Les limites du déclaratif en UX research
Les questionnaires post-test (SUS, AttrakDiff, UEQ) sont le pilier de l'UX research depuis 30 ans. Mais ils partagent une limitation fondamentale : ils mesurent ce que l'utilisateur dit avoir ressenti, pas ce qu'il a réellement ressenti. Les travaux de Nisbett et Wilson (1977), confirmés par des décennies de recherche en psychologie cognitive, montrent que les humains sont remarquablement mauvais pour rapporter leurs propres états mentaux.
Le biais de rationalisation post-hoc est particulièrement problématique en UX : après avoir complété une tâche, l'utilisateur reconstruit une narration cohérente qui efface les micro-frustrations, les hésitations et les moments de confusion qu'il a réellement vécus. Un utilisateur peut dire « C'était facile » alors que ses données physiologiques montrent 12 pics de stress pendant le parcours.
Les mesures biométriques comblent cet angle mort en capturant des signaux continus, objectifs et involontaires. Le corps ne ment pas — ou du moins, il est beaucoup plus difficile de contrôler consciemment son rythme cardiaque ou sa transpiration que de cocher « satisfait » sur un questionnaire.
Les signaux physiologiques et ce qu'ils mesurent
L'activité électrodermale (EDA, anciennement GSR — Galvanic Skin Response) mesure les micro-variations de transpiration des doigts. Elle est directement corrélée à l'arousal émotionnel — le degré d'activation du système nerveux sympathique. Un pic d'EDA indique une réaction émotionnelle (stress, surprise, frustration, excitation) sans distinguer la valence (positive ou négative). Les études de Boucsein (2012) établissent l'EDA comme la mesure biométrique la plus fiable et la plus accessible pour la recherche UX.
La variabilité du rythme cardiaque (HRV) mesure les fluctuations entre les battements cardiaques. Une HRV élevée indique un état de relaxation et de flow ; une HRV basse indique du stress ou de la charge cognitive. Les travaux de Mulder (1992), actualisés par Heard et al. (2018), montrent que la HRV détecte les changements de charge cognitive avec un délai de 5 à 10 secondes.
L'EEG (électroencéphalographie) mesure l'activité cérébrale. Les ondes thêta frontales sont associées à la charge cognitive, les ondes alpha à la relaxation, et les potentiels évoqués (P300, N400) à la surprise et la violation des attentes. L'EEG est le signal le plus riche mais aussi le plus complexe à interpréter et le plus intrusif à mesurer.
Application concrète en tests utilisateurs
L'étude de Mandryk et Atkins (2007) a démontré le protocole le plus pratique pour intégrer la biométrie en UX research : combiner l'EDA (via un capteur au doigt — moins de 200€) avec un enregistrement vidéo de l'écran et du visage. Après le test, le chercheur synchronise les pics d'EDA avec la vidéo pour identifier les moments de friction invisible — ceux que l'utilisateur n'a pas verbalisés mais que son corps a détectés.
Concrètement : un pic d'EDA survient pendant que l'utilisateur cherche un bouton de validation. La vidéo montre que ses yeux scannent l'écran pendant 3 secondes avant de le trouver. Le questionnaire post-test ne mentionne rien — l'utilisateur ne se souvient même pas avoir hésité. Mais le signal physiologique a capté une micro-frustration qui, répétée 50 fois par jour, contribue à la fatigue d'interface.
Le protocol recommandé : 8 à 12 participants (suffisant pour la biométrie selon les analyses de puissance de Cummings, 2012), session de 30-45 minutes, capteur EDA + eye tracking + vidéo. Le coût marginal par rapport à un test utilisateur classique est faible (le capteur EDA est l'investissement principal), et la richesse des insights est incomparablement supérieure.
Wearables et démocratisation des mesures
L'Apple Watch, la Fitbit et les montres Garmin mesurent déjà le rythme cardiaque et l'EDA (via le capteur de stress/relaxation). Les travaux de Hernandez et al. (2014) au MIT ont démontré que les wearables grand public fournissent des mesures suffisamment précises pour la recherche UX — pas aussi précises que les capteurs de laboratoire, mais assez pour détecter les tendances et les pics significatifs.
L'émergence des wearables ouvre la porte au « longitudinal UX biometrics » : mesurer les réactions physiologiques des utilisateurs dans leur contexte réel d'usage, pas seulement en laboratoire. Un utilisateur qui porte sa montre connectée en utilisant votre application génère des données de stress continu que vous pouvez corréler avec les actions dans l'app.
Évidemment, cette approche soulève des questions éthiques majeures. Le consentement doit être explicite, les données anonymisées, et la finalité clairement limitée à l'amélioration de l'expérience utilisateur. Les données biométriques sont des données sensibles au sens du RGPD — les traiter à la légère est à la fois contraire à l'éthique et illégal.
Limites et interprétation responsable
La biométrie en UX research a des limites qu'il faut connaître. Premièrement, la corrélation n'est pas la causation : un pic d'EDA pendant un checkout peut être du stress (friction UX) ou de l'excitation (anticipation de l'achat). C'est pourquoi la biométrie doit toujours être combinée avec des données contextuelles (vidéo, think-aloud, eye tracking).
Deuxièmement, la variabilité inter-individuelle est élevée. Le baseline physiologique varie considérablement d'une personne à l'autre — un individu anxieux aura des niveaux d'EDA basaux plus élevés qu'un individu calme. L'analyse doit toujours être intra-individuelle (comparer les réactions d'un même participant à différents moments) plutôt qu'inter-individuelle (comparer les niveaux absolus entre participants).
Troisièmement, la biométrie ne remplace pas les méthodes traditionnelles — elle les enrichit. L'insight le plus puissant survient quand les données déclaratives et physiologiques divergent : « L'utilisateur dit que c'était facile, mais son corps dit le contraire. » C'est dans ces divergences que se cachent les véritables problèmes d'expérience utilisateur.