La discovery à deux vitesses : ce que l'IA transforme, et ce qu'elle laisse intact, PM Pathfinder

La scène se passe pendant une formation Noé sur la user research, cet été. La formatrice interroge un participant.

— Tu vas à la salle de sport combien de fois par semaine ?

— Trois ou quatre fois.

— Et la semaine dernière ?

— Deux.

Puis elle résume : quand on nous demande ce que nous faisons, nous répondons souvent ce que nous pensons faire. Ou ce que nous aimerions faire.

Cet écart existe depuis toujours, et la recherche utilisateur s'est construite autour de lui. Ce qui est nouveau, c'est que l'IA arrive sur ses deux versants, et qu'elle ne les transforme pas à la même vitesse. C'est ce déséquilibre, plus que la question « l'IA va-t-elle remplacer les chercheurs ? », qui change concrètement la pratique aujourd'hui.

Les deux versants de la discovery

La recherche utilisateur distingue deux familles de signaux. La recherche attitudinale recueille ce que les utilisateurs déclarent : entretiens, questionnaires, sondages. La recherche comportementale observe ce qu'ils font : analytics, tests d'utilisabilité, session replay, expérimentation, logs.

Les deux sont utiles, mais elles ne racontent pas la même chose. Une personne peut sincèrement penser qu'elle va à la salle trois fois par semaine alors que son historique raconte autre chose. Elle ne ment pas nécessairement, elle reconstruit.

C'est pour cela qu'un bon entretien évite « comment faites-vous habituellement ? » et préfère « racontez-moi la dernière fois que vous l'avez fait ». On demande de montrer plutôt que d'expliquer, on revient sur un événement daté, on cherche un exemple vécu. Une grande partie du savoir-faire de l'entretien consiste déjà à rapprocher le déclaratif du comportemental. L'IA n'agit pas de la même façon sur ces deux versants.

Premier versant : sur le déclaratif, l'IA change la collecte, pas la nature du signal

Le coût et l'échelle de la collecte

Des plateformes comme Listen Labs conduisent désormais des entretiens de bout en bout : l'IA prépare les questions, mène la conversation en audio ou en vidéo avec de vrais participants, relance, puis transforme le tout en résultats exploitables. L'entreprise revendique plus d'un million d'entretiens menés depuis 2023, et Microsoft rapporte être passé de quatre à six semaines de recherche à quelques heures, avec plus de cent entretiens conduits à environ un tiers du coût des méthodes traditionnelles [1]. En septembre 2026, Listen Labs abandonnait un tour de table de 125 millions de dollars pour négocier son rachat par Salesforce autour de 2 milliards [2].

Pendant vingt ans, le facteur limitant de la recherche qualitative a été le temps : recruter, planifier, mener, retranscrire, analyser. Ce facteur vient de s'effondrer, et la question de l'équipe produit change de nature. Elle n'est plus « combien d'entretiens peut-on se permettre ? » mais « qu'est-ce qu'on cherche à apprendre ? ». Le goulot d'étranglement se déplace de l'exécution vers le cadrage. C'est, appliqué à la discovery, le même déplacement que je décrivais pour l'équipe produit dans son ensemble dans l'article sur l'organisation : quand construire devient bon marché, choisir quoi construire devient la ressource rare. Et le cadrage ne s'automatise pas.

Ce que l'intervieweur humain faisait encore

Il serait pratique d'en conclure que l'entretien mené par IA n'a que des avantages. Les chercheurs qui ont regardé de près sont plus réservés.

Carl J. Pearson, docteur en recherche qualitative, a analysé en mars 2026 ce que ces dispositifs font à la méthode [3]. Il relève trois pertes : l'IA lit mal le non-verbal, elle construit difficilement la confiance qui fait qu'un participant va au fond des choses, et elle dose mal la relance. Mais sa critique principale vise l'argument de l'échelle lui-même. Ces plateformes livrent des pourcentages, or on ne peut pas compter une chose avant de savoir ce qu'elle est. Un motif superficiel mentionné cinq mille fois et un motif rencontré deux cents fois qui explique un comportement ressortent au même niveau. Le comptage arrive avant la compréhension.

Cela ne disqualifie pas l'entretien conduit par IA. Ce qu'on gagne en volume ne remplace simplement pas ce qu'on perd en profondeur, et il faut choisir en le sachant.

Un nouveau matériau : le synthetic user

L'autre évolution est plus troublante, parce qu'elle crée quelque chose qui n'existait pas.

Le 30 juillet 2026, Simile levait 200 millions de dollars pour une valorisation de 2 milliards, cinq mois après sa Series A, afin de développer des utilisateurs simulés pour la recherche marketing et produit [4].

Les deux entreprises font à première vue le même métier. En réalité elles représentent deux paris opposés : Listen Labs utilise l'IA pour interroger de vrais utilisateurs, Simile pour simuler l'utilisateur lui-même.

Et le second est séduisant. Donnez à un synthetic user un âge, une profession, un contexte d'utilisation, interrogez-le : il produira une réponse cohérente, plus utile qu'un persona inventé en salle de réunion, et bienvenue pour explorer un marché connu ou préparer des hypothèses.

La difficulté apparaît quand on change implicitement la nature de cette réponse. Un modèle peut produire :

« Dans cette situation, je préférerais recevoir une notification par email. »

Mais aucune personne correspondant à ce profil n'a fait ce choix. Personne n'a hésité, personne n'a cliqué, personne n'a renoncé. Le modèle n'a rencontré personne.

Plausible ne veut pas dire représentatif

Les premiers travaux académiques donnent une image plus nuancée que le marketing qui entoure ces outils. Jim Lewis et Jeff Sauro ont examiné en 2026 douze études évaluées par les pairs comparant réponses humaines et synthétiques : neuf résultats encourageants, quatorze décourageants [5]. Les modèles retrouvent souvent la direction d'un effet, mais la variance est artificiellement faible, les proportions dérivent et les sous-groupes sont mal reproduits. L'expérience la plus parlante est celle de Park et ses coauteurs, qui ont tenté de reproduire quatorze expériences classiques de sciences sociales avec des participants synthétiques : trois réussites, cinq échecs et six résultats inexploitables, soit 21 % de réplications, avec un modèle de 2023 il est vrai.

Les synthetic users ne sont donc pas inutiles. Mais leur valeur dépend de la question qu'on leur pose. Générer des hypothèses : oui. Estimer la proportion réelle d'utilisateurs qui pensent ou feront quelque chose : beaucoup plus fragile. Or ce sont ces questions-là qui finissent par nourrir une roadmap.

Le métier le sent. Interrogés spécifiquement sur les utilisateurs simulés en mai 2026, 47 % des 150 chercheurs sondés par User Interviews se disent sceptiques, et 79 % redoutent que leurs interlocuteurs internes prennent ces résultats générés pour des données d'observation [6]. C'est le risque principal, et il n'est pas technique. Une mauvaise réponse humaine paraît souvent hésitante ou confuse, ce qui met en alerte. Un modèle, lui, présente une hypothèse fragile en trois paragraphes parfaitement articulés. La vraisemblance devient une fausse mesure de qualité, et c'est en comité de priorisation que la confusion coûte le plus cher.

Ce qui ne change pas

Il serait confortable d'en conclure : humains fiables, synthetic users douteux. Ce serait faux.

Un entretien n'est pas non plus une fenêtre directe sur la vérité. Nous oublions, nous reconstruisons, nous rationalisons nos décisions après coup. Le métier a d'ailleurs déjà tranché une version de ce débat sous un autre nom : le focus group. Dix personnes autour d'une table à qui l'on demande ce qu'elles préfèrent. Le plus célèbre n'est pas un cas tech, c'est « je préfère Pepsi ou Coca ». On ne l'utilise plus guère en produit, parce qu'une fois que cinq personnes ont dit préférer Coca, la sixième le dira aussi. Pas par malhonnêteté ; elle ne réalise même pas qu'elle est influencée.

Mon point de vue : cette filiation me paraît plus éclairante que la plupart des débats en cours. Le product management a écarté le focus group parce qu'il produisait du consensus complaisant plutôt que de la vérité, et il a su quoi en faire : le garder pour le marketing, l'écarter de la recherche produit. La question n'est donc pas de savoir si les modèles deviendront moins complaisants, mais si nous saurons réserver cet outil aux usages où la complaisance ne coûte rien.

Le déclaratif reste donc du déclaratif, et l'artisanat qui permet de le corriger reste le même : ancrer dans un événement daté, relancer sur une hésitation, demander à voir plutôt qu'à entendre.

Second versant : sur le comportemental, la pratique change pour de bon

C'est là que l'évolution est la plus profonde, et paradoxalement la moins discutée. Sur ce versant, l'IA ne fabrique pas la preuve : elle travaille sur une preuve qui existe déjà. Une session enregistrée, un événement déclenché, un panier abandonné, un ticket envoyé, un test dont on connaît le résultat.

Trois gestes se dégagent de ce qui se construit aujourd'hui. Lire, relier, tester.

Lire

Amplitude a lancé en février 2026 plusieurs agents capables de surveiller les dashboards, d'analyser des centaines de session replays, de synthétiser du feedback ou d'assister l'expérimentation [7]. Un Session Replay Agent parcourt les sessions enregistrées pour repérer des frictions, des abandons, des comportements récurrents.

L'IA ne répond plus « voilà ce qu'un utilisateur de ce type ferait probablement », mais analyse ce qui s'est passé dans les sessions enregistrées. Dans un cas, elle produit le signal ; dans l'autre, elle nous aide à le lire.

Ce qui change dans la pratique, c'est le seuil de déclenchement. Regarder trois cents session replays n'était pas faisable ; on en regardait dix, un peu au hasard, quand une métrique inquiétait. Ça l'est désormais, et la question devient « qu'est-ce qu'on cherche à voir ? » plutôt que « a-t-on le temps ? ».

Relier

Pendant la formation Noé, la formatrice nous a présenté un agent construit à partir de son expérience chez Malt. À chaque nouvelle fonctionnalité, l'agent génère le plan de tracking associé : quels événements créer, comment les nommer, quelles propriétés conserver. Jusque-là, c'est surtout de l'automatisation.

L'étape suivante est plus intrigante. Pour chaque événement du plan de tracking, l'agent va chercher dans la base d'entretiens existante les verbatims qui s'y rapportent. On obtient alors, autour du même moment du parcours, ce que l'utilisateur a fait et ce qu'il en a dit.

C'est une difficulté que les équipes produit connaissent bien. L'analytics vous montre qu'un utilisateur sur trois abandonne à cette étape, mais pas pourquoi. L'entretien vous apprend qu'« à cet endroit, je ne comprends plus ce qu'on attend de moi », mais pas combien d'utilisateurs rencontrent le cas. Pendant longtemps, nous avons travaillé avec ces deux morceaux séparément : le quantitatif d'un côté, le qualitatif de l'autre, et un PM au milieu qui faisait le pont de tête.

C'est probablement l'usage de l'IA en discovery qui m'a le plus convaincu cette année : non pas produire un nouvel insight, mais enfin relier correctement ceux que nous avions déjà.

Tester

Le prototype a toujours été un instrument de discovery. Marty Cagan distingue depuis longtemps le build to learn du build to earn : on construit un prototype non pour livrer, mais pour dérisquer une décision [8].

Ce qui change, c'est le prix d'entrée. J'ai décrit dans l'article sur le PM qui build ce que le prototypage IA fait au PM côté construction ; côté recherche, l'effet est moins évident que le gain de temps : le prototype redevient jetable. Quand il coûtait cher, on le protégeait, on le faisait évoluer, il finissait par devenir la solution. Quand il ne coûte presque rien, on peut en construire un pour répondre à une seule question, observer ce qui se passe, et le jeter. C'est finalement assez proche de l'idéal du prototype en discovery : construire juste assez pour apprendre, puis accepter de jeter.

Avec un effet secondaire que la discipline connaît depuis longtemps. Maxim Leyzerovich l'a résumé d'une formule reprise partout : un design basse fidélité obtient du feedback de haut niveau, un design haute fidélité obtient du feedback de bas niveau [9]. Montrez un croquis, on vous parle de l'intention et de l'utilité. Montrez une interface finie, on vous parle de la couleur du bouton.

Or un prototype généré par IA est haute fidélité par défaut. Il ressemble à un produit avant qu'on ait vérifié que l'idée tenait. Le risque n'est donc pas qu'il soit mauvais, mais qu'il attire le mauvais type de retour au moment où l'on avait besoin de l'autre [10].

Reste la question que le prototype ne tranche pas. Si vous générez cinq variantes d'un parcours dans la journée, laquelle fonctionne ? L'expérimentation reprend donc du poids, et un A/B test reste l'observation la plus propre qui soit : on la fabrique exprès pour répondre à une question posée d'avance. Le marché semble le confirmer, avec le rachat de Statsig par OpenAI puis la reprise de sa plateforme par Amplitude [11][12]. Ce que ces mesures valent, et ce qu'elles ne disent pas, fait l'objet de l'article sur la mesure.

Le déséquilibre, et le critère qu'il impose

Du côté du déclaratif, l'IA industrialise la collecte et enrichit la matière disponible, sans changer fondamentalement la nature du signal ni le travail d'interprétation. Du côté comportemental, elle permet d'analyser beaucoup plus de données, de rapprocher des sources séparées et de tester plus vite des prototypes moins coûteux. Une discovery à deux vitesses.

Ce déséquilibre impose un critère, et il est plus opérationnel que l'opposition entre ce que les gens disent et ce qu'ils font.

Donnée observée, ou donnée générée ?

Un entretien avec un vrai utilisateur produit une donnée imparfaite, mais issue d'une personne réelle. Une session replay, un événement analytics, un ticket support, le résultat d'un A/B test : autant d'observations.

La réponse d'un synthetic user est une donnée générée. Cela ne la rend pas fausse. Cela veut dire qu'elle n'a pas le même statut : c'est une hypothèse produite par un modèle sur ce que pourrait dire ou faire une population.

Le meilleur moyen de sentir cette frontière est de comparer deux pratiques qui font la même promesse : apprendre vite, sans construire le produit réel. Elles ne truquent pas la même moitié de l'équation.

Le synthetic user simule l'utilisateur, et laisse le produit à l'état d'idée. Le prototype simule le produit, et garde l'utilisateur réel.

Dans un cas, vous obtenez ce qu'un modèle estime qu'une population dirait. Dans l'autre, vous observez ce qu'une vraie personne fait face à un produit qui, lui, est encore simulé.

La matière brute devient un choix

Il y a un effet de bord de l'automatisation de la synthèse que peu d'équipes ont anticipé. Avant, on conservait les notes d'entretien parce qu'il n'y avait rien d'autre. Aujourd'hui, une synthèse propre arrive en quelques secondes, et garder la matière brute devient une décision explicite.

Non qu'une IA résume mal un entretien : elle le résume très bien, et un résumé cherche par définition le thème commun. Or un insight produit se trouve parfois dans le mot qui ne rentre pas dans le thème.

Un exemple entendu pendant la formation Noé l'illustre bien. Une marketplace de freelances parlait de la « disponibilité » de ses utilisateurs. En réécoutant les entretiens, personne n'employait ce mot. Ils disaient : « à l'écoute ».

Être disponible suggère qu'on attend une mission. Être à l'écoute signifie qu'on travaille peut-être déjà, tout en restant ouvert à une opportunité. Ce n'est pas le même rapport au travail, et cela change la façon de penser la fonctionnalité.

Une synthèse automatique produirait sans difficulté : « les freelances évoquent leur disponibilité pour de nouvelles missions. » Elle aurait compris le thème, et perdu l'insight.

La bonne architecture de recherche n'est donc pas celle où l'IA remplace la matière brute par sa synthèse, mais celle où elle permet de l'explorer beaucoup plus vite sans perdre la possibilité d'y revenir. Transcrire, indexer, retrouver en quelques secondes tous les passages où un utilisateur évoque un moment précis : c'est peut-être le vrai gain. Une phrase exacte, dite par une personne réelle, retrouvée au moment où elle sert, vaut plus qu'une synthèse élégante. À condition de conserver le chemin jusqu'à elle.

La dette méthodologique de la discovery

Il reste un risque que la vitesse masque, et que je retrouve dans chaque article de cette série sous le nom de dette méthodologique.

Quand une équipe adopte des outils IA pour accélérer sa recherche sans avoir défini ce qu'elle cherche et pourquoi, elle ne produit pas nécessairement de meilleures décisions. Elle produit du signal mal interprété, plus vite. Le coût n'apparaît pas tout de suite. Il arrive avec le lancement sans traction, la fonctionnalité que personne n'utilise, la roadmap qui résout un problème que personne n'avait.

Et ce coût monte à mesure que construire devient bon marché. Quand une fonctionnalité coûtait six semaines de développement, une discovery bâclée se payait une fois. Quand elle coûte deux jours, on prend la même mauvaise décision plus souvent, avec la même assurance. C'est le revers de la thèse de l'article sur l'organisation : si choisir quoi construire devient la ressource rare, une discovery qui confirme au lieu d'apprendre est une ressource rare mal employée.

La question utile pour un PM aujourd'hui n'est donc pas « est-ce que j'utilise Dovetail, Maze ou Listen Labs ? ». C'est : est-ce que mes entretiens cherchent encore à me surprendre, ou est-ce qu'ils cherchent à confirmer ce qu'une synthèse m'a déjà dit ?

Mon point de vue : je décris souvent cette situation comme un continuum à trois états. État 1 : pas de discovery, on décide à l'intuition. État 2 : discovery accélérée par l'IA, synthèse déléguée, biais de confirmation non détecté parce que rien n'oblige à le chercher. État 3 : IA pour le volume, la préparation et la lecture du comportemental, entretiens humains pour ce qu'on ne sait pas encore, double synthèse pour garder une prise sur l'écart. Ce que j'observe, c'est que pas mal d'équipes qui se pensent à l'état 3 sont plus proches de l'état 2, avec une apparence de productivité en plus. Le passage de l'état 1 à l'état 2 se voit tout de suite : les livrables arrivent plus vite. Le passage de l'état 2 à l'état 3, lui, n'apparaît dans aucun tableau de bord. C'est ce qui le rend facile à sauter.

Au fond, la question que je me pose désormais avant d'utiliser une IA en discovery est simple :

Est-ce qu'elle m'aide à mieux observer le réel, ou est-ce que je lui demande de me dire à quoi le réel devrait ressembler ?

Cette vigilance suppose de savoir ce qu'on automatise. Le rapport Future of User Research 2026 de Maze indique que 69 % des équipes utilisent déjà l'IA dans au moins une partie de leur recherche [13], et l'enquête de User Interviews que près de deux tiers d'entre elles n'ont aucune règle sur les synthetic users. L'outil arrive souvent avant la compétence qu'il remplace, et avant la règle qui devrait l'encadrer. C'est ainsi que la dette s'installe, et que l'état 2 se fait passer pour l'état 3.

Je ne crois pas pour autant qu'il faille commencer par se priver de l'outil pour acquérir les bons réflexes. Ce serait long, et personne ne le fera. Il y a plus simple, et Teresa Torres le pratique sur ses propres entretiens : faire le travail en parallèle, quelques fois [14]. Écrire ses trois insights avant de lire la synthèse automatique. Annoter une poignée de verbatims à la main avant de laisser l'agent les classer. Regarder dix sessions soi-même avant d'en faire analyser trois cents.

Ce qui s'apprend là, c'est l'écart : ce que l'IA a manqué, ajouté ou lissé. Il se voit en quelques itérations, il coûte désormais très peu de temps, et c'est lui qui permet ensuite de savoir jusqu'où déléguer.

Sources

Listen Labs business breakdown, Contrary Research (2026). Plus d'un million d'entretiens conduits depuis 2023 ; retour d'expérience Microsoft : délais de recherche de 4 à 6 semaines ramenés à quelques heures, 100+ entretiens à environ un tiers du coût des méthodes traditionnelles.
AI research startup Listen Labs scrubbed a $1.5B funding round for Salesforce talks, TechCrunch (9 septembre 2026). Négociations en cours, non finalisées au 16 septembre 2026.
AI moderated interviews: methodological error amplified, Carl J. Pearson, PhD (23 mars 2026). Analyse critique des entretiens modérés par IA : pertes sur le non-verbal, le rapport de confiance et la relance ; critique du comptage effectué avant la définition des catégories.
Synthetic-user startup Simile raises $200M at $2B valuation 5 months after $100M Series A, TechCrunch (30 juillet 2026).
A Review of Experiments with Synthetic Users, Jim Lewis et Jeff Sauro, MeasuringU (14 avril 2026). Revue de 12 études évaluées par les pairs publiées depuis 2023 : 9 constats encourageants, 14 décourageants. Inclut la tentative de réplication de Park et al. sur 14 expériences classiques (3 réussites, 5 échecs, 6 inexploitables).
The State of Synthetic Users, User Interviews (juin 2026). Enquête menée en mai 2026 auprès de 150 chercheurs.
Amplitude Introduces Agentic AI Analytics for the Next Era of Product Experiences, Amplitude / Business Wire (février 2026). Agents de monitoring de dashboards, d'analyse de session replays, de feedback et d'expérimentation. Communiqué d'entreprise : capacités annoncées, non vérifiées indépendamment.
Build to Learn vs Build to Earn, Marty Cagan, Silicon Valley Product Group. Distinction entre prototype de discovery et produit de delivery, rôle du prototype dans le dérisquage.
« Low fidelity design gets high-level feedback; high fidelity designs get low-level feedback » (Maxim Leyzerovich), repris par Simon Whatley (mars 2024).
Rethinking Prototype Fidelity in the Age of Generative AI: When High-Fidelity Becomes Cheap, It's Time to Revisit Our Foundational Design Wisdom, ACM Interactions, vol. XXXIII.4 (juillet-août 2026), DOI 10.1145/3815553.
OpenAI acquires product testing startup Statsig and shakes up its leadership team, TechCrunch (2 septembre 2025). Valorisation d'environ 1,1 milliard de dollars.
Amplitude and Statsig deal raises questions for customers, MarTech (mai 2026). Reprise de la marque, du code et des clients Statsig par Amplitude ; l'équipe reste chez OpenAI.
The Future of User Research Report 2026, Maze (11 mars 2026). Enquête auprès de près de 500 professionnels ; 69 % des équipes utilisent l'IA dans au moins une partie de leur recherche.
« Building is cheap now, but don't build everything » : Teresa Torres on AI product management, Airfocus (avril 2026), et Customer Interview Analysis, podcast All Things Product avec Petra Wille, Product Talk. Méthode de double synthèse : synthétiser soi-même avant de comparer avec la synthèse produite par l'IA.
Formation Noé, 2026. Notes personnelles prises lors d'une formation à la user research. Les exemples Malt sur le rapprochement tracking/verbatims et sur les termes « disponibilité » / « à l'écoute » proviennent de cette formation.