En septembre 2025, à la Hatch Conference de Berlin, Jenny Wen, responsable du design de Claude chez Anthropic et ancienne directrice du design de Figma, annonce que « le processus de design est mort ». La formule a fait le tour du métier en quelques jours. Elle décrit pourtant un glissement réel : sous l’effet de l’IA générative, le designer produit moins de maquettes et passe davantage de temps à cadrer, à prototyper en conditions réelles et à arbitrer avec les équipes techniques.
Déclarer le processus mort, c’est confondre l’outil et la finalité. Ce guide démonte la thèse pièce par pièce : ce que l’IA accélère vraiment, ce qu’elle ne fait qu’effleurer, les dérives observées quand on sacrifie la recherche à la vitesse (Sonos, Figma), et ce que tout cela change pour les compétences et les carrières en 2025-2026.
Le parti pris est simple : le processus ne meurt pas, il change de centre de gravité.
La thèse qui agite le design : « le processus est mort »
Ce que défend Jenny Wen
Trois arguments structurent son propos. D’abord la vélocité de l’ingénierie assistée : un développeur peut lancer « sept Claude » en parallèle et matérialiser une idée en quelques minutes. Ensuite le renversement du cycle problème-solution : quand le coût de l’artefact s’effondre, on explore un problème en fabriquant des prototypes plutôt qu’en le théorisant. Enfin la primauté du résultat sur l’artefact intermédiaire : personas, wireframes statiques et cartes d’empathie perdraient de leur valeur face au produit réellement livré.
Sa citation-choc mérite d’être posée comme objet de débat, pas comme vérité : « ce processus de design que l’on traite comme une vérité absolue est fondamentalement mort ». Une précaution s’impose aussitôt. Wen parle depuis Anthropic, un produit d’IA exploratoire, sans conventions d’usage établies ni base installée à ménager. C’est le contexte le plus favorable qui soit à la table rase.
Elle pose d’ailleurs elle-même le contrepoint : « quelqu’un doit encore décider de ce qui sera construit et assumer cette décision ». L’IA déplace l’exécution, pas la responsabilité du jugement. Toute la suite tient dans cette nuance.
Le glissement chiffré du temps de travail
Wen chiffre le basculement sur sa propre activité. La création de maquettes et le prototypage seraient passés d’environ 60-70 % à 30-40 % de son temps ; le pairing direct avec l’ingénierie monterait à 30-40 % ; l’implémentation technique, intégration, CSS et finitions front-end, occuperait désormais 20-30 % de ses journées (Lenny’s Podcast, 2026).
Ces chiffres disent quelque chose de juste, à condition de ne pas les prendre pour une étude. Ce sont des données déclaratives, issues d’un seul témoignage dans un contexte greenfield. Ils illustrent une tendance, ils ne la prouvent pas. Un détail trahit d’ailleurs l’angle mort de la démonstration : la recherche utilisateur disparaît purement et simplement de ce découpage. Ce qui se compresse, c’est l’exécution graphique ; ce qui reste, ou devrait rester, c’est la compréhension des utilisateurs.
Le déplacement, lui, est incontestable : le designer glisse de la production d’écrans vers le cadrage, l’orchestration et la collaboration technique. En faire une norme universelle, c’est une autre affaire.
Les trois profils que recrutent les laboratoires d’IA
Les mêmes entretiens dessinent les profils recherchés par les laboratoires d’IA, et ils sont instructifs.
Le généraliste robuste, « block-shaped », se situe autour du 80e percentile sur l’ensemble des compétences, recherche, conception et technique, pour une flexibilité maximale.
Le spécialiste de haut niveau, « T-shaped », figure dans le top 10 % d’une discipline, pour débloquer les défis pointus d’architecture d’information ou d’interaction.
Le jeune diplômé d’élite, le « crack new grad », est valorisé précisément parce qu’il est débarrassé des rituels classiques. L’argument se retourne pourtant contre lui-même : c’est aussi le profil le plus exposé si on lui retire l’apprentissage par le process. Nous y reviendrons.
Ce que l’IA accélère vraiment, et ce qu’elle ne fait qu’effleurer
Automatiser, assister, décider : la vraie ligne de partage
Reste à savoir ce que l’IA fait, concrètement, du travail d’un designer. La liste des tâches réellement accélérées est déjà longue : synthèse d’entretiens, classement de verbatims, repérage de patterns, idéation, génération de wireframes et de microcopie, préparation de protocoles de test, documentation. Partout, l’IA compresse l’exécution.
Encore faut-il distinguer trois régimes que l’on confond trop vite. Automatiser, c’est faire disparaître la tâche. Assister, c’est garder la main humaine sur une tâche accélérée. Décider, c’est engager une responsabilité que l’outil ne peut pas porter. La question utile n’est jamais « est-ce automatisable ? » mais « qui reste responsable du résultat ? ». Un tableau tâche par tâche, croisant gain de temps, risque et niveau de supervision humaine, éclaire mieux la décision que n’importe quel discours sur la « révolution IA ».
Le plafond, lui, se mesure. Selon les tests du Baymard Institute relayés par le Nielsen Norman Group, la précision des diagnostics d’utilisabilité générés par IA plafonne entre 50 et 70 %. Un taux trop bas pour se passer d’une relecture humaine systématique, sous peine de multiplier les faux positifs et de corriger des problèmes qui n’existent pas.
Le gain de productivité, remis à sa juste mesure
Le chiffre qui circule est flatteur : +66 % de productivité moyenne pour les employés de bureau outillés par l’IA générative (Nielsen Norman Group, 2023). Il ne faut surtout pas le reprendre tel quel pour l’UX.
Jakob Nielsen pose lui-même la nuance : pour les métiers de l’expérience, le gain potentiel retombe autour de 33 %. La raison est simple. Une part essentielle de l’activité, entretiens, observation directe, lecture du contexte, ne se compresse pas sans dégrader la qualité des données recueillies. On accélère la rédaction d’un protocole ; on ne raccourcit pas une heure d’observation terrain sans la vider de sa substance.
On connaît la mécanique du « ROI UX à 9 900 % » : un chiffre global et flatteur, vrai en moyenne, faux dès qu’on regarde un métier précis. Le gain existe, mais il se mesure dans un contexte donné, pas en moyenne mondiale.
Ce que l’IA ne remplace pas
Restent les zones où l’outil bute, et elles définissent le cœur du métier.
L’empathie et la lecture fine du contexte, d’abord. L’IA produit des réponses plausibles sans comprendre les utilisateurs. Elle généralise là où la recherche utilisateur capte le singulier, l’atypique, la minorité ergonomique que les moyennes écrasent. Un modèle statistique est, par construction, une machine à lisser les cas rares.
La stratégie produit, la priorisation et l’arbitrage, ensuite. Décider de ce qui mérite d’être construit reste un acte de jugement, nourri de contraintes métier et d’objectifs business, pas un acte de génération.
La créativité et la responsabilité de conception, enfin. L’outil tend à proposer les schémas d’interaction les plus probables, donc les plus convenus. Il excelle à reproduire l’existant, beaucoup moins à inventer un usage. Et il ne conçoit pas spontanément pour les marges : l’accessibilité numérique et le design inclusif restent des décisions humaines, pas des sorties par défaut d’un modèle.
Le contre-discours : l’intuition se construit par le process
Si la thèse a autant circulé, c’est qu’elle flatte une envie d’aller vite. Le contre-discours, plus discret, est aussi plus solide.
L’intuition ergonomique n’est pas un don. Elle se construit par la confrontation répétée aux frictions réelles des utilisateurs. Court-circuiter la recherche, c’est se condamner à des solutions superficielles, faute d’avoir jamais vu où et pourquoi les gens décrochent. C’est l’argument central de Maureen Herben (The Cursor) : le process n’est pas un rituel, c’est la fabrique de l’expertise.
De là, une question pédagogique que personne ne devrait esquiver. Si l’exécution et le maquettage sont automatisés, sur quoi les designers débutants exercent-ils leur regard ? On leur retire l’échafaudage qui, hier, transformait un exécutant en concepteur. Un junior qui n’a jamais bataillé avec un tri de cartes ou un test raté devient dépendant des propositions de l’outil, sans les moyens de les critiquer. Une formation UX sérieuse n’est pas un supplément d’âme : c’est ce qui préserve la capacité de jugement de la génération suivante.
Il y a aussi un piège de méthode. Adopter d’emblée la solution que suggère l’IA, c’est la laisser dicter le problème. On bascule dans un « solution-first » où les capacités techniques décident de ce qui vaut la peine d’être résolu, à la place des utilisateurs.
Simon Willison, pourtant familier de ces outils, pose la limite avec justesse (« Don’t Trust the Process », janvier 2026) : oui, l’IA réduit le coût d’exploration, un mauvais choix coûte désormais quelques jours plutôt que plusieurs mois ; mais bâtir un système de production par « vibe coding », sans en comprendre la structure, génère une dette et des failles invisibles. Le pari du prototype jetable ne vaut que si l’on garde la main sur ce qui reste.
Les angles morts du tout-prototype : trois cas d’école
La théorie se juge sur ses accidents. Trois cas récents montrent ce qui arrive quand on livre d’abord et qu’on cherche à comprendre ensuite.
Sonos (2024) : la recherche sacrifiée à la vitesse
Au printemps 2024, pour accélérer la sortie de son casque Ace, Sonos déploie une refonte intégrale de son application mobile et taille dans les équipes d’assurance qualité et de recherche utilisateur, en passant outre les alertes de ses propres designers. L’application livrée est amputée de fonctions essentielles : réglage fin du volume, alarmes, gestion des playlists.
La facture est brutale. Une chute d’environ 25 % du cours de l’action, près de 500 millions de dollars de capitalisation évaporés entre mai et août 2024, le départ du PDG officialisé début 2025, puis un recours collectif engagé la même année. Le coût de la recherche supprimée s’est payé en réputation, en procédures et en valorisation boursière. On peut difficilement rêver meilleur contre-exemple au « comprendre plus tard ». Un simple audit ergonomique en amont aurait coûté une fraction de la somme.
Figma UI3 : le coût caché de la mémoire musculaire
Le deuxième cas est plus subtil, parce qu’il vient d’un éditeur expert en design. Figma présente sa refonte d’interface UI3 à Config en juin 2024, après l’avoir testée en amont. À la généralisation, des professionnels rapportent une baisse de productivité de l’ordre de 20 à 25 % pendant les premières semaines.
La cause n’est pas esthétique. Panneaux déplacés, champs de coordonnées éloignés, barre d’outils repoussée en bas : des habitudes ancrées se retrouvent brisées, et la charge cognitive grimpe pour une manipulation qui, hier, était automatique. Le reproche des utilisateurs ne porte pas tant sur la nouvelle interface que sur la conduite du changement : ni phase de transition, ni guide de migration. Même un acteur qui maîtrise Figma sur le bout des doigts peut négliger la mémoire musculaire de sa base installée. La parade n’a rien de magique : soigner la transition, et monter en compétence sur Figma de façon encadrée plutôt que dans l’urgence d’une mise à jour.
Le prototypage non maîtrisé : la dette technique en embuscade
Le troisième angle mort est invisible à l’écran : la qualité du code produit à la chaîne. Les signaux convergent, même s’il faut les manier comme un faisceau d’indices et non comme une vérité gravée, une partie venant d’éditeurs d’outils.
L’audit GitClear 2025, portant sur 211 millions de lignes de code, observe un effondrement du refactoring, sous les 10 % contre 25 % en 2021, et une multiplication par quatre du code dupliqué. De son côté, le rapport CodeRabbit 2025 mesure, sur les pull requests assistées par IA, environ 1,7 fois plus de défauts et 2,74 fois plus de failles de sécurité que sur du code écrit par des humains.
L’effet ciseau est là : la phase d’écriture s’accélère, mais les volumes de pull requests explosent, les temps de relecture s’allongent et les incidents critiques augmentent. L’accélération apparente se paie en fin de chaîne, dans la maintenance et la sécurité. Transposé au design, le message est identique : un prototype qui ressemble à un produit n’est pas un produit, et confondre les deux revient à empiler une dette que l’on ne découvre qu’au moment de la rembourser.
Le marché du métier en 2025-2026 : une polarisation nette
Ces mouvements redessinent le marché de l’emploi, et le mot juste est polarisation, pas effondrement.
Le bas du marché se ferme. L’accès aux postes d’exécution graphique devient très difficile, pris en tenaille entre la saturation des formations courtes et la capacité des outils à produire les wireframes simples. Après la contraction de 2023, où le volume d’offres a pu reculer de l’ordre de 70 % selon les baromètres du secteur, on observe une stabilisation, mais asymétrique : elle profite d’abord aux profils confirmés.
Le haut du marché se concentre. Les organisations regroupent sous un même rôle la vision produit, l’analyse de données et les tests d’utilisabilité, sur fond d’exigence accrue des directions en matière d’indicateurs d’impact. Un profil monte clairement : le « design engineer », capable de dialoguer avec les développeurs et d’intégrer lui-même ses conceptions dans la base de code. Cette convergence rapproche le product design de l’ingénierie, et ce sont ces profils hybrides qui captent aujourd’hui la valeur.
La lecture d’ensemble (Nielsen Norman Group, State of UX 2026 ; UX Design Institute) tient en une phrase : le métier ne disparaît pas, il se reconfigure, et il monte en exigence.
Se former et se repositionner pour rester pertinent
Que faire, très concrètement, quand on exerce ce métier aujourd’hui ? Trois chantiers de compétences se dégagent.
La culture technique, d’abord. Comprendre ce que fait un modèle, savoir le requêter, manier variables et connexions de données dans les outils de conception : ce n’est plus un supplément, c’est la langue commune avec l’ingénierie. C’est aussi ce qui sépare un designer qui subit l’IA d’un designer qui la pilote.
La pensée produit, ensuite. Maîtriser la conversion, la rétention et le coût d’acquisition, c’est parler le langage des décideurs et prouver l’impact de l’ergonomie en leurs termes. C’est le terrain d’une stratégie UX assumée, qui relie la qualité de l’expérience à des résultats business mesurables plutôt que de la défendre au nom du bon goût.
L’éthique et la confiance numérique, enfin. Face à la prolifération d’interfaces générées sans recherche, concevoir des parcours transparents, qui laissent le contrôle à l’utilisateur, devient un différenciateur autant qu’une responsabilité.
Reste la tentation du repositionnement cosmétique. Beaucoup d’équipes délaissent l’étiquette « UX design » pour « Experience Design », « Insights & Research » ou « Business Innovation ». Changer de nom ne suffit pas : c’est la maîtrise de la recherche qui fonde la pertinence, pas le libellé sur la carte de visite. Pour les praticiens, se rebaptiser ne remplace pas le vrai chantier : monter en compétence là où l’IA ne va pas.
Car c’est là le socle. Dans un espace numérique saturé d’expériences standardisées, produites sans investigation, comprendre réellement les utilisateurs redevient le premier avantage compétitif. C’est ce qui distingue un produit pensé d’un produit seulement plausible.
Le processus n’est pas mort, il change de centre de gravité
Que meurt-il, alors, exactement ? La version rigide et dogmatique du process, appliquée comme une checklist immuable. Pas la démarche elle-même. Le bon modèle n’a jamais été la ligne droite, c’est la toile : des étapes qui se croisent et s’ajustent à ce que l’on sait à chaque instant.
L’IA déplace le centre de gravité du métier, de l’exécution vers le cadrage, le jugement et l’orchestration. Le prototype y gagne un rôle neuf, celui d’un médium de réflexion, un moyen de penser en fabriquant. À condition de ne jamais le confondre avec un substitut à la compréhension.
Deux erreurs symétriques guettent. Tout déléguer à l’outil au nom de la vitesse, c’est le scénario Sonos. Se réfugier dans un process figé en refusant les gains réels de l’IA, c’est l’autre façon de perdre. La maturité consiste à doser selon le contexte : un terrain greenfield exploratoire n’appelle pas les mêmes garde-fous qu’une base installée à fort enjeu.
La position que nous défendons chez Usabilis tient en trois gestes. Adopter l’IA pour ce qu’elle accélère vraiment : synthèse, idéation, prototypage, documentation. Garder la main humaine sur ce qui engage : recherche, arbitrage, accessibilité, décision. Et traiter la formation des juniors comme un investissement, pas comme une variable d’ajustement. La bonne question n’est jamais « process ou pas de process », mais « quel process pour ce produit, ce risque, cette base d’utilisateurs ». C’est le travail d’une démarche de conception centrée utilisateur : arbitrer en connaissance de cause, un produit à la fois.
