Concevoir avec l'IA sans perdre la maîtrise, c'est possible — à condition de ne pas confondre deux choses que la vitesse pousse à confondre. Les outils génératifs produisent des maquettes, des variantes, des prototypes interactifs en quelques minutes. Ils ne produisent pas la compréhension des besoins qui rend une interface juste. La production s'accélère ; la compréhension, elle, se construit toujours avec de vrais utilisateurs. La maîtrise se joue exactement là.
Publié en janvier 2026, refondu en mai 2026 — la présente version est une réécriture intégrale.
Ce que les outils génératifs font vraiment bien
Commençons par reconnaître les capacités, sans défensive de métier. À partir d'une description en français, un outil produit aujourd'hui des wireframes structurés et exploitables. Là où une équipe préparait trois variantes pour un test, elle peut en explorer des dizaines. L'analyse de référentiels — passer en revue des centaines d'interfaces existantes pour en extraire les conventions d'un secteur — se traite en minutes plutôt qu'en jours. Et le prototypage est devenu interactif : on teste un parcours cliquable, pas une image figée.
Je l'ai éprouvé sur mon propre site. Pendant la refonte de mcva.ch, j'ai fait générer des variantes de pages entières en une soirée — structures, hiérarchies, directions visuelles. Ce volume d'exploration était hors de portée d'un indépendant il y a trois ans. Pour une PME suisse au budget design compté, cette accélération est une aubaine réelle.
Mais voici ce que cette soirée m'a aussi montré : aucune de ces variantes ne savait ce que mes visiteurs cherchaient. Les choix qui ont fait le site final venaient d'ailleurs — du travail de positionnement, des questions réelles de dirigeants, des pages que les modèles de langage citent ou ignorent, ce que je mesure par le Score GEO™. L'outil a exploré. La décision a été prise sur un autre terrain.
Une maquette n'est pas une décision de conception
Le passage à retenir tient en deux phrases. La co-conception est la démarche qui construit, avec les utilisateurs réels, la compréhension des besoins — exprimés et latents — à partir de laquelle un produit peut être pertinent. En 2026, l'IA générative accélère massivement la production des artefacts de design ; elle ne produit pas cette compréhension.
Trois zones restent hors de portée des modèles, et c'est sur elles que la valeur durable se construit.
L'écoute active, d'abord. Un praticien expérimenté capte ce qu'un entretien ne verbalise pas : l'utilisateur qui dit « c'est bien » en fronçant les sourcils, l'hésitation avant un clic, la contradiction entre le discours et le geste. Les modèles travaillent sur du texte et des données structurées ; ils ne voient ni le corps ni le contexte émotionnel d'un échange.
Le contexte culturel local, ensuite. Le marché suisse a ses codes — rapport à la discrétion, exigence de qualité plutôt que de volume, multilinguisme, attentes élevées en matière de protection des données. Des modèles entraînés majoritairement sur des données anglo-saxonnes ne portent pas ces codes par défaut, et les patterns visuels génériques qu'ils produisent ne les capturent pas.
Les besoins non exprimés, enfin. Les besoins les plus structurants sont souvent ceux que l'utilisateur ne formule pas, soit qu'il les juge évidents, soit qu'il ignore qu'une solution existe. Un modèle génère à partir des patterns présents dans ses données d'entraînement ; il ne révèle pas ce qui n'y figure pas. L'observation des pratiques réelles, si.
Comment articuler les deux, phase par phase ?
La question utile pour un dirigeant qui commande un projet : à quel moment l'accélération est-elle légitime, à quel moment est-elle un raccourci qui coûte ? Le tableau suivant résume le dosage qui fonctionne, phase par phase.
| Phase | Qui mène | Rôle des outils génératifs |
|---|---|---|
| Recherche utilisateur | L'humain, entièrement | Aucun rôle décisif |
| Génération de concepts | L'équipe, qui sélectionne | Production massive de variantes |
| Test et itération | L'humain, en observation directe | En retrait |
| Affinage | Le designer, qui arbitre | Exécution rapide des variations |
En clair : la recherche utilisateur — entretiens, observation terrain, ateliers — reste intégralement humaine, et les équipes qui l'escamotent produisent des artefacts convaincants qui résolvent les mauvais problèmes. La génération de concepts tire pleinement parti des outils, à condition d'être nourrie par la recherche. Le test face à de vrais utilisateurs redevient humain, parce qu'une métrique quantifie ce qu'elle peut quantifier, pas nécessairement ce qui compte. L'affinage final combine les deux : le designer arbitre, le modèle exécute les variations.
Ce séquençage explique pourquoi un sprint de co-conception court — quelques jours entre recherche, génération assistée et test — est devenu accessible à des organisations qui ne pouvaient pas mobiliser une équipe design pendant des semaines. C'est ce format resserré que j'applique dans les solutions que je construis pour les PME.
Quels garde-fous pour garder la main ?
Sans cadre explicite, les choix par défaut des modèles deviennent les choix de l'entreprise, par simple négligence. Trois règles suffisent à l'éviter.
La validation avant exposition : chaque livrable généré — maquette, parcours, visuel — passe par une revue humaine avant d'être montré à un utilisateur ou à un client. L'outil propose, le designer dispose.
La traçabilité : noter ce qui vient d'une génération automatique et ce qui vient de la recherche utilisateur. Quelques annotations méthodiques suffisent, et elles préparent aux exigences de transparence qui se précisent — la Loi fédérale sur la protection des données impose déjà une transparence accrue sur les traitements automatisés qui touchent les utilisateurs[1].
La primauté du retour utilisateur : si un outil recommande un parcours optimisé pour l'engagement mais que les testeurs le trouvent déroutant, le ressenti humain l'emporte. Toujours. Cette hiérarchie évite l'optimisation des métriques au détriment de la satisfaction réelle.
Ces garde-fous se posent au devis, pas en cours de route — c'est l'une des clauses que je cadre systématiquement dans un projet sur mesure avant de générer quoi que ce soit.
Ce que ça change pour une PME suisse en 2026
Quand chaque concurrent peut produire des interfaces visuellement correctes en quelques jours, l'artefact cesse d'être un facteur de différenciation. Ce qui différencie, c'est la justesse — une interface qui montre au client qu'on a compris son contexte. Cette justesse vient de la compréhension des besoins, précisément ce que la co-conception construit et que les outils ne reproduisent pas. Autrement dit : l'accélération de la production a rendu la recherche utilisateur plus rentable, pas moins.
Le même déplacement traverse d'ailleurs tous les métiers de fabrication numérique — je l'ai documenté côté code dans IA et développeurs. Et pour situer la conception dans une feuille de route complète d'adoption, j'ai posé la démarche d'ensemble dans Que doit faire une PME suisse face à l'IA en 2026 ?.
Ce qu'il faut retenir
— L'IA générative accélère la production des maquettes et prototypes ; elle ne produit pas la compréhension des besoins, qui reste le cœur de la conception. — Le dosage qui fonctionne : recherche utilisateur humaine, génération assistée, test humain, affinage supervisé. — Trois garde-fous à poser au devis : validation avant exposition, traçabilité des décisions, primauté du retour utilisateur sur la métrique.
FAQ
L'IA peut-elle remplacer un designer UX ? Non. Elle remplace une partie de sa production — wireframes, variantes, prototypes — mais pas sa capacité à comprendre les utilisateurs, à capter les besoins non exprimés et à arbitrer. Un projet mené sans cette compréhension produit des interfaces plausibles qui résolvent les mauvais problèmes.
La co-conception est-elle encore rentable si l'IA produit tout si vite ? Elle l'est davantage qu'avant. La production accélérée a banalisé les interfaces correctes ; la différenciation se joue désormais sur la justesse, qui vient de la recherche utilisateur. Et le format s'est resserré : un sprint de quelques jours suffit souvent là où il fallait des semaines.
Quels risques si je laisse un outil générer mon interface sans cadre ? Les choix par défaut du modèle deviennent vos choix : esthétique générique, parcours optimisés pour des métriques plutôt que pour vos clients, et homogénéisation que le marché finit par percevoir. S'y ajoute un enjeu de conformité, la LPD imposant de la transparence sur les traitements automatisés qui affectent les utilisateurs.
Comment savoir si mon prestataire utilise l'IA correctement en design ? Posez trois questions : quelle recherche utilisateur précède la génération, qui valide chaque livrable généré avant exposition, et comment les retours de test priment-ils sur les recommandations des outils. Un prestataire sérieux répond précisément aux trois.
Et dans vos projets de conception ? Le Diagnostic d'Usage IA : soixante minutes pour poser vos flux réels, identifier ce qui mérite du sur-mesure, ce qui reste en SaaS, et ce qui n'a pas besoin d'IA du tout. Réserver un diagnostic
Sources
[1] Loi fédérale sur la protection des données (LPD), révision du 25 septembre 2020, entrée en vigueur le 1ᵉʳ septembre 2023. www.fedlex.admin.ch/eli/cc/2022/491/fr [↩]
Jérôme Deshaie est CEO et fondateur de MCVA Consulting SA, agence augmentée basée en Valais. Quinze ans au service de grandes marques internationales, désormais en direct pour les PME suisses. Parcours.