Auteur : Boxu Li

Nous avons exploré pourquoi l'accessibilité est essentielle pour l'IA personnelle, en discutant de la neurodiversité et de l'interaction multimodale. Dans ce deuxième volet, nous plongeons dans la manière dont Macaron AI intègre l'inclusivité dans son design - des livres de jeu des mini-apps au contenu adaptatif et à l'intelligence hors ligne.

Accessibilité dans les mini-apps (Modèles de Playbook)

L'une des caractéristiques uniques de Macaron est sa bibliothèque de playbooks de "mini-applis" – des micro-flux modélisés qui vous aident à accomplir des tâches spécifiques (comme un créateur de routine, un planificateur de repas, un suivi d'habitudes, etc.). Assurer l'accessibilité et l'inclusivité de ces micro-flux est une priorité absolue. Plutôt que de laisser l'inclusivité au hasard, nous avons intégré des modèles de conception universelle directement dans ces modèles. Chaque mini-appli est conçue pour minimiser la charge cognitive : les longs processus sont divisés en étapes logiques pour que vous puissiez vous concentrer sur une partie à la fois. Cela s'aligne avec les meilleures pratiques UX pour l'accessibilité cognitive – diviser les tâches en étapes plus petites et gérables aide les utilisateurs (notamment ceux avec un TDAH) à rester concentrés et à ne pas se sentir submergés. Par exemple, un playbook de "planificateur d'événements" pourrait d'abord demander seulement le nom et la date de l'événement, puis à l'étape suivante qui inviter, plutôt que de proposer un formulaire géant d'un coup. Chaque mini-appli offre également des titres clairs et un indicateur de progression visuel (une barre de progression simple ou un compteur d'étapes) pour que vous sachiez toujours combien d'étapes sont terminées et combien il en reste. La recherche montre que voir la progression en temps réel stimule la motivation – les applis avec suivi visuel de la progression ont un engagement des utilisateurs significativement plus élevé (une étude a constaté une augmentation de 31 % de l'utilisation quotidienne lorsque des indicateurs de progression ont été ajoutés).

De nombreuses mini-applications intègrent des minuteurs et des rappels en tant que supports optionnels. Par exemple, le modèle Routine Builder adapté au TDAH suggérera d'ajouter des minuteurs doux à chaque étape d'une routine (pour encourager à rester concentré sans alarmes stridentes). De même, un playbook de session de concentration de type Pomodoro pourrait inclure un compte à rebours de 25 minutes avec des rappels de pause par défaut. Ces modèles s'inspirent de la recherche en productivité et des techniques de coaching pour le TDAH – le timeboxing et les pauses programmées peuvent grandement améliorer la persévérance pour les personnes ayant des difficultés avec la gestion du temps. Macaron facilite l'inclusion de ces supports : les modèles disposent de bascules comme « Ajouter un minuteur à cette tâche ? » ou « Envoyez-moi un rappel si ce n'est pas fait avant X heure. » Parce que ces fonctionnalités sont intégrées, les utilisateurs qui en bénéficient (personnes avec TDAH, problèmes de mémoire, emplois du temps chargés, etc.) n'ont pas à tout configurer à partir de zéro – l'inclusion est proactive.

Un autre modèle courant est celui des listes de contrôle avec des boutons "terminé" satisfaisants pour chaque étape. Les mini-apps proposent souvent une liste de tâches avec une validation en un seul clic. Même quelque chose d'aussi simple que de voir une liste de trois éléments et de les cocher pour les marquer comme terminés peut transformer un amas de travail écrasant en une série de petites étapes réalisables, semblable à un jeu. Cela s'inscrit dans le cadre du retour d'information sur le progrès mentionné plus haut et offre des micro-récompenses immédiates. Nous avons constaté, grâce à des applications formant des habitudes, que célébrer de petites victoires (comme une coche visuelle ou un peu de confettis) peut renforcer la motivation – fournir un retour rapide ou des points juste après avoir terminé une tâche aide à maintenir l'attention et l'élan. En d'autres termes, les mini-apps de Macaron vous offrent des victoires précoces pour vous garder engagé. Cette approche augmente les taux de réalisation pour tout le monde, pas seulement pour les personnes neurodivergentes.

Il est important de noter que toutes ces fonctionnalités d'assistance au micro-flux sont optionnelles et personnalisables. L'accessibilité consiste à offrir des options utiles, sans imposer un "mode facile" rigide à tout le monde. Un utilisateur expérimenté neurotypique pourrait désactiver les confirmations supplémentaires et les indices de progression pour gagner en rapidité, tandis que quelqu'un d'autre pourrait en dépendre fortement. Les playbooks de Macaron sont inclusifs par défaut, mais flexibles par conception – vous pouvez ajuster les supports pour les adapter à votre propre style de travail.

Niveau de lecture adaptatif et rythme (Simplification ou enrichissement automatique du contenu)

Aucun utilisateur n'a exactement la même capacité de lecture ou le même bagage de connaissances. Ainsi, l'IA de Macaron adapte la complexité et le rythme du contenu pour répondre aux besoins de chacun. Chaque fois que Macaron présente des informations (comme des instructions, des explications ou du contenu éducatif), vous avez le contrôle sur la simplicité ou la richesse du vocabulaire. En pratique, cela signifie qu'une mini-application de recette pourrait offrir une version simplifiée des étapes de cuisson ("Expliquez-moi comme si j'étais un cuisinier débutant") ou une version enrichie ("Inclure la science ou l'histoire culturelle du plat"). En coulisses, l'IA peut automatiquement ajuster le niveau de lecture de ses sorties pour correspondre à votre préférence. Si le système sait que vous préférez un langage simple et direct, il s'y adaptera par défaut pour les explications. Inversement, si vous êtes un expert qui aime les détails, il utilisera des termes plus techniques et approfondis. Cette adaptation peut même se faire de manière proactive – par exemple, si Macaron observe que vous posez souvent des questions de suivi pour clarification, il pourrait commencer à donner des réponses initiales légèrement plus simplifiées pour vous épargner cet effort.

Taux approximatifs d'analphabétisme faible à travers l'Europe (plus foncé = plus élevé). Dans de nombreux pays de l'UE, 20 % ou plus des adultes ont des difficultés avec la lecture et l'écriture de base. La fonction "auto-simplification" de Macaron aide les utilisateurs ayant un faible niveau de littératie en présentant des informations dans un langage simple et facile à traiter sur demande.

Nous exploitons les mêmes capacités de réécriture en langage naturel mentionnées dans la Partie I pour implémenter un « Auto-Simplify » dans l'application. Dans n'importe quelle mini-application (par exemple, un parcours éducatif « Apprendre sur le Système Solaire »), activer Auto-Simplify entraînera une sortie de contenu textuel sous une forme facile à lire : phrases courtes, vocabulaire courant et ton actif. C'est comme un tuteur à la demande qui ajuste le niveau de lecture pour vous. À l'inverse, une option « Enrichir le Texte » peut ajouter plus de profondeur ou de détails avancés pour ceux qui veulent un défi (utile dans les mini-applications d'apprentissage des langues ou simplement pour satisfaire la curiosité personnelle). Nous apportons essentiellement les principes de design universel pour l'apprentissage dans le domaine de l'IA personnelle – en fournissant plusieurs représentations de l'information et des niveaux de difficulté ajustables. Ce faisant, Macaron soutient les utilisateurs ayant une faible littératie ou des handicaps cognitifs pour qu'ils puissent toujours accomplir des tâches avec succès (car ils peuvent toujours demander un langage plus simple). Et pour ceux qui recherchent la nuance, ils peuvent l'intensifier.

Les logiciels traditionnels ne peuvent pas faire cela facilement, mais une IA qui comprend vraiment le contenu peut le transformer à la volée. Imaginez une mini-application d'instructions médicales : un utilisateur dyslexique opte pour une version qui dit : « Prenez un comprimé le matin et un le soir, avec de la nourriture. » Pendant ce temps, un autre utilisateur à l'aise avec le jargon médical reçoit : « Ingérer un comprimé b.i.d. avec les repas. » C'est la même information, livrée différemment. La clé est le choix. Et parce que Macaron se souvient des préférences individuelles, au fil du temps, il apprend comment vous aimez que vos informations soient présentées (par exemple, donnez-moi toujours le résumé simple d'abord ; je demanderai si j'ai besoin de plus de détails).

Un autre aspect est le rythme adaptatif dans les flux interactifs. Certaines personnes lisent rapidement, d'autres lentement ; certains pourraient avoir besoin de plus de temps pour réfléchir entre les étapes. Les mini-applications de Macaron peuvent insérer des pauses délibérées ou attendre votre signal avant de continuer. Par exemple, dans un exercice de respiration guidée, le rythme peut être ajusté ("inspirez... expirez...") plus rapidement ou plus lentement en fonction des retours des utilisateurs (ou même des données des capteurs à l'avenir). Dans un quiz d'apprentissage, Macaron pourrait remarquer si vous prenez plus de temps pour répondre et vous offrir délicatement un indice ou un temps supplémentaire. Cette adaptabilité rend l'expérience plus soutenante plutôt que précipitée (ou inversement, plutôt qu'ennuyeusement lente). La personnalisation est le différenciateur ici - deux utilisateurs pourraient utiliser le même modèle et sentir qu'il a été conçu sur mesure pour leur vitesse et leur style.

Localisation et échafaudage bilingue

Une IA personnelle doit être polyglotte pour être vraiment personnelle. L'interface et le contenu de Macaron peuvent être localisés instantanément. Si vous êtes bilingue ou que vous apprenez une nouvelle langue, vous pouvez changer la langue de sortie de l'IA sans interruption – même en pleine conversation ou tâche. Par exemple, vous discutez habituellement avec Macaron en anglais, mais vous ajoutez : 「Explique-moi ça en français」 (« Explique-moi ça en français »). Macaron continuera fluidement en français. Tous les boutons, étiquettes et réponses dans une mini-application peuvent changer de langue en conséquence. Cela n'est pas seulement utile pour les utilisateurs internationaux – c'est aussi excellent pour les apprenants en langues qui souhaitent un support bilingue. Imaginez une mini-application de quiz de vocabulaire bilingue : Macaron peut présenter un mot en espagnol, puis fournir l'explication en anglais (ou inversement), vous aidant à établir des liens entre les deux. Ou une application de recettes qui liste les ingrédients en anglais et, par exemple, en italien avec les noms locaux (aubergine / melanzana, coriandre / coriandro). Cela s'adresse aux foyers multiculturels ou à quiconque souhaitant apprendre une nouvelle langue tout en préparant le dîner.

Une localisation aussi fluide est un atout pour l'accessibilité car elle permet aux gens d'utiliser la langue dans laquelle ils se sentent le plus à l'aise à tout moment. Une personne dyslexique dans sa deuxième langue pourrait préférer passer à sa langue maternelle pour des tâches complexes. Ou un utilisateur pourrait impliquer sa famille en changeant les réponses de l'IA dans une langue compréhensible par ses grands-parents. Macaron peut également faire une traduction instantanée du contenu que vous fournissez : si vous recevez un texte ou un e-mail dans une langue inconnue, l'IA le traduira et pourra même le lire à haute voix si nécessaire. Cette fonction est un exemple direct de l'IA qui brise les barrières – la langue ne devrait pas être un obstacle à l'information ou à l'utilité. En fait, les nouveaux assistants alimentés par GPT-4 transforment déjà l'accessibilité visuelle et textuelle pour les utilisateurs aveugles grâce à des descriptions riches et des traductions, donc nous appliquons le même principe pour l'accessibilité linguistique et de lecture.

Nous avons même envisagé des scénarios comme le code-switching (mélange de langues dans une phrase). Macaron est formé pour gérer les entrées multilingues avec aisance, donc si vous mélangez une autre langue, il ne sera pas confus et ne vous forcera pas à vous en tenir à une seule langue. L'objectif est de rendre Macaron culturellement et linguistiquement adaptatif – un peu comme un véritable assistant personnel qui pourrait changer de langue selon les besoins. Cela fait partie de notre vision plus large de l'accessibilité : ce n'est pas seulement une question de handicap, mais aussi de répondre aux divers besoins culturels et linguistiques des gens.

Du côté des développeurs, nous fournissons des outils pour garantir que tous les modèles de mini-applications créés par la communauté soient traduisibles. Les modèles d'IA propres à Macaron sont ajustés sur une variété de langues pour maintenir la qualité à travers elles. En bref, que vous souhaitiez votre emploi du temps en espagnol les mardis, ou que vous utilisiez Macaron pour pratiquer le mandarin avec des flashcards bilingues, il vous couvre. Votre IA personnelle devrait parler votre langue.

Conception à faible bande passante et priorité hors ligne

L'accessibilité ne concerne pas seulement les capacités humaines; elle concerne également les limitations environnementales comme une mauvaise connectivité internet ou des appareils plus anciens. Une IA vraiment personnelle devrait vous servir à tout moment, n'importe où – y compris lorsque vous êtes sur un réseau 2G ou complètement hors ligne dans un avion. Macaron est conçu avec une mentalité résiliente et priorité hors ligne pour que les fonctionnalités essentielles restent disponibles même avec une connectivité limitée ou inexistante. Cela est crucial étant donné qu'en 2024, environ un tiers de la population mondiale (2,6 milliards de personnes) n'a toujours pas accès à Internet, et beaucoup d'autres n'ont que des connexions intermittentes ou lentes. Même dans les régions développées, vous pouvez vous retrouver sans signal (pensez aux zones rurales, aux métros, ou lors de catastrophes naturelles), et vous ne devriez pas perdre votre assistant IA dans ces moments-là.

Mise en cache et dégradation élégante : Macaron utilise une mise en cache intelligente pour s'assurer que vos données importantes et vos routines sont stockées sur l'appareil autant que possible. Les mini-apps fréquemment utilisées et le contexte de conversation récent sont conservés localement (avec le chiffrement approprié) afin que si vous êtes hors ligne, Macaron puisse toujours effectuer de nombreuses tâches. Par exemple, disons que vous utilisez souvent une mini-app d'exercice de respiration chaque matin – Macaron mettra en cache les étapes nécessaires et tout média (comme une animation apaisante ou un son) à l'avance. Lorsque vous la lancez hors ligne, elle fonctionne parfaitement. Si vous demandez à Macaron d'« ajouter un événement à mon calendrier » alors que vous êtes hors ligne, il mettra cette demande en file d'attente et confirmera localement qu'elle est notée ; une fois que vous êtes à nouveau en ligne, elle se synchronise avec votre calendrier cloud. Ce type de dégradation élégante garantit que l'absence d'Internet entraîne au plus un léger retard, et non un échec. Les fonctionnalités principales comme régler des alarmes locales, prendre des notes ou afficher votre liste de tâches stockée sont disponibles hors ligne par défaut.

Pour les tâches spécifiques à l'IA qui nécessitent normalement le cloud (comme les requêtes complexes ou la génération de longs textes), Macaron explore les capacités des modèles sur appareil. Les smartphones modernes peuvent exécuter des modèles neuronaux étonnamment puissants pour certaines tâches. Dans les cas où le grand modèle linguistique complet de Macaron n'est pas accessible, un modèle hors ligne plus petit pourrait gérer des demandes basiques (par exemple, comprendre une commande vocale pour jouer une chanson stockée localement). Il n'est peut-être pas aussi intelligent que la version cloud, mais il peut couvrir l'essentiel jusqu'au retour de la connectivité.

L'interface utilisateur indique clairement quand Macaron est en mode hors ligne et quelles fonctionnalités pourraient être limitées, vous n'êtes donc jamais laissé dans l'incertitude. Si vous demandez quelque chose qui ne peut vraiment pas être fait hors ligne (comme « rechercher sur le web les actualités du jour »), Macaron expliquera poliment qu'il a enregistré votre requête et la complétera plus tard lorsque cela sera possible. L'objectif de conception est un comportement fail-soft : pas de plantages soudains ou d'impasses – toujours une reconnaissance et une alternative. Macaron inclut même un pack de connaissances hors ligne : une base de données mise en cache localement de faits généraux et de FAQ, afin qu'il puisse encore répondre à de nombreuses questions courantes sans internet (un peu comme certains assistants vocaux ont un mode hors ligne pour les commandes de base).

Interface légère et modes de secours : Tout le monde n'a pas le dernier téléphone ou des données illimitées. Nous avons veillé à ce que l'interface de Macaron puisse s'adapter à des environnements à faibles ressources. Il y a un mode à faible bande passante qui peut être activé (et il s'active automatiquement si l'application détecte une connexion très lente). Dans ce mode, Macaron passe à une interface uniquement texte ou en HTML basique avec un minimum d'images ou de vidéos. Tout contenu multimédia que l'IA montrerait normalement (comme une image illustrative) est reporté ou remplacé par une légende descriptive plutôt que de télécharger un gros fichier. C'est similaire aux versions « Lite » des applications qui ont été extrêmement populaires – par exemple, l'application légère de Facebook pour les réseaux lents a atteint 200 millions d'utilisateurs en deux ans après son lancement, validant ainsi le besoin de conception adaptée à la bande passante. De même, le mode léger de Macaron maintient l'expérience fluide sur les mauvaises connexions en réduisant les contenus gourmands en données et la fréquence des appels réseau.

Nous avons également optimisé notre synchronisation en arrière-plan. Les mises à jour et sauvegardes de Macaron sont effectuées de manière opportuniste en petits morceaux, pouvant être mises en pause et reprises sans interruption. Si vous n'avez qu'une courte fenêtre de connectivité, l'application priorise les synchronisations critiques (comme l'envoi de messages ou d'emails rédigés hors ligne) et reporte les moins critiques (comme la sauvegarde d'une transcription de conversation) à plus tard. Nous faisons cela pour respecter à la fois la disponibilité du réseau et les coûts de données – dans certaines régions, les données mobiles sont coûteuses, et un assistant personnel ne devrait pas les consommer inutilement. Les utilisateurs peuvent même définir des préférences comme « ne synchroniser les images/vidéos que sur Wi‑Fi », etc.

Pour la compatibilité des appareils, notre client web et application de base sont testés pour fonctionner sur de vieux smartphones avec une RAM limitée. Les avatars 3D sophistiqués ou les animations lourdes sont des embellissements purement optionnels ; la fonctionnalité principale est essentiellement une interface de messagerie améliorée, qui n'est pas très exigeante. Nous proposons même une interface SMS pour Macaron (pour les marchés ou situations où l'utilisation d'une application smartphone n'est pas faisable) – vous perdez certaines fonctionnalités, mais vous pouvez toujours interagir avec votre AI via des messages texte simples pour obtenir des réponses ou mettre à jour votre agenda.

En essence, une IA personnelle ne devrait pas être un luxe nécessitant le matériel le plus récent sur le réseau le plus rapide. La philosophie inclusive de Macaron s'étend à l'infrastructure technique : que votre connexion soit lente ou rapide, que votre appareil soit ancien ou récent, il s'efforce de s'adapter et de rester utile. Nous nous inspirons d'exemples tels que le mode hors ligne de Google Maps, le sélecteur de qualité de YouTube et les applications web progressives qui fournissent des fonctionnalités de base, peu importe la connectivité. Macaron suit cette voie pour être fiable, où que la vie vous mène.

Synchronisation transparente et mise en file d'attente : Lorsque vous travaillez hors ligne ou en mode basse bande passante, Macaron vous informe de ce qui se passera lorsque vous serez à nouveau en ligne. Nous proposons un panneau "Centre de Synchronisation" où vous pouvez voir les actions en attente (par exemple, "2 messages à envoyer, 1 note à sauvegarder, 1 réponse en attente d'être récupérée"). Cela vous rassure que rien n'est perdu dans les limbes. Cela respecte également l'autonomie de l'utilisateur – peut-être avez-vous écrit quelque chose hors ligne et décidez ensuite de l'annuler avant qu'il ne soit envoyé ; vous pouvez le faire depuis le Centre de Synchronisation.

La confidentialité est également prise en compte ici : toutes les données en attente restent stockées en toute sécurité sur l'appareil jusqu'à leur synchronisation. Et si vous êtes sur une connexion mesurée et que l'application a beaucoup à synchroniser (par exemple, vous avez capturé un tas de photos pour que Macaron les analyse plus tard), elle vous demandera avant de télécharger de gros fichiers. L'utilisateur peut toujours choisir de déclencher une synchronisation manuelle ("Je suis maintenant sur Wi-Fi, synchronisez tout"), ou au contraire, de mettre en pause la synchronisation pour rester hors ligne plus longtemps.

Du point de vue de l'accessibilité, cette transparence et ce contrôle réduisent l'anxiété. Il n'y a rien de pire que de ne pas savoir si ce que vous avez "dit" à votre IA lors d'une zone morte est réellement passé. En affichant clairement le statut (et même en l'annonçant par voix si vous l'activez, par exemple "Pas d'internet – Je vais garder vos demandes en attente et synchroniser plus tard" puis "De retour en ligne – toutes les tâches en attente sont maintenant terminées"), nous vous tenons informé. C'est similaire aux clients de messagerie qui montrent une "Boîte d'envoi" pour les emails non envoyés – Macaron étend ce concept à toutes les interactions afin que vous sachiez toujours où se trouve votre information.

Cette approche est particulièrement utile pour les utilisateurs ayant des difficultés de fonctions exécutives (courantes dans le TDAH, par exemple) – ils peuvent compter sur Macaron pour délester des tâches de leur esprit. Savoir que ces tâches sont en sécurité en file d'attente (et non oubliées) est crucial pour la confiance. Notre objectif est que vous vous sentiez en confiance en utilisant Macaron même hors ligne, sans vous soucier de devoir vous répéter plus tard. Si c'est dans Macaron, ce ne sera pas perdu – c'est notre promesse.

Mesurer les résultats en matière d'accessibilité (au-delà de la conformité)

Construire une multitude de fonctionnalités d'accessibilité est une chose, mais la vraie question est : aident-elles réellement les utilisateurs à atteindre leurs objectifs avec moins de friction ? Macaron s'engage à mesurer le succès en termes de résultats utilisateurs, et pas seulement en cochant des cases de fonctionnalités. Nous considérons l'accessibilité et l'inclusion comme des pratiques continues, guidées par les retours et les données. Voici quelques-unes des façons dont nous évaluons l'efficacité de Macaron pour répondre aux besoins divers :

Mesures de Complétion de Tâche & Frustration : Nous examinons d'abord la fiabilité avec laquelle les utilisateurs peuvent accomplir les tâches clés, en particulier ceux qui utilisent des paramètres d'assistance. Une personne utilisant un lecteur d'écran ou uniquement la voix peut-elle créer un rappel ou planifier un événement aussi facilement que les autres ? Nous mesurons les taux de réussite des tâches pour différents segments d'utilisateurs, visant la parité (notre objectif interne est un taux de réussite de >90% pour les tâches essentielles, ce qui correspond aux normes d'utilisabilité des produits excellents). En plus des taux de complétion brut, nous surveillons les indicateurs de frustration. Avec le consentement des utilisateurs et des garanties de confidentialité, Macaron peut détecter des schémas comme les commandes répétées ou les "clics de rage" – par exemple, si un utilisateur doit cliquer cinq fois sur un bouton ou répéter la même commande vocale, cela signale un problème. Les analyses UX modernes définissent ces actions comme des signaux de frustration (comme les clics répétés rapidement lorsque quelque chose ne fonctionne pas). Si certains flux présentent des signes de frustration plus élevés pour, disons, les utilisateurs neurodivergents, cela signale une zone à améliorer dans notre conception.

Nous recueillons également des retours d'utilisateurs directs sur la facilité ou la difficulté. Après une tâche majeure (facultativement), Macaron peut poser une question rapide : « Comment s'est passée cette expérience ? Des difficultés ? » – simple, ou via une évaluation par emoji. Cela alimente un « score de frustration » en interne. Si nous constatons, par exemple, que les utilisateurs en mode Dyslexie ont encore des difficultés à lire certains textes, nous nous concentrons pour corriger cela (peut-être que la police ou l'espacement doit être ajusté). Nous combinons ces réponses qualitatives avec des signaux passifs de friction (comme ces clics de rage ou les personnes qui invoquent fréquemment le menu d'aide) pour identifier les points de douleur. Toutes ces télémétries sont anonymisées et sur une base volontaire, bien sûr. L'objectif est de ne pas attendre un email de support, mais de voir de manière proactive où les gens pourraient se retrouver bloqués ou agacés.

Nous effectuons régulièrement des tests d'utilisabilité avec des groupes d'utilisateurs divers (y compris des personnes en situation de handicap) et traduisons leurs retours en mesures quantifiables lorsque cela est possible. Par exemple, si des utilisateurs aveugles disent qu'un certain flux de mini-application était déroutant, nous pourrions introduire une mesure pour suivre la fréquence à laquelle les utilisateurs de lecteurs d'écran dévient ou réessayent des étapes dans ce flux. En traitant ces situations comme des données quantifiables, nous pouvons observer si les améliorations que nous apportons réduisent effectivement la confusion.

Temps de configuration et récupération d'erreur : L'intégration et la gestion des erreurs sont deux moments qui influencent souvent l'expérience des utilisateurs en situation de handicap. Nous mesurons le temps de configuration pour les nouveaux utilisateurs, en particulier à quelle vitesse quelqu'un peut découvrir et activer les options d'accessibilité dont il a besoin. Si un utilisateur moyen met 5 minutes à se familiariser avec Macaron, nous voulons que ce soit similaire (voire plus rapide) pour un utilisateur avec, par exemple, une basse vision ou une dyslexie. Sinon, nous améliorons notre « assistant d'accessibilité » ou rendons certaines invites plus proactives. Idéalement, un utilisateur nécessitant un aménagement particulier (contraste élevé, texte agrandi, interaction vocale, etc.) peut y parvenir dans ses premières minutes d'utilisation. L'intégration de Macaron demande explicitement si vous souhaitez configurer des paramètres d'assistance (avec des explications claires), et nous suivons combien de nouveaux utilisateurs utilisent cette option et s'ils réussissent à activer ce dont ils ont besoin immédiatement.

La récupération des erreurs est une autre mesure critique. Tout le monde fait des erreurs ou rencontre des problèmes, mais pour les utilisateurs neurodivers, un message d'erreur déroutant peut être une impasse. Nous mesurons le taux de récupération des erreurs : lorsque quelque chose tourne mal (par exemple, « Désolé, je n'ai pas compris » ou « Échec de l'enregistrement de la note »), nous examinons la fréquence à laquelle les utilisateurs parviennent à se remettre sur les rails (soit par eux-mêmes, soit avec l'aide guidée de Macaron) par rapport à l'abandon. Nous visons une récupération proche de 100 % – c'est-à-dire que si une erreur se produit, l'utilisateur est toujours dirigé vers une solution ou une alternative. Par exemple, si une commande vocale n'est pas comprise, Macaron pourrait automatiquement passer à un mode adapté à l'orthographe ou suggérer un menu d'options probables (« Je suis désolé, vouliez-vous régler une alarme ou un rappel ? »). En suivant ces événements, nous pouvons voir si certaines erreurs affectent de manière disproportionnée les utilisateurs avec des paramètres spécifiques (peut-être que les utilisateurs uniquement vocaux ont plus d'actions échouées – alors nous savons qu'il faut améliorer notre reconnaissance vocale ou nos invites de confirmation). Nous traitons une erreur non pas comme une impasse, mais comme une bifurcation dans le parcours utilisateur qui doit être lissée.

Un autre indicateur que nous surveillons est l'utilisation continue des fonctionnalités de soutien. Si les personnes qui activent, par exemple, le mode Concentration ou le mode Dyslexie abandonnent l'application plus rapidement que les autres, c'est un échec de notre part. Idéalement, offrir ces aménagements devrait augmenter l'engagement et le succès. Nous comparons donc la rétention et l'accomplissement des tâches pour les utilisateurs avec certaines fonctionnalités d'accessibilité activées par rapport à celles désactivées (en agrégé). Si l'activation d'une fonctionnalité est corrélée à un succès moindre, alors quelque chose ne va pas dans la manière dont cette fonctionnalité est mise en œuvre ou présentée. Nous nous attendons au contraire : que les fonctionnalités d'assistance soient corrélées à un succès accru pour ceux qui en ont besoin, ce qui nous indique que ces fonctionnalités remplissent leur rôle en supprimant les obstacles.

Résultats à Long Terme (Habitudes & Adhérence) : L'une des promesses de l'IA personnelle est d'aider les utilisateurs à adopter de bonnes habitudes et à maintenir des routines – qu'il s'agisse de prendre des médicaments à temps, de suivre un plan d'étude ou de pratiquer des techniques de réduction du stress. Pour les utilisateurs neurodivergents, maintenir des routines peut être particulièrement difficile en raison des différences de fonctions exécutives. Nous considérons que c'est une mesure clé de l'impact de Macaron de voir s'il aide réellement les utilisateurs à s'en tenir à leurs routines choisies sur le long terme.

Par exemple, si un utilisateur avec TDAH met en place une « routine matinale en 3 étapes » grâce au créateur de routines de Macaron (avec des blocs de concentration de 10 minutes et des minuteurs doux), nous suivons la fréquence à laquelle il la termine chaque jour et combien de jours d'affilée il y adhère. Bien sûr, la vie est imprévisible et personne n'est toujours à 100% régulier, mais si nous constatons que la plupart des utilisateurs abandonnent une routine après une semaine, cela indique peut-être que le modèle de routine n'était pas durable ou que nos encouragements nécessitent des ajustements. D'un autre côté, si un pourcentage significatif d'utilisateurs continue sa routine (ou une version adaptée) après un mois, c'est un succès – cela signifie que Macaron a efficacement soutenu un changement de comportement positif.

Nous recueillons également des rapports subjectifs ici lorsque les utilisateurs choisissent de les partager. Par exemple, quelqu'un pourrait nous dire : « Je n'ai jamais pu m'en tenir à faire de l'exercice, mais avec l'aide de Macaron, j'ai suivi ma routine d'étirement matinale 5 jours de suite. » Ces anecdotes informent nos mesures quantitatives. Au fil du temps, nous aimerions publier des statistiques anonymisées comme « Les utilisateurs avec TDAH qui ont utilisé le livre de routines ont vu une amélioration de X% de l'adhésion à la routine matinale après 4 semaines » – car c'est une amélioration concrète de la vie.

De même, pour les guides de jeu axés sur la santé (comme un suivi de l'humeur ou un rappel de médicaments), nous mesurons l'adhérence et les résultats. Les utilisateurs prennent-ils leurs médicaments plus régulièrement selon le calendrier ? Rapportent-ils une amélioration de l'humeur ou de la concentration après avoir utilisé l'outil pendant un certain temps ? Nous traitons ces données avec soin – tout suivi est facultatif et principalement présenté à l'utilisateur pour sa propre compréhension (Macaron peut vous montrer vos séries, tendances, etc.). Mais dans l'ensemble, nous analysons les modèles pour voir ce qui fonctionne et ce qui ne fonctionne pas. Si ajouter une touche de gamification (comme des récompenses de série ou le partage social des progrès) améliore considérablement l'adhésion des utilisateurs neurodivers, nous intensifions nos efforts dans ce domaine. Si cela n'a pas d'impact, nous nous concentrons ailleurs.

La devise est les résultats avant l'apparence. Ce n'est pas suffisant pour nous de dire « nous avons la fonctionnalité d'accessibilité X ». Nous demandons, la fonctionnalité X a-t-elle aidé quelqu'un à accomplir quelque chose de tangible ou à se sentir moins frustré ? En mesurant des éléments tels que le succès des tâches, la réduction des erreurs, le temps gagné et l'adhérence aux routines, nous nous engageons à répondre à cette question. Et parce que Macaron est une IA à son cœur, nous utilisons même l'IA pour aider à analyser les retours et repérer les tendances dans ces métriques, affinant continuellement l'expérience. L'objectif final est une IA personnelle qui ne coche pas seulement les cases de l'inclusion mais change véritablement des vies par l'inclusion – aidant chaque utilisateur à être plus productif, plus indépendant et mieux compris par un assistant qui s'adapte vraiment à eux.