Conférence de Myriam Jessier
Voir les slides
Regarder la vidéo
Présentation de l’oratrice
Myriam est spécialiste SEO & Analytics depuis 15 ans. Elle travaille à son compte comme formatrice et consultante à Québec.
Elle adore les poulpes, les dinosaures et parle 3 langues parfaitement !
L’expérience de recherche
L’expérience de recherche en ligne, c’est le processus et la facilité avec lesquels une personne peut trouver des informations
Recherche vs découvrabilité
Les utilisateurs peuvent-ils localiser quelque chose qu’ils supposent exister ?
Les utilisateurs remarqueront-ils quelque chose dont ils ignoraient l’existence auparavant ?
Vont-ils faire défiler les pages et tomber sur ce contenu ?
L’expérience de recherche en ligne passe par les barres de recherche de Google, de TikTok, de ChatGPT.
Les facteurs UX
Pertinence des résultats
Les informations affichées en réponse sont-elles pertinentes et utiles ?
Le nombre de résultats dans un moteur est un indicateur explicite ou implicite (suivant les profils d’utilisateurs) du succès des termes de recherche. Ça peut être un indicateur qui permet de préciser sa requête (quand trop de résultats), ou au contraire la rendre plus générique (quand pas assez de résultats).
Facilité d’utilisation
La fonction de recherche est-elle facile à utiliser et à comprendre ? Et peut-on facilement affiner ou modifier la recherche ?
Rapidité des résultats
Les résultats sont-ils affichés rapidement ?
Sur Google par ex les résultats sont souvent affichés en moins d’une seconde.
Présentation des résultats
Les résultats sont-ils présentés de manière claire et organisée ?
Peut-on facilement identifier les informations les plus importantes ?
Google par ex affiche les résultats les plus pertinent en premiers et les souligne (ex sur la capture ci-dessous).
Expérience mobile
La fonction de recherche est-elle aussi efficace et facile à utiliser sur les appareils mobiles ?
Google a bien compris les enjeux ! Les moteurs de recherche doivent fournir un ensemble diversifié de résultats de recherche utiles et de qualité, présentés dans l’ordre le plus utile.
Pour améliorer l’expérience de recherche, il faut comprendre les facteurs humains.
Les facteurs humains :
- Charge cognitive
- Facteurs culturels
- Préférences individuelles
- …mais pas que…
Connaissance & niveau de compétence
Besoins en matière d’accessibilité : l’accessibilité est un facteur qui impacte l’expérience de recherche.
Intention de recherche :
Par ex si je cherche « Avocat vol à l’étalage », cela signifie quoi ?
- J’ai volé et maintenant, je cherche un avocat
- Je planifie (peut-être) de voler des avocats
Patience & contraintes de temps : on néglige ces facteurs trop souvent.
Les biais cognitifs affectent la manière dont les personnes
interprètent les résultats de recherche et interagissent avec eux.
Pour mémoire, les biais cognitifs sont des mécanismes de pensée qui poussent le cerveau humain à tirer des conclusions incorrectes.
Les biais cognitifs influencent notre perception et notre interprétation de l’information.
On a tous des biais cognitifs !
Google & biais cognitifs
Il existe plus d’une centaine de biais cognitifs identifiés par la recherche en psychologie.
Les principaux biais cognitifs qui impactent la recherche :
- Biais de confirmation
- Biais d’ancrage
- Effet d’entraînement (bandwagon)
- L’angle mort des préjugés
- Biais de négativité
- Effet de cadrage
- Biais de saillance
Le biais d’ancrage est la tendance à trop se fier à la première information rencontrée pour prendre des décisions ultérieures.
Le biais de confirmation est l’interprétation des résultats en faveur de croyances préexistantes. Ce biais sert la désinformation !
Si plusieurs personnes recherche la même chose, elles n’auront pas forcément le même résultat.
Le biais de saillance est la tendance à se concentrer sur les informations les plus proéminentes ou émotionnellement frappantes. Comme par ex le clickbait, les images choquantes, les mots-clés en gras, les étoiles, les vidéos, tout est bon…
Le problème au cœur de tout ça…
- raisonnement erroné,
- irrationalité
- des résultats potentiellement préjudiciables (par exemple, pertes financières, disparités en matière de santé, impact sur l’environnement).
Liste rapide avec le biais, une explication, l’impact et comment lutter contre
| Nom du Biais | Explication | Impact sur la recherche | Comment atténuer le problème |
|---|---|---|---|
| Biais de confirmation | Préférence pour les informations qui confirment des croyances préexistantes | Clics uniquement sur les résultats alignés avec leurs croyances, en ignorant les autres | Créer du contenu offrant plusieurs perspectives sur un sujet pour remettre en question les croyances préexistantes. |
| Bulle de Filtre/Biais de Personnalisation | Les algorithmes en ligne trient le contenu aligné avec le comportement de l’utilisateur | Les utilisateurs sont susceptibles d’être exposés à des informations qui renforcent leurs biais existants | Viser à diversifier le contenu et présenter des points de vue alternatifs pour briser la bulle de filtre. |
| Heuristique de Disponibilité | Dépendance d’exemples immédiats pour évaluer un sujet spécifique | Les informations les plus facilement disponibles sont souvent considérées comme les plus pertinentes | Viser un meilleur classement dans les recherches pour que votre contenu soit facilement disponible ; utiliser les meilleures pratiques SEO. |
| Biais d’Ancrage | Forte dépendance de la première information vue | Les premiers résultats de recherche peuvent influencer de manière disproportionnée la perception de l’utilisateur | Rendre les premières informations de votre contenu convaincantes et précises. |
| Biais de Saillance | Tendance à se concentrer sur les informations les plus proéminentes ou émotionnellement frappantes | Les mots gras, les images frappantes, ou les résultats avec beaucoup d’avis peuvent attirer l’attention de l’utilisateur | Utiliser des visuels attrayants, des titres et des méta-descriptions pour attirer l’attention sur votre contenu. |
| Effet de Conformité/Biais de Groupe | Tendance à croire parce que beaucoup d’autres croient la même chose | Les utilisateurs peuvent être influencés à cliquer sur des liens en fonction de leur popularité apparente | Mettre en évidence la preuve sociale (comme les avis d’utilisateurs ou témoignages) dans votre contenu et stratégie de marketing. |
| Biais d’Autorité | Tendance à attribuer plus de précision à l’opinion d’une figure d’autorité | Les utilisateurs sont plus susceptibles de croire les résultats provenant de sources bien connues | Établir votre autorité dans votre domaine à travers du contenu de haute qualité et soutenu par des recherches. |
| Biais de Négativité | Tendance à donner plus d’attention aux détails négatifs qu’aux positifs | Si les résultats de recherche mettent en avant des aspects négatifs d’un sujet, les utilisateurs peuvent leur donner plus de poids | Équilibrer les informations négatives avec des aspects positifs ou des solutions aux problèmes abordés. |
| Effet de Cadrage | Conclusions différentes à partir des mêmes informations présentées différemment | La manière dont les résultats de recherche sont présentés peut influencer significativement la compréhension et la prise de décision de l’utilisateur | Tester différents cadres de contenu pour comprendre ce qui résonne le mieux avec votre audience. |
| Biais de Surconfiance | Confiance excessive dans ses propres réponses aux questions | Les utilisateurs peuvent ignorer des résultats de recherche précis qui contredisent leurs croyances préexistantes | Fournir des sources crédibles et des données pour étayer votre contenu et remettre en question la surconfiance. |
| Biais de Récence | Tendance à donner plus de poids aux informations les plus récentes | Les utilisateurs peuvent favoriser les résultats de recherche ou informations plus récents, même si les données plus anciennes sont plus pertinentes ou exactes | Mettre à jour régulièrement le contenu pour le garder frais et pertinent. |
| Biais Auto-Satisfaisant | Tendance à s’attribuer plus de responsabilité pour les succès que pour les échecs | Les utilisateurs peuvent interpréter les résultats de recherche de manière à renforcer leur propre estime de soi | Être transparent sur les succès et les échecs, et mettre l’accent sur l’apprentissage et l’amélioration. |
| Effet de Vérité Illusoire | Croyance qu’une déclaration est vraie simplement parce qu’elle a été répétée plusieurs fois | Les utilisateurs peuvent faire confiance aux informations répétées dans les résultats de recherche, conduisant potentiellement à l’acceptation de fausses informations | Vérifier tous les faits dans le contenu et éviter de répéter des informations fausses |
LLMs & biais cognitifs
Les LLM (Large Language Models) sont des réseaux neuronaux utilisant d’énormes volumes de données pour comprendre le langage humain.
Un LLM peut générer du texte, est capable de répondre à des questions, résumer des textes, traduire des langues et bien plus encore.
Défis spécifiques de la recherche LLM :
- Interprétation précise du contexte et de l’intention de l’utilisateur
- Gestion de l’ambiguïté de la langue et des requêtes de recherche
- Minimisation des biais inhérents aux données d’apprentissage
Google va offrir un assistant en mode LLM pour les utilisateurs de Google Workspace, entraîné sur vos données à vous.
On a tous des biais cognitifs.
L’effet halo : comme une des caractéristiques de ChatGPT est bonne (vraisemblable), alors les gens pensent que le reste de ses
caractéristiques sont bonnes également (vrai). Ce qui nous fait un « comme chatGPT a l’air sûr de lui quand il dit
les trucs et que ses formulations sont fluides, alors c’est vrai.
Les LLM ou ChatGPT prédisent le futur ? Non, ça s’appuie sur un modèle statistique pour prédire le mot suivant le plus probable.
Ça peut générer des informations incorrectes ou trompeuses et qui ne doivent pas être considérés comme la seule source d’information.
Manifestation des biais cognitifs avec les LLMs
Loi de l’instrument : on a tendance à toujours vouloir utiliser les outils avec lesquels on est confortable, même si ce n’est pas l’option la plus adaptée.
Voici un exemple concret : ChatGPT a tendance à fournir des informations avec une liste à puces en mode résumé rapide et un paragraphe à la fin pour fournir des nuances. On ne lit pas le paragraphe à la fin.
Biais du modèle d’acceptation des technologies (MAT) : les utilisateurs peuvent avoir un biais de facilité d’utilisation et d’utilité perçue, pensant que les traducteurs LLM sont faciles à utiliser et toujours utiles sans évaluer de manière critique leurs limites.
Biais de l’effet Dunning-Kruger : Les utilisateurs ayant peu d’expertise peuvent surestimer leur compétence dans l’utilisation des LLMs.
Autres biais :
- Biais de confirmation (comme avec Google)
- Biais d’ancrage (comme avec Google)
- Biais de disponibilité : jugement basé sur des exemples facilement mémorables plutôt que sur toutes les informations disponibles.
- Effet de simple exposition : préférence pour les réponses des LLMs en raison d’une exposition répétée.
- Biais d’auto-complaisance : surestimation de la capacité à comprendre et à utiliser les LLMs.
Il existe des cartes produites par Stéphanie Walter pour mieux gérer les biais cognitifs, vous les trouverez ici.
Les biais cognitifs illustrent l’empreinte indélébile de notre psychologie humaine
sur les technologies que nous créons et utilisons.
Atténuer l’impact
Ils sont particulièrement difficiles à combattre !
Biais de confirmation
Créer des contenus qui offrent de multiples perspectives sur un sujet afin de remettre en question les croyances préexistantes.
Biais d’ancrage
Faites en sorte que les premiers éléments d’information de votre contenu soient convaincants et exacts.
Cela peut être via le titre, la meta titre, le premier paragraphe, etc.
Biais d’excès de confiance
Fournissez des sources et des données crédibles pour étayer votre contenu et lutter contre l’excès de confiance.
Biais de négativité
Équilibrez les informations négatives par des aspects positifs ou des solutions aux problèmes évoqués.
Effet de mode
- Mettez en avant la preuve sociale (comme les avis d’utilisateurs ou les témoignages) dans votre contenu et votre stratégie marketing.
- Pour les LLMs : comprendre pourquoi certains produits sont toujours affichés comme étant les meilleurs.
Les biais sont l’écart entre le comportement rationnel
Bojke et al., 2021 ; Tversky et Kahneman, 1974).
et le comportement déterminé de manière heuristique
Conclusion
Reconnaître et atténuer ces biais n’est pas seulement une question d’amélioration de l’expérience utilisateur.
C’est aussi une étape cruciale vers des technologies numériques plus équitables, inclusives et éthiquement responsables.