Un laboratoire d'utilisabilité à Munich , en Allemagne Les tests d'utilisabilité sont une technique de conception d'interaction centrée sur l'utilisateur permettant d'évaluer un...
Les tests d'utilisabilité sont une technique de conception d'interaction centrée sur l'utilisateur permettant d'évaluer un produit en le testant auprès d'utilisateurs. Cette pratique est considérée comme irremplaçable , car elle fournit un retour direct sur la manière dont les utilisateurs réels utilisent le système. Elle s'intéresse principalement à l'intuitivité de la conception du produit et est réalisée auprès d'utilisateurs n'ayant aucune connaissance préalable de celui-ci. Ces tests sont essentiels au succès d'un produit final, car une application parfaitement fonctionnelle mais source de confusion pour ses utilisateurs ne durera pas longtemps. Ceci contraste avec les méthodes d'inspection d'utilisabilité , où des experts utilisent différentes méthodes pour évaluer une interface utilisateur sans impliquer les utilisateurs.
Les tests d'utilisabilité visent à mesurer la capacité d'un produit conçu par l'homme à atteindre les objectifs visés. Parmi les produits qui bénéficient généralement de ces tests, on peut citer l'alimentation , les biens de consommation, les sites web ou applications web, les interfaces informatiques , les documents et les appareils. Les tests d'utilisabilité mesurent l'utilisabilité, ou la facilité d'utilisation, d'un objet ou d'un ensemble d'objets spécifiques, tandis que les études générales sur l'interaction homme-machine cherchent à formuler des principes universaux.
Ce que ce n'est pas
Recueillir des avis sur un objet ou un document relève de l'étude de marché ou de la recherche qualitative , et non des tests d'utilisabilité. Ces derniers consistent généralement en une observation systématique dans des conditions contrôlées afin de déterminer la facilité d'utilisation du produit. Toutefois, il arrive fréquemment que la recherche qualitative et les tests d'utilisabilité soient utilisés conjointement pour mieux comprendre les motivations et les perceptions des utilisateurs, en plus de leurs actions.
Plutôt que de présenter aux utilisateurs une ébauche et de leur demander : « Vous comprenez ? », les tests d'utilisabilité consistent à observer des personnes utiliser un produit conformément à sa fonction. Par exemple, lors du test d'une notice de montage de jouet, les participants doivent recevoir la notice et une boîte de pièces, et être invités à assembler le jouet, plutôt que de simplement commenter les pièces ou les matériaux. La formulation des instructions, la qualité des illustrations et la conception du jouet influencent tous le processus d'assemblage.
Histoire
Les tests d'utilisabilité ne datent pas des sites web et des applications. Ils ont émergé dans les années 1940 avec l'étude de l'utilisation des machines, notamment des commandes d'avion pendant la Seconde Guerre mondiale . Plus tard, dans les années 1980, avec la démocratisation de l'ordinateur personnel, un nouveau domaine, l'interaction homme-machine (IHM), a fait des tests d'utilisabilité une pratique courante en conception technologique.
Dans les années 1990, des laboratoires spécialisés ont été mis en place pour observer les utilisateurs d'ordinateurs et identifier les difficultés qu'ils rencontraient. Avec la popularisation d'Internet et des smartphones dans les années 2000 et 2010, les tests d'utilisabilité se sont étendus aux sites web et aux applications. Ils ont alors commencé à se dérouler en ligne, permettant aux entreprises de réaliser des tests auprès d'utilisateurs du monde entier.
Les tests d'utilisabilité sont devenus une étape incontournable de la conception de produits, notamment dans les environnements technologiques en constante évolution. De nouveaux outils, les tests à distance et les technologies émergentes , comme l'IA et la réalité virtuelle, rendent le processus plus rapide et plus sophistiqué. L'objectif reste néanmoins inchangé : simplifier l'utilisation de la technologie pour tous.
Laboratoires d'utilisabilité
Tests A/B
où p représente la probabilité qu'un sujet identifie un problème spécifique et n le nombre de sujets (ou de sessions de test). Ce modèle se présente sous la forme d'un graphique asymptotique en fonction du nombre de problèmes réels (voir figure ci-dessous).
Des recherches ultérieures ont remis en question l'affirmation de Nielsen à l'aide de données empiriques et de modèles mathématiques plus avancés . Deux principaux obstacles à cette assertion sont :
Étant donné que l'utilisabilité est liée à un ensemble spécifique d'utilisateurs, un échantillon aussi petit a peu de chances d'être représentatif de la population totale. Par conséquent, les données issues d'un échantillon aussi restreint sont plus susceptibles de refléter le groupe échantillonné que la population qu'il représente.
Tous les problèmes d’utilisabilité ne sont pas aussi faciles à détecter. Les problèmes complexes ont tendance à ralentir le processus global. Dans ces circonstances, la progression du processus est bien moindre que ne le prévoit la formule de Nielsen/Landauer.
Nielsen ne préconise pas de s'arrêter après un seul test auprès de cinq utilisateurs ; son argument est que tester avec cinq utilisateurs, corriger les problèmes qu'ils mettent en évidence, puis tester le site révisé auprès de cinq autres utilisateurs représente une meilleure utilisation des ressources limitées que de réaliser un unique test d'utilisabilité auprès de dix utilisateurs. En pratique, les tests sont menés une ou deux fois par semaine pendant toute la durée du cycle de développement, avec trois à cinq participants par session, et les résultats sont communiqués aux concepteurs sous 24 heures. Le nombre d'utilisateurs effectivement testés au cours du projet peut ainsi facilement atteindre 50 à 100. Les recherches montrent que les tests utilisateurs menés par les organisations impliquent le plus souvent le recrutement de 5 à 10 participants.
Dans la phase initiale, lorsque les utilisateurs sont les plus susceptibles de rencontrer des problèmes bloquants, presque toute personne d'intelligence normale peut servir de sujet de test. Dans la deuxième phase, les testeurs recruteront des sujets de niveaux de compétences variés. Par exemple, dans une étude, les utilisateurs expérimentés n'ont rencontré aucune difficulté avec les différentes versions du design, tandis que les utilisateurs novices et les utilisateurs se considérant comme experts ont échoué à plusieurs reprises. Par la suite, une fois le design optimisé, les utilisateurs devraient être recrutés au sein de la population cible.
Lorsque la méthode est appliquée à un nombre suffisant de personnes tout au long d'un projet, les objections mentionnées précédemment sont levées : la taille de l'échantillon n'est plus trop petite et les problèmes d'utilisabilité rencontrés par des utilisateurs occasionnels sont mis en évidence. L'intérêt de la méthode réside dans le fait que les problèmes de conception spécifiques, une fois identifiés, ne se reproduisent plus car ils sont immédiatement éliminés, tandis que les éléments qui semblent fonctionner sont testés de manière répétée. S'il est vrai que les problèmes initiaux de la conception peuvent n'être testés que par cinq utilisateurs, lorsque la méthode est correctement appliquée, les éléments de la conception qui ont fonctionné lors de ce test initial seront ensuite testés par 50 à 100 personnes.
Limites de l'échantillonnage des participants
Critiques statistiques des tests sur petits échantillons
L'affirmation, largement répandue, selon laquelle cinq participants suffisent à identifier 85 % des problèmes d'utilisabilité a fait l'objet d'un examen critique approfondi. Le modèle mathématique sous-jacent suppose une probabilité constante de détection des problèmes pour tous les utilisateurs et tous les problèmes. Des recherches ont démontré que cette formule « fait des hypothèses injustifiées sur les différences individuelles dans la détection des problèmes » et ont constaté que, si le modèle peut se vérifier pour de simples décomptes de problèmes, les analyses intégrant la fréquence et la gravité des problèmes ont indiqué qu'il pourrait être nécessaire de doubler la taille des échantillons pour éviter des résultats trompeurs.
Des recherches empiriques ont révélé une variabilité importante dans l'efficacité du modèle à cinq utilisateurs. Des expériences d'échantillonnage aléatoire ont montré que, si des groupes de cinq utilisateurs détectaient en moyenne 85 % des problèmes comme prévu, les résultats variaient considérablement : certains groupes de cinq n'en détectaient que 55 %, tandis qu'aucun groupe de vingt n'en détectait moins de 95 %. Cette variabilité suggère que la petite taille des échantillons introduit une incertitude considérable dans les résultats d'évaluation de l'utilisabilité.
La probabilité de détecter un problème d'utilisabilité donné n'est pas uniforme ; elle varie en fonction de la gravité du problème, des caractéristiques de l'utilisateur, de la complexité du produit et de la structure du test. Les recherches indiquent que les problèmes subtils, qui peuvent avoir les conséquences les plus graves sur la sécurité de l'utilisateur ou la réalisation de la tâche, ont des probabilités de détection plus faibles et nécessitent des échantillons plus importants pour être identifiés de manière fiable.
Des modèles d'hétérogénéité ont été proposés pour tenir compte des variations des taux de détection des problèmes, arguant que la formule originale de Nielsen-Landauer simplifie à l'excès le processus de découverte. Ces modèles suggèrent que les problèmes complexes ralentissent le processus global de découverte, ce qui se traduit par des progrès moins importants que ne le prédit la formule originale.
Sous-représentation des utilisateurs handicapés
Une limite importante des tests d'utilisabilité réside dans la sous-représentation systématique des personnes en situation de handicap, alors même que cette population constitue une part substantielle des utilisateurs potentiels. Selon l'Organisation mondiale de la Santé, environ 1,3 milliard de personnes (16 % de la population mondiale) vivent avec un handicap significatif, et cette prévalence est en augmentation en raison du vieillissement de la population et de la hausse des maladies chroniques. Dans les pays où l'espérance de vie dépasse 70 ans, les individus passent en moyenne 11,5 % de leur vie avec un handicap.
Les personnes handicapées sont celles qui ont le plus à gagner des nouvelles technologies, mais elles sont trop souvent laissées pour compte par ces développements, en grande partie parce qu’elles ne sont pas incluses dans les consultations et les premières étapes du développement
Les recherches ont montré que les technologies ne sont généralement pas testées auprès de participants issus de milieux divers, les principaux obstacles étant les pressions organisationnelles, la culture des parties prenantes et les difficultés de recrutement des participants.
Il a été souligné que les conceptions doivent être testées auprès d'utilisateurs en situation de handicap afin de déterminer si elles sont à la fois accessibles et utilisables, car la conformité aux directives d'accessibilité ne garantit pas à elle seule l'utilisabilité. Des professionnels du secteur ont fait valoir que les utilisateurs en situation de handicap identifient souvent un plus large éventail de problèmes que les utilisateurs valides, y compris des problèmes qui affectent tous les utilisateurs, ce qui suggère que les tests inclusifs peuvent être plus efficaces que les tests réalisés uniquement auprès d'utilisateurs valides.
Le concept d’« utilisateurs extrêmes » en recherche en design postule que les tests menés auprès d’utilisateurs confrontés à des difficultés supplémentaires, notamment les personnes en situation de handicap, peuvent révéler des informations précieuses améliorant l’expérience utilisateur pour tous. Ce phénomène est parfois appelé « effet de rampe d’accès », suite à l’observation que les rampes conçues pour les fauteuils roulants facilitent également l’accès aux personnes avec des poussettes, des bagages ou des difficultés de mobilité. Certaines pratiques modernes de recherche utilisateur privilégient les utilisateurs « proche » ou « extrêmes » plutôt que les utilisateurs classiques, partant du principe que si les conceptions répondent aux besoins de ces utilisateurs, elles seront alors fluides et intuitives pour tous les clients.
biais d'échantillonnage des groupes WEIRD
La recherche sur l’utilisabilité partage des limitations d’échantillonnage plus générales, déjà observées en recherche psychologique, notamment une dépendance excessive aux participants issus de sociétés occidentales, éduquées, industrialisées, riches et démocratiques (WEIRD). Des études ont montré que, bien que les populations WEIRD représentent environ 12 % de la population mondiale, elles constituaient 96 % des participants aux recherches publiées en sciences comportementales.
Ce biais d’échantillonnage soulève des questions quant à la généralisation des résultats d’utilisabilité, car la recherche a démontré que les processus cognitifs et perceptifs peuvent varier considérablement d’une culture à l’autre. Par exemple, des études sur la perception visuelle ont montré que certaines illusions d’optique qui affectent de manière fiable les personnes issues de pays industrialisés n’ont pas le même effet sur les personnes issues de sociétés non industrialisées.
Une revue systématique de la recherche en psychologie du développement a révélé que, sur 1 582 articles analysés, seuls 112 portaient sur des participants originaires d’Amérique centrale et du Sud, d’Afrique, d’Asie et du Moyen-Orient, contre 912 portant exclusivement sur des participants des États-Unis. Des tendances similaires sont probablement présentes dans la recherche sur l’utilisabilité, bien que les analyses spécifiques des caractéristiques démographiques des échantillons dans ce domaine restent limitées.
La persistance des biais d'échantillonnage, malgré une prise de conscience généralisée, est attribuée aux pratiques d'échantillonnage de commodité, où les chercheurs recrutent des participants facilement accessibles plutôt que des participants représentatifs de la population d'utilisateurs. Les protocoles expérimentaux classiques peuvent également exclure involontairement certaines populations ; par exemple, des séances de test trop longues peuvent être rebutantes pour les participants neurodivergents, entraînant des effets d'autosélection qui réduisent la représentativité de l'échantillon.
Exemples
Exemple A : Essais de dispositifs médicaux (2015)
L’édition 2015 de Usability Testing of Medical Devices définit les tests d’utilisabilité comme : « un moyen de déterminer si un dispositif médical donné répondra aux besoins et aux préférences de ses utilisateurs cibles », et comme un moyen « de juger si un dispositif médical est plus ou moins vulnérable aux erreurs d’utilisation dangereuses ».
Le processus de test se déroule généralement de la manière suivante :
Planification . Les spécialistes de l'ergonomie élaborent des plans de test pour évaluer dans quelle mesure la conception d'un appareil répond aux besoins des utilisateurs. Traditionnellement, ces tests se déroulent dans des installations dédiées, mais le contexte peut varier et inclure des zones non cliniques en fonction de l'appareil et de l'objectif de l'étude.
Sélection des participants. Les utilisateurs représentatifs (professionnels de santé et patients) sont soigneusement sélectionnés afin de garantir leur représentativité des personnes qui utiliseront le dispositif. Cette sélection implique parfois d'élargir l'échantillon pour inclure des participants présentant des limitations physiques ou cognitives, afin d'évaluer l'accessibilité et l'ergonomie.
Exécution des tâches et observation. Les participants sont familiarisés avec l’environnement de test, ses objectifs et les règles, et sont interviewés avant d’effectuer les tâches avec le dispositif. « Pendant que les participants effectuent leurs tâches, le personnel de test… les observe attentivement afin de déterminer comment le dispositif médical facilite ou entrave ces tâches. »
Analyse et itération. Les données sont examinées afin d'évaluer la cohérence entre les sessions et de déceler les problèmes d'utilisabilité potentiels qui ne répondent pas aux besoins du public cible ou qui pourraient conduire à une utilisation dangereuse ou inefficace.
Grâce à ce processus, les chercheurs acquièrent des connaissances essentielles sur l'interaction humaine avec les dispositifs médicaux, permettant ainsi aux concepteurs de corriger les problèmes d'utilisabilité avant la mise sur le marché des produits.
« Choisissez votre public cible. Commencez la conception de votre interface utilisateur en identifiant votre public cible. Écrivez-vous pour des hommes d'affaires ou pour des enfants ? »
Déterminer le niveau de connaissance des utilisateurs cibles concernant les ordinateurs Apple et le sujet du logiciel.
Les étapes 1 et 2 permettent de concevoir l'interface utilisateur en fonction des besoins du public cible. Un logiciel de préparation fiscale destiné aux comptables peut supposer que ses utilisateurs ne connaissent rien à l'informatique mais sont experts en droit fiscal, tandis qu'un logiciel destiné aux consommateurs peut supposer que ses utilisateurs ne connaissent rien à la fiscalité mais sont familiarisés avec les bases des ordinateurs Apple.
Apple a conseillé aux développeurs : « Vous devriez commencer les tests dès que possible, en utilisant des amis, des parents et de nouveaux employés recrutés » :
Notre méthode de test est la suivante : nous aménageons une salle avec cinq ou six ordinateurs. Nous organisons des sessions de test pour deux ou trois groupes de cinq ou six utilisateurs (souvent à leur insu, car il s’agit en réalité du logiciel). Deux des concepteurs sont présents dans la salle. En moins grand nombre, ils ne voient pas tout ce qui se passe ; en plus grand nombre, les utilisateurs ont l’impression d’être constamment surveillés.
Les concepteurs doivent observer les utilisateurs utiliser le programme en personne, car
95 % des problèmes rencontrés sont détectés grâce à l'observation du langage corporel des utilisateurs. Soyez attentif aux yeux plissés, aux épaules voûtées, aux hochements de tête et aux profonds soupirs. Lorsqu'un utilisateur rencontre un problème, il pensera que c'est « parce qu'il n'est pas très doué » : il ne le signalera pas, il le dissimulera… Ne présumez pas des raisons de la confusion d'un utilisateur. Interrogez-le. Vous serez souvent surpris d'apprendre ce qu'il pensait que le programme faisait au moment où il s'est perdu.
Éducation
Les tests d’utilisabilité font l’objet d’un enseignement formel dans différentes disciplines universitaires. Ils sont importants pour les études de composition et l’enseignement de l’écriture en ligne (EEL). Le chercheur Collin Bjork soutient que les tests d’utilisabilité sont « nécessaires mais insuffisants pour développer un EEL efficace, à moins d’être associés aux théories de la rhétorique numérique ».
Recherche par sondage
Les outils d'enquête comprennent des questionnaires papier et numériques , des formulaires et des instruments pouvant être remplis ou utilisés par le répondant seul ou avec un enquêteur. Les tests d'utilisabilité sont généralement effectués pour les enquêtes en ligne et portent sur l'interaction des utilisateurs avec l'enquête : navigation, saisie des réponses et accès à l'aide. Ces tests complètent les méthodes traditionnelles de prétest, telles que les tests cognitifs (comment les utilisateurs comprennent le produit), les tests pilotes (comment les procédures de l'enquête seront appliquées) et l'évaluation par un expert en méthodologie d'enquête .
Dans les produits d'enquête traduits, les tests d'utilisabilité ont montré que « l'adéquation culturelle » doit être prise en compte au niveau des phrases et des mots ainsi que dans la conception de la saisie de données et de la navigation, et que la présentation de la traduction et d'indices visuels des fonctionnalités courantes (onglets, hyperliens , menus déroulants et URL ) contribue à améliorer l'expérience utilisateur.
Worldlex Wiki 
