Le nouveau workflow design augmenté à l'IA
Un cas d'école : de la recherche au prototype fonctionnel en deux semaines.
workflow-iarechercheidentité visuelleprototypage
// QUESTION DE DÉPART
Une IA peut-elle aider un designer à passer d'un brief à un prototype crédible dans un domaine inconnu, sans réduire le travail de design à de la génération d'écrans ?
Pour le vérifier, je me suis imposé quatre contraintes : travailler seul, partir de zéro dans le domaine, produire un prototype fonctionnel en deux semaines et documenter les rôles respectifs de l'IA et du designer.
Le prototype est le moyen de tester la méthode, pas la finalité du projet.
// DISPOSITIF EXPÉRIMENTAL
Domaine inconnu
Je connaissais peu le domaine de la gestion de parc IT au début de l'expérimentation.
Travail individuel
J'ai réalisé l'expérimentation seul, de la recherche au prototype.
Temps limité
Deux semaines, à raison d'environ quatre heures par jour.
Prototype fonctionnel
Le résultat devait être navigable et interactif, pas seulement composé de maquettes statiques.
// note
Le prototype n'est pas présenté comme un produit prêt pour la production. Il sert à éprouver le workflow et à rendre les hypothèses testables.
// TERRAIN D'EXPÉRIMENTATION
Pour tester ce workflow, j'ai choisi de reprendre le sujet d'un SaaS destiné aux équipes IT. J'ai imaginé Admiralty, une plateforme de gestion de parc permettant de suivre les personnes, les équipements, les logiciels et les dépenses.
- Gestion du parc matériel
- Gestion des applications et licences
- Suivi des dépenses
- Gestion des rôles et permissions
- Tableaux de bord
- Assistant contextuel Uno
Ces fonctionnalités ne constituent pas le sujet principal de l'article. Elles fournissent la complexité nécessaire pour éprouver la méthode sur un produit crédible et suffisamment réaliste.
Tester le prototype Admiralty
// NOUVELLES PRATIQUES TESTÉES
Cette expérimentation ne cherche pas à remplacer les pratiques de design existantes. Elle cherche à observer comment l'IA peut modifier leur rythme, leur séquence et les artefacts produits.
Pratique 01 — Accélérer la compréhension du domaine
Utiliser l'IA pour construire un premier modèle mental
J'ai utilisé Perplexity pour comprendre rapidement le vocabulaire, les acteurs, les pratiques et les problèmes du secteur. Cette recherche documentaire ne remplace pas les entretiens ni la validation utilisateur. Elle sert à formuler plus vite de meilleures hypothèses et de meilleures questions.
Premier livrable : un lexique. Tant qu'on ne nomme pas les choses comme le métier les nomme, on ne peut pas nommer correctement un écran.
// lexique du métier
- ITAM
- IT Asset Management — le parc matériel
- SMP
- SaaS Management Platform — les logiciels et leurs licences
- IAM
- Identity & Access Management — les identités et les droits d'accès
- MDM
- Mobile Device Management — la flotte d'appareils
- JML
- Joiner, Mover, Leaver — le fil conducteur du secteur : l'arrivée, la mobilité et le départ d'un collaborateur
// rôles
- IA
- recherche, synthèse, cartographie du domaine
- Designer
- cadrage, interprétation, formulation des hypothèses
La recherche documentaire devient une préparation active du travail de design, et non une simple étape de collecte.
Le modèle mental du domaine
La synthèse du secteur, famille par famille — ITAM, SMP, IAM/JML, MDM — et, à droite, la fiche métier en Markdown qui la résume.
Du marché au périmètre
La sortie de la recherche : les opportunités où se démarquer, puis le POC à prototyper — un « Employee Lifecycle Control Tower » qui suit un collaborateur de son arrivée à son départ.
Pratique 02 — Explorer avant de converger
Produire plusieurs directions à faible coût
Avec Figma et les outils de génération, j'ai pu explorer rapidement plusieurs directions visuelles et fonctionnelles. L'objectif n'était pas de déléguer la direction artistique à l'IA, mais de réduire le coût de l'exploration avant de sélectionner une direction.
// rôles
- IA
- variations, pistes, premières propositions
- Designer
- intention, critique, comparaison, sélection
L'IA rend l'exploration divergente moins coûteuse ; le jugement design reste humain.
Logo et signature
Une marque lisible en petit : elle devait tenir dans une barre latérale de 32 pixels.
Charte couleur
L'accent violet est décliné en deux valeurs, une par fond : le même token ne tient pas le contraste sur sombre et sur clair.
Pratique 03 — Prototyper par incréments
Passer du design au code par petites décisions
Claude Code n'a pas reçu une demande globale du type « construis l'application ». Je lui ai transmis une décision à la fois : un écran, une interaction ou un état. Chaque résultat a été observé dans le navigateur, corrigé puis versionné avant de poursuivre.
- Décider
- Générer
- Observer
- Corriger
- Versionner
// rôles
- IA
- génération, implémentation, itération
- Designer
- architecture, priorisation, évaluation, correction
Le prototype devient un espace de raisonnement et de validation, pas uniquement un livrable final.
Le cadrage avant la première ligne
Décrire l'objectif, l'idée, mon niveau de connaissance du sujet et l'étape de travail : c'est ce cadrage qui détermine la stack, les tokens et la structure du dépôt.
Pratique 04 — Externaliser la mémoire du projet
Concevoir une mémoire exploitable par l'IA
Dans un workflow conversationnel, le contexte peut rapidement se perdre dans l'historique des échanges. J'ai donc traité la mémoire du projet comme un livrable design : décisions, contraintes, tâches, arbitrages et éléments archivés ont été conservés dans des fichiers Markdown et une base Notion.
// ce que contient la mémoire
- Contexte produit
- Consignes
- Décisions
- Design system
- Backlog
- État d'avancement
- Éléments archivés
Cette mémoire ne sert pas seulement à mieux prompter. Elle devient un support de continuité, de transmission et de collaboration.
// CE QUE LE WORKFLOW DÉPLACE
| Pratique habituelle | Pratique expérimentée |
|---|---|
| Pratique habituelle Faire une recherche avant de concevoir | Pratique expérimentée Utiliser l'IA pour construire rapidement un modèle mental et formuler de meilleures hypothèses |
| Pratique habituelle Choisir une direction visuelle puis la développer | Pratique expérimentée Explorer plusieurs directions à faible coût avant de converger |
| Pratique habituelle Concevoir les écrans puis les transmettre au développement | Pratique expérimentée Concevoir et éprouver directement des comportements dans un prototype fonctionnel |
| Pratique habituelle Garder le contexte dans des documents ou conversations séparées | Pratique expérimentée Construire une mémoire de projet exploitable par l'IA et le designer |
| Pratique habituelle Spécifier une grande partie du produit avant de coder | Pratique expérimentée Générer et valider par incréments courts |
| Pratique habituelle Évaluer principalement des maquettes | Pratique expérimentée Évaluer les interactions dans un produit navigable |
Il ne s'agit pas de remplacer les pratiques existantes, mais de tester comment l'IA peut modifier leur rythme, leur séquence et les artefacts produits.
// WORKFLOW COMPLET
- Recherche documentaire
- Formulation des hypothèses
- Direction de marque et identité
- Exploration visuelle
- Architecture produit
- Génération incrémentale
- Observation dans le navigateur
- Correction et versioning
- Documentation du contexte
- Prototype fonctionnel
Chaque outil occupe une place et une seule : il sert une pratique, il ne la définit pas.
// les outils, par rôle
- Recherche
- Perplexity
- Structuration et raisonnement
- Claude
- Exploration visuelle
- Figma
- Implémentation
- Claude Code
- Mémoire et backlog
- Markdown + Notion
- Versioning
- GitHub
- Publication
- Site personnel + serveur local
// L'IA DANS LE PRODUIT
Le projet m'a aussi permis d'expérimenter la manière dont une IA peut s'intégrer dans un workflow produit, au lieu d'être isolée dans une interface de chat.
Uno est un assistant contextuel intégré aux différents écrans du produit. Il ne se contente pas de répondre à une question : il fait remonter une information pertinente au moment où elle peut aider une décision.
Un constat avant la question
L'accueil d'Uno ouvre sur ce que le parc révèle, puis propose les actions qui en découlent. Données fictives du prototype.
Dans l'écran de travail
La revue des dépenses logicielles s'affiche dans l'écran Software, au-dessus des données qu'elle commente, avec l'action à mener. Données fictives du prototype.
// exemple
Lorsqu'un collaborateur quitte l'entreprise, Uno peut signaler les équipements et les logiciels associés, attirer l'attention sur du shadow IT et proposer les prochaines actions directement depuis le contexte de travail.
L'enjeu n'est pas d'ajouter un chatbot au produit. L'enjeu est de faire apparaître la bonne information au bon moment, avec suffisamment de contexte pour permettre une décision.
Au moment du départ
Le panneau latéral ouvre le résumé d'Uno sur une personne qui part dans trois jours.
// note
Cette interaction est aujourd'hui une simulation de comportement dans le prototype. Elle reste à valider avec des données et des utilisateurs réels.
// CE QUI A ÉTÉ PRODUIT
- Un modèle mental initial du domaine
- Une identité visuelle
- Une architecture produit
- Un design system et un thème
- Des données fictives
- Un prototype fonctionnel navigable
- Une démonstration d'assistant contextuel
- Une base de décisions et de tâches
- Une vidéo de présentation
- Une méthode documentée
Le livrable principal n'est pas uniquement le prototype Admiralty. C'est aussi la méthode de travail et les apprentissages qu'il permet de rendre visibles.
// CE QUE CETTE EXPÉRIENCE CHANGE
Ce workflow ne transforme pas le designer en développeur ni en opérateur de prompts. Il déplace son rôle.
- Formuler le problème
- Préparer le contexte
- Choisir ce qui mérite d'être exploré
- Comparer plusieurs directions
- Vérifier les sorties
- Arbitrer les compromis
- Maintenir la cohérence du système
- Décider ce qui doit rester humain
L'IA ne supprime pas le travail de conception. Elle augmente la quantité de possibilités et la vitesse des boucles de feedback. Le travail critique devient plus important : cadrer, évaluer, corriger et décider.
// LIMITES ET SUITE
Ce que l'expérimentation ne prouve pas
- La recherche documentaire ne remplace pas la recherche utilisateur.
- Le prototype n'est pas du code de production.
- Les fonctions IA sont partiellement simulées.
- La qualité des données réelles n'a pas été testée.
- Le workflow n'a pas encore été expérimenté avec une équipe.
- Les contraintes de sécurité, de gouvernance et de maintenance restent à traiter.
Ce que je veux tester ensuite
- Reproduire le workflow avec un PM et un développeur.
- Comparer la qualité et le temps avec un workflow classique.
- Tester le prototype auprès d'utilisateurs du domaine.
- Mesurer la pertinence des suggestions de l'assistant.
- Documenter les artefacts nécessaires à la transmission.
- Définir les pratiques nécessaires pour passer du prototype à la production.
// VOIR LE WORKFLOW EN ACTION
L'article décrit les principes. La vidéo montre les boucles de travail réelles : comment le contexte est transmis, comment l'IA est cadrée, comment les sorties sont vérifiées et comment le prototype évolue.