste sur l’importance du contexte : sans un cadre explicite et étoffé (vocabulaire, étapes, livrables attendus, critères d’évaluation) l’IA “nage”.
Il est donc conseillé de créer son profil (« instructions personnalisées » dans ChatGPT par exemple) et d’utiliser la fonctionnalité “Projet” qui sont des espaces que l’on peut configurer avec des instructions, des exemples et des formats attendus (état de l’art, benchmark, persona, trame de restitution). Cela aura un impact important sur la pertinence du résultat.
L’autre intérêt est de pouvoir standardiser les usages récurrents et donc économiser du temps en évitant de répéter les consignes (par exemple en créant des GPT’s).
5. Qualité : demander à l’IA de vérifier ses hallucinations
La règle d’or partagée pour gérer les hallucinations :
- Laisser l’IA produire sa première réponse
- Puis lui demander systématiquement et explicitement de se relire, de vérifier et de corriger.
Ce “deuxième passage” transforme l’IA en partenaire réflexif et réduit fortement les erreurs (très fréquentes dès qu’il y a des tableaux, calculs ou compilations structurées).
Rappel de fond : un modèle génératif n’a aucune intelligence, il est juste probabiliste, c’est-à-dire qu’il enchaîne les mots selon la probabilité la plus élevée. “Une IA ne pense pas, elle calcule”, d’où l’intérêt de comparer plusieurs modèles (certaines versions sont perçues comme plus “créatives” ou plus “scolaires”).
6. Création de GPTs et modélisation de process
Une participante explique qu’elle a créé des GPTs pour automatiser des tâches où l’on suit toujours la même trame.
De mon côté, j’ai montré en amont de cette conférence à Guillaume le process, avec ses différentes étapes, que j’ai développé et que j’utilise systématiquement pour identifier les enjeux sous-jacents d’une problématique complexe, à partir de l’analyse des besoins des parties-prenantes.
Guillaume m’a fait une révélation aussi surprenante qu’intéressante : mon processus de reformulation de la problématique fonctionne comme une IA ! Dans les deux cas, on part d’un ensemble d’informations (issues des cerveaux de l’équipe pour nous, les données pour l’IA), puis on suit des étapes similaires : approfondir, regrouper par thèmes, réorganiser différemment pour faire émerger de nouvelles perspectives. C’est exactement ce que fait ChatGPT quand il génère ses réponses.
J’ai archivé plus de 50 formations, soit une mine d’or d’exemples concrets. De quoi paramétrer une IA pour faire gagner un temps précieux aux équipes sur certaines étapes spécifiques !
7. Accélérer… mais pas partout
Le message est clair : il faut distinguer les étapes où le temps long est non négociable (enquête terrain, dialogues entre parties-prenantes, esprit critique, arbitrages, etc.) et celles où il est possible de gagner du temps (états de l’art, structuration de données, premiers canevas de livrables).
L’articulation recommandée est : l’intelligence collective humaine pour donner du sens, guider/programmer, questionner et arbitrer, et l’IA pour traiter rapidement les données.
Vouloir tout compresser “en une demi-journée” n’est pas possible : ce serait aller très vite… dans la mauvaise direction, avec de très mauvaises décisions et des parties prenantes non fédérées.
8. Gouvernance des données : lucidité et réglages
Point de vigilance soulevé : ce que l’IA “fait” de nos données.
Règle pratique rappelée : sur des offres 100 % gratuites, tout ce que vous envoyez nourrit l’entraînement des IA; sur des offres payantes, il existe des réglages pour bloquer l’apprentissage et protéger ces données.
Le réflexe à adopter : vérifier et activer les options de confidentialité avant de charger des contenus sensibles (comptes rendus, benchmarks propriétaires, verbatims).
🧭 Quelques règles pour l’intégration de l’IA :
• Considérer l’IA comme un « assistant expert en tout » et extrêmement rapidequasi gratuit et disponible 7J/7 mais ne jamais lui déléguer la réflexion ni la décision
• Préparer avec l’IA, décider en intelligence collective: la vitesse n’a de valeur que si le sens est conservé
• Toujours partir du réel: données de terrain d’abord, IA ensuite pour challenger/compléter
• Contextualiser précisément: instructions, exemples, formats attendus
• Self-prompting: demander à l’IA d’écrire ses propres prompts, puis les relire et les corriger avant génération
• Double vérification: “relis-toi et corrige-toi” pour réduire les hallucinations
• Comparer les modèles: ChatGPT, Claude… alterner pour varier créativité et précision
• Protéger les données : paramétrer la confidentialité avant tout usage sensible
✨ Conclusion
Le Design Thinking n’a pas vocation à devenir un script automatisé.
Il est important de ne jamais oublier que 5 ou 6 cerveaux qui connaissent bien leur sujet et qui en ont une compréhension complémentaire (vision 360°) restent plus puissants qu’une IA seule.
En revanche, l’IA peut en devenir l’accélérateur exigeant: elle structure, étend le champ des possibles et met l’équipe au défi.
À condition de garder la main sur le sens, les critères et les arbitrages, bref, de rester radicalement dans l’intelligence humaine collective.
Aurélie Marchal & Guillaume Eouzan – le 29 octobre 2025
Pour en savoir plus sur l’IA : Conférence d’acculturation de Guillaume https://youtu.be/yqQScrEGDFM
Pour en savoir plus sur la transformation digitale et l’IA : https://mindfruits.biz/
Aurélie Marchal