← Tous les articles
Construire la bonne solution
5 erreurs dans la recherche utilisateur qui produisent des résultats trompeurs
Par l'équipe FabricLoop · Mai 2026 · 4 min de lecture
Il existe une version de la recherche utilisateur qui est pire que de ne faire aucune recherche du tout : une recherche qui produit des conclusions confiantes mais erronées. Quand une équipe ne fait pas de recherche, elle sait qu'elle fonctionne sur des hypothèses. Quand elle fait une mauvaise recherche, elle croit avoir des preuves — et elle arrête de chercher.
Les cinq erreurs ci-dessous ne sont pas des cas exotiques. Elles apparaissent dans la plupart des équipes produit, la plupart du temps, de manières étonnamment difficiles à repérer de l'intérieur.
"L'objectif de la recherche utilisateur n'est pas de confirmer vos intuitions. C'est de remplacer vos intuitions par des preuves — y compris des preuves que vous aviez tort."
Les cinq erreurs
Erreur
Ce que cela ressemble en pratique
Erreur 1
Poser des questions sur le comportement hypothétique futur
L'équipe demande "Utiliseriez-vous une fonctionnalité qui fait X ?" Les utilisateurs disent oui. L'équipe la construit. Personne ne l'utilise. Les gens sont optimistes quant à leurs futurs selves et mauvais juges de ce qu'ils feront réellement. Posez toujours des questions sur le comportement passé : "Parlez-moi de la dernière fois que vous avez dû faire face à X."
Erreur 2
Interviewer des utilisateurs qui aiment déjà le produit
Les panneaux de recherche remplis d'utilisateurs avancés et de défenseurs produisent des retours chaleureux, positifs et axés sur l'amélioration. Ce qu'ils ne produisent pas, c'est un aperçu des raisons pour lesquelles les gens ont quitté, pourquoi les gens ne se sont jamais convertis, ou ce dont le produit a besoin pour atteindre un nouveau segment. Parlez aussi aux utilisateurs qui ont quitté et aux non-utilisateurs — le retour est inconfortable mais essentiel.
Erreur 3
Les questions suggestives qui confirment les croyances existantes
"Avez-vous trouvé utile le nouveau tableau de bord ?" est une question suggestive. "Parlez-moi de la dernière fois que vous avez utilisé le tableau de bord" ne l'est pas. Les questions suggestives produisent un accord poli, pas une évaluation honnête. L'attachement du chercheur à l'hypothèse fuit dans la formulation de la question, et les utilisateurs — étant socialement conscients — suivent le signal.
Erreur 4
S'arrêter au "quoi" sans demander "pourquoi"
Un utilisateur dit : "Je voudrais un moyen de filtrer la liste." Le chercheur note "les utilisateurs veulent un filtrage." Mais le filtrage est une solution, pas un besoin. Qu'est-ce que l'utilisateur essaie vraiment de faire et que le filtrage aiderait ? La réponse à "pourquoi" est l'endroit où l'aperçu de conception réside — et il révèle souvent une meilleure solution que celle proposée par l'utilisateur.
Erreur 5
Traiter la recherche qualitative comme quantitative
"Trois utilisateurs sur cinq ont dit qu'ils trouvaient cela déroutant" n'est pas une statistique. C'est un signal directionnel de cinq personnes. La recherche qualitative vous dit quoi et pourquoi ; elle ne peut pas vous dire combien. La présenter avec une précision numérique donne aux parties prenantes une fausse confiance et mène souvent à optimiser la mauvaise chose à l'échelle.
Pourquoi ces erreurs sont si persistantes
La plupart des erreurs de recherche sont motivées. L'équipe a déjà une direction qu'elle veut suivre — une fonctionnalité qu'elle veut construire, une hypothèse en laquelle elle croit, une partie prenante qu'elle veut satisfaire. La recherche devient un rituel pour légitimer une décision qui a déjà été prise, et non une tentative réelle de la tester.
La solution n'est pas de rendre les chercheurs plus rigoureux isolément. C'est de séparer le rôle de "décider ce qu'il faut construire" de "mener la recherche qui informe cette décision." Quand le chercheur est aussi la personne qui a proposé la fonctionnalité, le biais de confirmation est presque inévitable.
Une norme utile
Avant toute session de recherche, écrivez ce qui vous ferait changer d'avis. Si vous ne pouvez pas le nommer, vous ne faites pas de recherche — vous faites du théâtre. La capacité à énoncer un résultat falsifiant est la différence entre une enquête authentique et un biais de confirmation avec des étapes supplémentaires.
Sur la taille de l'échantillon
Pour les tests d'utilisabilité, cinq à huit participants révèlent la majorité des problèmes — les rendements décroissants s'installent rapidement. Pour les entretiens de découverte de problèmes, douze à quinze est généralement suffisant pour atteindre la saturation. Pour tout ce que vous voulez généraliser quantitativement à une grande population, vous avez besoin d'une enquête appropriée avec un échantillon représentatif — pas dix entretiens.
Comment FabricLoop soutient la recherche honnête
Garder les notes d'entrevue brutes, la synthèse et les décisions dans le même fil rend plus difficile de discrètement descarter les conclusions inconvenantes. Quand les preuves sont visibles aux côtés de la décision, l'équipe peut voir si la conclusion a suivi ce qui a été appris — ou l'a précédée.
10 choses à retenir de cet article
- Une mauvaise recherche est pire que pas de recherche — elle produit une fausse confiance et empêche les équipes de chercher davantage.
- Ne posez jamais de questions sur le comportement hypothétique futur. Posez plutôt des questions sur un comportement passé spécifique.
- Les panneaux de recherche de défenseurs produisent un retour chaleureux et axé sur l'amélioration — pas un aperçu des raisons pour lesquelles les gens quittent ou ne se convertissent jamais.
- Parlez aux utilisateurs qui ont quitté et aux non-utilisateurs. Le retour est inconfortable et essentiel.
- Les questions suggestives produisent un accord poli, pas une évaluation honnête. Faites attention à votre formulation.
- Quand un utilisateur propose une solution ("Je veux un filtrage"), demandez toujours pourquoi. La réponse révèle généralement une meilleure solution.
- La recherche qualitative vous dit quoi et pourquoi. Elle ne peut pas vous dire combien. Ne la présentez pas avec une précision numérique.
- La plupart des erreurs de recherche sont motivées — la décision a déjà été prise, et la recherche est utilisée pour la légitimer.
- Séparez la personne qui propose les fonctionnalités de celle qui mène la recherche qui les évalue.
- Avant toute session de recherche, écrivez ce qui vous ferait changer d'avis. Si vous ne pouvez pas, vous ne faites pas de recherche.
