2025
Quoi ?
Hope est une application de collecte et de labélisation de données destinée à entraîner un modèle d'intelligence artificielle au calcul de l'empreinte carbone des missions. L'enjeu de design : transformer un formulaire potentiellement perçu comme une corvée en une expérience fluide, engageante et rigoureuse.
Pourquoi ?
Pour qu'un modèle de machine learning produise des estimations fiables, il a besoin de données humaines qualifiées — pas seulement des réponses, mais des réponses contextualisées et vérifiées. Sans un parcours bien conçu, les utilisateurs fournissent des informations approximatives ou abandonnent en cours de route. La qualité des données dépend directement de la qualité de l'expérience.
Comment ?
Recherche — Interviews utilisateurs en mode guérilla pour comprendre les freins à la complétion et les représentations autour de l'empreinte carbone. Réalisation de user flows pour structurer le parcours de saisie.
Conception — Trois axes de design ont guidé la conception :
Onboarding — Un parcours d'introduction explique le sens de la démarche avant toute saisie. L'utilisateur comprend pourquoi sa contribution compte avant d'être sollicité.
Formulaire progressif — Pour chaque réponse saisie, une question de labélisation complémentaire apparaît : l'utilisateur indique si sa réponse est une estimation personnelle, une déduction ou une information vérifiée dans un document. Ce mécanisme garantit la qualité des données transmises au modèle.
UI Kit dédié — Conception d'un kit de composants spécifique au projet pour assurer cohérence et lisibilité sur l'ensemble du parcours.
Résultat
Un parcours de collecte structuré qui produit des données robustes et contextualisées pour alimenter le modèle d'IA — chaque réponse étant qualifiée à la source. L'onboarding réduit la résistance à la complétion en donnant du sens à l'effort demandé.
Liens
Jean-François Migné, Designer
Product
UX UI
DATA
Branding