Au sein de l’usine à impact, les métiers impliqués à chaque étape dépendent de la nature de l’activité à mener. Concentrons-nous ici sur les activités directement liées au test, juste après qu’un objectif et son indicateur de succès aient été définis à l’étape de cadrage (Étape 4 : Cadrer). Nous allons considérer les activités suivantes :
- Cadrer : Idéation (lister les tests possibles qui permettent de répondre à l’objectif partiellement ou entièrement)
- Planifier : Décider des tests à réaliser et actualiser la roadmap
- Délivrer : Spécifier en quoi consiste le test et ce qu’il y a à produire, construire et fournir les livrables
- Opérer : Exécuter les tests
- Mesurer : Enregistrer les données issues du test
Cadrer
Tout d’abord, il est important de comprendre l’objet du test à réaliser en le sélectionnant selon les objectifs recensés dans le tableau ci-dessous.
Exemple fil rouge : imaginons une équipe qui souhaite développer une application permettant aux cantines scolaires de mieux gérer le gaspillage alimentaire en adaptant les portions servies.
| Objet | Objectif | Exemple |
|---|---|---|
| 🎯 Besoin | Identifier ou vérifier l’existence et l’ampleur d’un besoin réel. | L’équipe interroge plusieurs cantines et découvre que 40 % d’entre elles jettent plus de 20 % de leurs plats chaque jour. |
| 💡 Opportunité | Vérifier que ce besoin s’inscrit dans un marché à potentiel suffisant. | En estimant le nombre de cantines en France et le coût moyen du gaspillage par établissement, l’équipe chiffre le marché potentiel à plusieurs dizaines de millions d’euros par an. |
| ❤️ Désirabilité | S’assurer que la proposition de valeur de la solution envisagée est à la hauteur des attentes. | L’équipe teste une maquette interactive : les gestionnaires de cantine indiquent qu’ils seraient prêts à payer 30 €/mois si l’application leur permet de réduire de 15 % leurs déchets. |
| 🧩 Utilisabilité | S’assurer que la solution est facile à utiliser dans le contexte réel des utilisateurs. | Lors d’un test terrain, les cuisiniers signalent qu’ils n’ont pas toujours de tablette en cuisine : l’équipe ajoute alors une version imprimable des prévisions de repas. |
| 🧱 Faisabilité | Garantir que la solution imaginée est réalisable techniquement et économiquement. | Les ingénieurs évaluent le module d’analyse prédictive et estiment un coût de développement de 40 000 €. |
| 💶 Viabilité | Croiser opportunité, désirabilité et faisabilité pour vérifier la rentabilité du modèle. | En combinant le coût de production et le potentiel d’abonnement, l’équipe estime qu’il faut 500 établissements abonnés pour atteindre le seuil de rentabilité. |
| ⚖️ Éthique | S’assurer que la solution respecte les règles morales et de conformité de la cible. | L’équipe s’assure que les données collectées (menus, volumes, horaires) ne contiennent aucune donnée personnelle et sont hébergées sur un cloud conforme RGPD. |
Ensuite, il est important de clarifier la forme de réponse attendue à l’issue du test :
1️⃣ La vérification d’une hypothèse
Le test doit permettre d’aboutir à une conclusion sans biais sur ce qui est mentionné dans l’hypothèse, afin d’alimenter une réflexion plus globale.
Exemple : une équipe suppose que les utilisateurs abandonnent leur panier parce que les frais de livraison ne sont pas visibles avant la dernière étape. Elle conçoit deux versions de la page produit — l’une affichant les frais dès le départ, l’autre non — et mesure le taux de conversion. Si la première version réduit de 15 % les abandons, l’hypothèse est validée et oriente la priorisation des prochains développements.
2️⃣ L’obtention d’une réponse à une question
Le test vise à obtenir une information précise, souvent qualitative. Si la réponse n’est pas obtenue, le test échoue et un autre doit être conçu.
Exemple : l’équipe cherche à savoir pourquoi les enseignants n’utilisent pas la fonctionnalité de partage de documents. Une série d’entretiens utilisateurs est organisée ; elle révèle que l’icône utilisée prête à confusion avec celle de téléchargement. La réponse obtenue permet d’orienter le redesign de l’interface.
3️⃣ L’influence d’un indicateur relatif à un problème à résoudre
Le test met en œuvre un procédé — prototype, incrément de produit, campagne pilote — qui doit permettre de mesurer si l’action entreprise influence comme prévu l’indicateur de succès associé au problème.
Exemple : pour réduire le taux de tickets ouverts au support client, l’équipe met en place une section “Questions fréquentes” dynamique dans l’application. Elle observe ensuite une baisse de 22 % des tickets sur les deux semaines suivantes : le test démontre que l’intervention agit favorablement sur l’indicateur.
Cette dernière phase de cadrage peut être très constructive en mélangeant les métiers car il y a une grosse part de créativité dans la proposition des tests. Les tests qui peuvent émerger se distribuent selon l’objet qu’ils tentent de vérifier comme représenté dans le tableau ci-dessous.
Puis vient le moment de l’idéation où de nombreux tests vont être proposés en rentrant dans des catégories dont le livrable sera propre :
| Nom du test | Objectif | Description | Exemple |
|---|---|---|---|
| Interview utilisateur / expert | Comprendre besoins, motivations et contraintes réelles | Préparer un guide semi-directif, rencontrer individuellement des utilisateurs ou experts, explorer leurs pratiques, difficultés, motivations et critères de réussite. | Interview d’enseignants pour comprendre la charge mentale liée aux outils numériques. |
| Questionnaire / sondage | Mesurer des tendances ou préférences à grande échelle | Concevoir un formulaire structuré (Google Forms, Typeform, etc.) avec des questions fermées et quelques ouvertes, diffuser à un échantillon représentatif et analyser les statistiques. | Questionnaire en ligne sur la fréquence d’achat d’un service de livraison locale. |
| Shadowing / observation terrain | Observer les comportements réels et les contextes d’usage | Se rendre sur le terrain, suivre discrètement un utilisateur pendant son activité, prendre des notes sur son environnement, ses gestes, contraintes, astuces et frustrations. | Observer un agent de cantine pendant une journée pour repérer les frictions dans la préparation des repas. |
| Focus group / atelier de co-création | Co-construire des solutions et explorer les perceptions collectives | Réunir 6 à 10 personnes représentatives, poser un thème, animer une discussion ou un atelier collaboratif (ex : world café, carte d’empathie), puis synthétiser les idées et tensions. | Atelier de 8 parents pour discuter de la sécurité alimentaire à la cantine. |
| Test sur prototype (basse ou haute fidélité) | Tester l’utilisabilité et la valeur perçue d’une solution | Concevoir une maquette papier, Figma ou interactive ; inviter des utilisateurs à effectuer des tâches concrètes ; observer leurs réactions, blocages et commentaires. | Tester un prototype Figma d’une appli de commande de repas. |
| Smoke test / landing page test | Mesurer l’intérêt avant développement | Créer une page simple présentant le concept (texte, visuel, vidéo), ajouter un bouton “Inscrivez-vous” ou “Essayez maintenant”, mesurer les clics ou inscriptions pour estimer la demande. | Dropbox a publié une vidéo présentant le futur produit pour mesurer le nombre d’inscriptions. |
| Fake door test | Mesurer la curiosité pour une fonctionnalité non encore développée | Ajouter un bouton ou une option dans une interface réelle, sans implémentation derrière, puis mesurer le taux de clics ou de demandes pour cette fonction. | Bouton “Essayer la livraison express” sur un site e-commerce → mesure du taux de clic. |
| Concierge test | Tester la valeur perçue d’un service en le simulant manuellement | Fournir le service “à la main” sans automatisation, pour valider la désirabilité avant d’investir dans la tech. Observer les retours et la récurrence des usages. | Simuler un service de courses “automatisé” en livrant soi-même les produits à la main. |
| Wizard of Oz test | Tester la perception d’un service automatisé | Faire croire à l’utilisateur qu’il interagit avec un système automatisé alors qu’un humain exécute les actions derrière ; observer les attentes et réactions. | Un chatbot “IA” simulé par un opérateur humain pour tester l’appétence à la conversation automatisée. |
| A/B test | Comparer deux variantes pour optimiser un élément clé | Créer deux versions d’un même message, design ou parcours ; exposer aléatoirement des utilisateurs à chaque version ; mesurer les écarts de performance (conversion, clics, satisfaction). | Tester deux versions d’un email d’onboarding : “Essai gratuit 7 jours” vs “3 mois offerts”. |
| Test de faisabilité technique / POC | Vérifier la compatibilité, la performance et le coût technique | Développer un prototype technique minimal (Proof of Concept) pour valider la faisabilité d’un composant, d’une API ou d’un flux avant industrialisation. | Tester une API de paiement sur un environnement sandbox avant intégration complète. |
| Test de viabilité / business | Valider la rentabilité potentielle du modèle | Lancer une offre pilote sur un segment restreint, mesurer le coût d’acquisition, le panier moyen, la marge brute et la rétention. Ajuster le modèle avant extension. | Mini-lancement d’un service d’abonnement à 50 clients pour calculer CAC et LTV. |
| Test d’opportunité / marché | Estimer le potentiel marché avant développement | Lancer une campagne publicitaire ou un post sponsorisé sur une audience cible, mesurer le taux de clic, le coût d’acquisition potentiel et l’intérêt exprimé. | Campagne Meta Ads testant plusieurs slogans pour une appli de suivi nutritionnel. |
| Test d’éthique / impact | Vérifier la conformité éthique et l’impact social / environnemental | Organiser un test utilisateur auprès de publics vulnérables, vérifier l’accessibilité, les biais potentiels et les risques d’exclusion ou de mauvaise interprétation. | Test de reconnaissance faciale sur un panel mixte pour détecter des biais de performance. |
Mesurer
C’est sans doute l’un des aspects les plus négligés dans une approche de type feature factory : la mesure de l’impact réel du résultat. Dans une usine à impact, cette réflexion est intégrée dès la conception : on pense simultanément à la faisabilité et à la mesurabilité.
Mesurer, c’est prévoir comment on collectera les données issues du test. Cela peut aller d’une simple prise de notes ou de photos pendant un atelier à la mise en place d’un système d’analyse intégré au produit.
Selon la nature de la mesure, la responsabilité varie : un designer ou un facilitateur documentera les observations qualitatives, tandis qu’un data analyst, un développeur ou un product manager assurera la mise en place et le suivi des métriques quantitatives.
Ensuite, pour chaque test proposé, la question se pose alors de l’expertise qui permet de le juger le résultat en lisant les données :
🎯 Besoin
| Sous-dimension | Question clé | Expert référent |
|---|---|---|
| Besoin client | Le problème identifié correspond-il bien à une tension commerciale réelle ? | Product Manager, Account Manager, Customer Success Manager |
| Besoin utilisateur | Le besoin exprimé reflète-t-il une réalité vécue par les utilisateurs ? | Product Designer, User Researcher, UX Strategist |
💡 Opportunité
| Sous-dimension | Question clé | Expert référent |
|---|---|---|
| Opportunité marché | Ce marché est-il suffisamment vaste et accessible pour justifier l’investissement ? | Product Marketing Manager, Product Manager, Sponsor |
| Opportunité technologique (compétitivité) | L’opportunité renforce-t-elle un avantage compétitif ou la vision long terme ? | CTO, CEO, Strategic Advisor |
❤️ Désirabilité
| Sous-dimension | Question clé | Expert référent |
|---|---|---|
| Proposition de valeur | La solution promet-elle une valeur perçue claire et différenciante ? | Product Marketing Manager, Sales Lead |
| Attractivité émotionnelle et symbolique | La marque, le design et l’expérience suscitent-ils engagement et confiance ? | Product Designer, Brand Designer, Product Marketing Manager |
🧩 Utilisabilité
| Sous-dimension | Question clé | Expert référent |
|---|---|---|
| Compréhension du contexte utilisateur | Le produit s’intègre-t-il dans le flux de vie ou de travail réel de l’utilisateur ? | Product Designer, UX Researcher |
| Facilité d’usage | L’utilisateur comprend-il et maîtrise-t-il la solution sans effort ? | Product Designer, UX Designer |
| Facilité d’intégration client | Le client peut-il facilement intégrer la solution dans son organisation ou ses processus ? | Product Manager, Chef de projet client, Customer Success Manager |
🧱 Faisabilité
| Sous-dimension | Question clé | Expert référent |
|---|---|---|
| Modélisation du système (service blueprint) | L’organisation peut-elle réellement délivrer ce service comme prévu ? | Product Manager, Business Analyst, Service Designer |
| Conception technique | L’architecture et les ressources permettent-elles de construire la solution ? | Tech Lead, Développeur, Architecte technique |
| Intégration organisationnelle | Les entités internes sont-elles prêtes à opérer et maintenir la solution ? | Operations Manager, Delivery Manager, Support Technique |
💶 Viabilité
| Sous-dimension | Question clé | Expert référent |
|---|---|---|
| Soutenabilité économique | Le modèle économique garantit-il une marge et une croissance suffisantes ? | Product Manager, Business Analyst, CFO |
| Attractivité pour les investisseurs / sponsors | Les résultats démontrent-ils un potentiel de scalabilité et de ROI crédible ? | Sponsor, Investisseur, CFO |
⚖️ Éthique et impact
| Sous-dimension | Question clé | Expert référent |
|---|---|---|
| Responsabilité sociétale et conformité | La solution respecte-t-elle les principes éthiques, légaux et environnementaux de l’entreprise ? | Responsable RSE, Juriste conformité, Ethics Officer, UX Researcher (inclusion) |
Planifier
Une fois le test identifié et la personne légitime pour juger et interpréter le résultat nommée, se pose la question de la personne capable de juger de la faisabilité du test, c’est à dire de la capacité à le construire et à évaluer la complexité et les délais.
| Nom du test | Description | Métier expert |
|---|---|---|
| Interview utilisateur / expert | Préparer un guide d’entretien semi-directif, rencontrer individuellement des utilisateurs ou experts, explorer leurs pratiques, motivations et contraintes pour comprendre le besoin profond. | UX Researcher, Product Manager |
| Questionnaire / sondage | Concevoir un formulaire structuré (questions fermées et ouvertes), le diffuser à un échantillon représentatif et analyser les réponses pour extraire des tendances. | UX Researcher, Data Analyst, Growth Marketer |
| Shadowing / observation terrain | Accompagner une personne sur le terrain pour observer directement ses activités, ses outils, ses obstacles et sa logique d’action dans son environnement réel. | UX Researcher, Service Designer |
| Focus group / atelier de co-création | Réunir un petit groupe représentatif, animer des échanges guidés ou un atelier collaboratif pour recueillir perceptions, idées et contradictions. | Design Facilitator, UX Designer, Product Manager |
| Test sur prototype (basse ou haute fidélité) | Concevoir une maquette ou un prototype interactif, inviter des utilisateurs à effectuer des tâches concrètes, observer leurs interactions et noter leurs difficultés. | Product Designer, UX Designer, UX Researcher |
| Smoke test / landing page test | Créer une page simple présentant un concept ou une offre, mesurer les inscriptions, clics ou précommandes pour valider l’intérêt avant tout développement. | Growth Marketer, Product Manager, No-code Maker |
| Fake door test | Ajouter un bouton ou une fonctionnalité fictive dans un produit réel, mesurer le taux de clics ou de demandes pour estimer la curiosité et l’appétence. | Growth Marketer, Product Manager, Developer |
| Concierge test | Fournir manuellement un service qui serait ensuite automatisé, afin de vérifier l’intérêt et la valeur perçue avant de construire la solution technique. | Product Manager, Operations Manager, Service Designer |
| Wizard of Oz test | Simuler un service automatisé en faisant exécuter les actions par un humain, pour observer la réaction des utilisateurs sans avoir à coder la solution. | UX Researcher, Product Manager, Prototype Engineer |
| A/B test | Proposer deux versions d’un même message, design ou parcours à des utilisateurs distincts, puis comparer les taux de clics, conversions ou satisfaction. | Growth Marketer, Data Analyst, Product Manager |
| Test de faisabilité technique / POC | Développer un prototype technique minimal (Proof of Concept) pour valider la faisabilité, la performance et le coût avant industrialisation. | Tech Lead, Software Engineer, Solution Architect |
| Test de viabilité / business | Lancer une version pilote auprès d’un petit segment, mesurer coût d’acquisition, panier moyen et marge pour valider le modèle économique. | Product Manager, Business Analyst, Growth Marketer |
| Test d’opportunité / marché | Lancer une campagne publicitaire ciblée ou une expérimentation de positionnement pour estimer la taille et l’attractivité du marché. | Growth Marketer, Product Marketing Manager, Product Manager |
| Test d’éthique / impact | Organiser des tests auprès de publics vulnérables, vérifier les biais, l’accessibilité et les impacts sociaux ou environnementaux. | Ethics Officer, UX Researcher, Accessibility Expert |
Les données fournies par la personne experte de la faisabilité du test permette d’animer une discussion avec l’ensemble des parties prenantes impliquées pour sélectionner les tests les plus appropriés au regard du délai, du coût et du résultat fixé par l’objectif de départ.
Opérer
Le savoir-faire nécessaire pour implémenter un test n’est pas toujours le même que celui requis pour le faire vivre sur le terrain.
Dans une équipe technique, par exemple, un administrateur système ou un DevOps/SRE ne mobilise pas les mêmes compétences qu’un développeur ayant conçu la fonctionnalité.
De la même façon, la personne qui conçoit un focus group n’est pas forcément la mieux placée pour l’animer : il faut alors des qualités d’écoute, de neutralité et de dynamisation du groupe.
Autrement dit, chaque test repose sur deux expertises distinctes mais complémentaires :
-
l’expertise d’implémentation, qui consiste à construire les conditions du test (outils, scénarios, supports) ;
-
l’expertise d’animation, qui garantit la qualité de l’interaction, de l’observation et de la collecte des données.
C’est souvent dans cet équilibre entre conception et animation que se joue la réussite d’un test.
Auteur de Usines à Impact / Co-fondateur de Shy Robotics / Head of Product chez Dassault Systèmes / Ingénieur passionné d’innovation et d’entrepreneuriat
Bibliographie complète ici
