On nous promet des interfaces qui se génèrent « automatiquement », ajustées à chaque utilisateur, et la fin programmée des interfaces traditionnelles préconçues et précodées. Le discours des grands acteurs de la tech et de l’IA a, comme souvent, dix-huit mois d’avance sur la réalité.
L’aide apportée par l’IA générative pour accélérer la production de maquettes UX/UI est d’ailleurs souvent associée à la notion d’UI générative, et il est vrai qu’en 2026 des progrès notables ont été réalisés dans ce domaine. Mais si Claude Design, Lovable et Figma Make accélèrent nos flux de production, une autre notion, naissante, pourrait induire un changement de paradigme complet des expériences numériques : la Generative UI, c’est-à-dire la génération dynamique d’une interface en fonction d’une fenêtre de contexte.
Cet article vise à définir ce qu’est la GenUI et à expliquer comment, concrètement, une interface peut être générée dynamiquement.
Définir l’UI générative
La définition du Nielsen Norman Group comme point de départ
La définition qui fait autorité côté UX vient du Nielsen Norman Group. Kate Moran et Sarah Gibbons la formulent en mars 2024 : une interface générative est une interface produite dynamiquement, en temps réel, par une intelligence artificielle, pour fournir une expérience ajustée aux besoins et au contexte de l’utilisateur. Deux mots comptent dans cette phrase, « dynamiquement » et « en temps réel ».
« GenUI: AI-Generated Interfaces », vidéo de 4 minutes où le NNg reprend sa définition (septembre 2025). Source : Nielsen Norman Group, YouTube.
Côté ingénierie, Google Research a publié en novembre 2025 sa propre formalisation : le modèle ne génère plus seulement le contenu de la réponse mais l’expérience entière, interface comprise, à partir d’un prompt.
La fenêtre de contexte : ici, l’utilisateur a besoin de conseils et d’outils pour gérer son patrimoine et ses investissements.
L’IA répond dynamiquement avec une interface et un outil de simulation adaptés au contexte.
Cet exemple illustre bien la pertinence et la puissance de la GenUI. Forts de nos années d’expérience dans le secteur bancaire à l’agence, nous savons que les simulateurs sont le meilleur levier pour capter des prospects en phase de réflexion. Si les interfaces conversationnelles permettent désormais de générer ces outils à la demande, cela représentera un réel manque à gagner pour les directions du marketing digital qui mesurent leurs performances sur l’acquisition et la transformation post-simulation.
La différence entre personnalisation et individualisation
Jakob Nielsen pousse le concept un cran plus loin et parle d’individualisation plutôt que de personnalisation. La personnalisation classique sélectionne dans un ensemble de variantes prévues à l’avance ; l’individualisation régénère l’interface à neuf pour chaque personne, à chaque session.
Design-time ou runtime : le tri qui élimine l’essentiel du bruit
La distinction structurante tient en une ligne. Les outils d’aide au prototypage tels que Claude Design, Lovable ou encore Figma Make améliorent le « design-time » : ils aident un designer à produire des maquettes. La GenUI, elle, opère en « runtime » : c’est l’utilisateur final qui voit une interface s’assembler pendant qu’il se sert du produit.
Ici, la notion de runtime est importante, car elle implique du temps réel. Or aujourd’hui, les LLM, aussi puissants et avancés soient-ils, ne parviennent pas à générer des interfaces en moins de 5 secondes pour un coût abordable (voir notre article sur le coût de la GenUI face aux interfaces traditionnelles).
Conséquence directe, la majorité des « retours d’expérience GenUI » qui circulent parlent en réalité d’outils de productivité pour équipes design. Le gain y est interne et ponctuel, là où la génération au runtime engage un coût d’infrastructure supporté à chaque affichage. Ce déplacement du travail de conception vers l’amont relève d’ailleurs d’un mouvement plus large, celui que nous avons décrit à propos de ce que l’IA change au métier d’UX designer.
Le NNg ajoute un autre critère de différenciation, plus subtil : le vibe coding n’est pas de la GenUI. Quand l’utilisateur demande explicitement « crée-moi un tableau de bord », il commande une interface. Dans la GenUI, il exprime un objectif (« combien ai-je dépensé ce trimestre ? ») et c’est le système qui décide qu’un graphique interactif répondra mieux qu’un paragraphe. L’initiative appartient à la machine : générer devient un acte de design automatisé.
Générative, adaptative, personnalisée : trois logiques différentes
| Déclencheur | Mécanisme | Exemple | |
|---|---|---|---|
| Interface adaptative | Le contexte technique (taille d’écran, appareil) | Bascule entre des mises en page prévues par un designer | Le responsive design |
| Interface personnalisée | Un segment ou un profil connu | Active, masque ou ordonne des modules préexistants | Une page d’accueil e-commerce ordonnée par l’historique d’achat |
| Interface générative | L’intention exprimée dans la requête | Assemble ou compose un état qui n’avait pas été prévu | Une vue de données produite en réponse à une question ouverte |
L’adaptatif et la personnalisation puisent dans un ensemble fini d’états conçus par un humain ; la GenUI produit un état qui n’existait pas avant la requête. C’est exactement ce qui fait sa valeur, mais aussi ce qui la rend difficile à gouverner et complique le « tracking » et la mesure de l’activité des utilisateurs.
Comment une interface se génère-t-elle ?
Catalogue de composants fermé, schéma déclaratif, code ouvert
La GenUI de production se décline en trois niveaux, selon qui décide de la mise en page. Cette grille, formalisée notamment par CopilotKit et reprise par Google Cloud, est l’outil de lecture le plus utile du sujet.
| Qui décide de la mise en page | Cohérence de marque | Coût relatif en tokens | |
|---|---|---|---|
| Contrôlé | Le designer, en amont : l’IA choisit un composant déjà codé et le remplit de données | Garantie | Faible |
| Déclaratif | Un schéma JSON produit par l’IA, interprété par l’application dans les limites de son catalogue | Élevée, bornée par le catalogue | Modéré |
| Ouvert | Le modèle, qui écrit du HTML, du CSS et du JavaScript rendus en bac à sable | Aucune garantie | 5 à 10 fois le déclaratif |
Génération à partir d’un catalogue de composants : l’agent ne dessine pas la carte météo, il appelle le composant <WeatherCard /> déjà codé et lui transmet les données. Source : CopilotKit, « The Three Kinds of Generative UI » (septembre 2025).
L’ordre de grandeur de la dernière colonne explique à lui seul la structure du marché. Le mode déclaratif est devenu le standard de production, le mode ouvert reste cantonné à des visualisations ponctuelles où la liberté de forme de l’interface générée apporte un réel avantage à l’utilisateur.
A2UI, AG-UI, MCP Apps : les protocoles qui structurent la GenUI
Trois standards se disputent la place, et ils méritent d’être connus d’une équipe design même sans compétence d’ingénierie. AG-UI, porté par CopilotKit, est un protocole bidirectionnel d’état partagé entre l’agent et l’interface, adopté par des entreprises du Fortune 500. A2UI, poussé par Google, est un flux déclaratif unidirectionnel en JSON Lines, en preview publique et intégré à Gemini Enterprise et à Flutter. MCP Apps, initié par Anthropic, permet à un serveur tiers d’injecter des widgets interactifs dans une plateforme conversationnelle.
Exemples de composants qu’un agent peut composer avec A2UI : l’application garde la main sur le rendu, l’agent ne transmet qu’une description structurée. Source : Google Developers Blog, « Introducing A2UI » (décembre 2025).
Latence, cache et validation : ce que l’on trouve sous le capot
Une interface classique répond en moins de 200 millisecondes. Une inférence de modèle de langage démarre à quelques centaines de millisecondes et dépasse couramment la seconde, parfois beaucoup plus. Les parades sont connues : streaming de la réponse pour afficher les premiers composants pendant que le modèle calcule la suite, mise en cache des variantes probables, post-processeurs déterministes qui valident le schéma avant affichage.
Ce mur de latence est le principal facteur d’arbitrage entre la GenUI et les interfaces conventionnelles préconçues, et nous lui consacrons un article entier.
La règle de sécurité : transmettre des données, jamais du code
Le risque propre à la GenUI se joue au moment de l’exécution. Un modèle manipulé par injection de prompt peut produire du code malveillant qui s’exécutera dans le navigateur de l’utilisateur, avec sa session ouverte. C’est le talon d’Achille du mode de génération complètement ouvert, déjà le plus « tokenvore » des trois.
La parade des protocoles déclaratifs est élégante : le modèle n’émet que des liaisons d’intention, par exemple un identifiant d’action du type « valider_paiement », que le client associe à des fonctions codées en dur et sécurisées. Le modèle ne touche jamais au DOM.
Ce qui existe vraiment en production en 2026
Les déploiements réels
Le déploiement grand public le plus massif est celui de Google Gemini et de sa vue dynamique, qui produit des tableaux interactifs, des galeries ou des curseurs en réponse à une requête. Notion AI illustre le versant déclaratif à l’échelle, en assemblant des tableaux de bord à partir de ses propres blocs. Côté outillage, le SDK IA de Vercel, qui a popularisé le rendu de composants par appel d’outil, dépassait 89 millions de téléchargements mensuels sur npm au 6 septembre 2026 : la brique technique est largement diffusée, bien au-delà des vitrines.
Une vue graphique native de Notion (répartition des tâches par ingénieur) : ce sont ces blocs existants, et non du code généré, qu’un agent peut assembler. Source : Notion, Help Center.
Dans les applications métier, les praticiens jugent la GenUI mal adaptée aux flux transactionnels : la latence se paie sur des tâches répétées des dizaines de fois par jour, et la variance structurelle d’une requête à l’autre casse les automatismes des utilisateurs experts. Elle y trouve sa place sur l’exploration et la synthèse de données, pas sur la saisie.
Ce que disent les tests déjà menés
Google Research a comparé ses interfaces générées à plusieurs formats de réponse : un site conçu pour la requête par des experts humains, le premier résultat de recherche et des sorties de modèle en texte brut ou en markdown. Le résultat est intéressant pour les deux camps. Les interfaces générées devancent nettement le texte et le markdown, mais restent derrière les sites conçus par des experts humains. Et l’équipe précise que l’évaluation ne tient pas compte du temps de génération, alors que son implémentation peut demander une minute ou davantage : la réserve mérite d’être lue avant la conclusion.
Une seconde étude, menée par Jiaqi Chen et ses coauteurs de Stanford et Georgia Tech en août 2025, mesure jusqu’à 72 % d’amélioration de la préférence humaine pour des interfaces générées face au chat conversationnel, sur des tâches exploratoires et denses en information.
Mêmes requêtes, deux formats : réponse conversationnelle à gauche, interface générée à droite. Source : Chen et al., « Generative Interfaces for Language Models », arXiv (2025).
Elle documente surtout le coût d’utilisabilité du format conversationnel lui-même : le mur de texte est un vrai problème d’interaction, et il explique une bonne part de l’intérêt pour la GenUI. Nous avons détaillé ailleurs les limites propres au design conversationnel et à l’avenir des interfaces graphiques.
Le « design theater » : ce que l’IA dit faire et ne fait pas
Le contrepoids arrive de la même littérature. Une équipe de Northeastern University et d’IBM Research a évalué en juillet 2026 cent vingt interfaces produites par cinq outils génératifs, sur vingt-quatre tâches couvrant des exigences de structure, de style et de fonctionnalité. Verdict : en moyenne, plus de 25 % des justifications de conception affichées par les outils ne se retrouvent pas dans l’interface produite, et le taux d’échec monte à 34 % sur les exigences fonctionnelles. Les auteurs nomment ce décalage le « design theater », des raisonnements de conception plausibles et assurés, sans rapport avec ce qui est réellement implémenté.
Respect des principes de conception par outil : les exigences de structure et de style tiennent, les exigences fonctionnelles tombent à 0,38 au mieux (ChatGPT) et à 0,06 pour Bolt, v0 et Claude. Source : Imteyaz et al., « Design Theater », arXiv (2026).
Les deux résultats sont vrais en même temps. Les utilisateurs préfèrent une interface à un pavé de texte, et les outils qui la produisent surestiment massivement leur propre rigueur. C’est dans cet écart que le travail du designer prend toute son importance.
Ce que l’UI générative change pour une équipe design
Le design system est au centre de la GenUI
C’est le renversement central du sujet. Le design system ne s’adresse plus seulement à des humains qui lisent une documentation, il devient l’interface de programmation du modèle : un catalogue de composants curatés, des tokens, des règles d’assemblage et une documentation lisible par une machine, qui décrit non seulement ce qu’est un composant mais dans quelles conditions il doit être choisi.
Une organisation sans design system mature ne peut pas faire de GenUI sérieuse : elle peut faire des démos. La génération ne réduit pas le besoin de rigueur et de structuration d’un design system, elle l’augmente, parce que chaque approximation du design system sera reproduite à l’échelle par un agent lors de la génération de l’interface. Structurer un design system exploitable par un agent devient le prérequis concret de tout projet, avant même le choix du modèle, et c’est aussi l’objet de notre formation dédiée à la conception d’un design system pour les IA.
Les nouveaux livrables : garde-fous, catalogues, prompts d’orchestration
Le NNg parle d’outcome-oriented design : le designer ne dessine plus chaque écran, il définit les résultats attendus et les contraintes à l’intérieur desquelles le système compose. Cela produit des livrables inhabituels et parfaitement concrets.
Une liste blanche de composants autorisés par contexte, d’abord. Des contraintes écrites ensuite, du type « le bouton de paiement est toujours rendu à l’identique, sans variation de libellé ni de position ». Des prompts d’orchestration enfin, qui encodent des règles ergonomiques que personne n’écrivait jusqu’ici en langage naturel. Le designer écrit la grammaire, le système conjugue. Ces nouveaux enjeux poussent les organisations à former leurs équipes, et c’est ce que nous proposons dans la formation IA et prototypage, comme dans nos accompagnements en conception de produit digital de bout en bout.
Comment tester une interface qui n’est jamais deux fois la même ?
La validation au pixel n’a plus d’objet. Elle cède la place à des tests d’intention : vérifier que l’action « valider la transaction » est présente, identifiable et interactive, quel que soit son emplacement dans le rendu du jour. On ne mesure plus une conformité unique mais un taux de passage sur des centaines de générations automatisées.
Ces pratiques sont émergentes et commencent à être intégrées côté développement informatique. Côté UX research, les études restent pour le moment menées en laboratoire. Les tests modérés, les analytics et les cartes de chaleur n’ont pas encore de réponse standard face au non-déterminisme de la GenUI : on ne compare pas des parcours sur une interface qui change d’un utilisateur à l’autre.
Les fondamentaux qui ne bougent pas
Un professionnel navigue dans son outil sans lire l’écran. Cette mémoire spatiale est une compétence acquise, et une interface qui se réorganise chaque matin la détruit, en ramenant l’expert au niveau du débutant. Un système génératif doit donc apprendre quand ne pas changer l’interface, ce qui est une contrainte de conception, pas une limite technique.
Le reste relève de l’ergonomie cognitive la plus classique : une mise en page qui se recompose silencieusement impose une charge de réorientation et brouille la piste d’information que l’utilisateur suivait. S’y ajoute une question de confiance, car un changement non annoncé se lit vite comme une manipulation. La provenance générative doit être explicite, et l’incertitude communiquée, selon des principes que nous avons détaillés dans les règles de conception d’un produit IA.
Accessibilité : accomplissement ou alibi
Jakob Nielsen défend une thèse radicale : les approches classiques de l’accessibilité auraient échoué depuis trente ans, et la GenUI permettrait enfin de générer une interface auditive pour une personne non voyante ou simplifiée pour un profil cognitif donné, au lieu d’adapter péniblement une interface visuelle unique. L’argument a une force réelle, celle de prendre au sérieux la diversité des situations d’usage.
Les répliques sont sévères et documentées. Brian DeConinck qualifie la promesse de « snake oil » : la technologie est trop immature pour produire de façon fiable des interfaces réellement adaptées, et l’annonce fournit surtout un prétexte commode pour geler les investissements d’accessibilité de base. Per Axbom y voit une pensée magique qui dispense de faire le travail.
La GenUI contrôlée peut injecter des rôles ARIA et une structure sémantique via un schéma validé : c’est une piste sérieuse. Mais une conformité s’audite sur un rendu donné, pas sur une probabilité, et un rendu qui change à chaque appel n’est pas auditable pour le moment. Tant que ce problème n’est pas résolu, l’accessibilité générée reste une hypothèse de recherche et non un droit opposable, alors que l’accessibilité numérique est devenue une obligation légale et contractuelle.
UI générative, SEO et GEO : rester visible quand l’interface bouge
Ce que les robots voient d’une interface générée
Si l’interface est assemblée côté client, à la volée, pour chaque visiteur, alors le contenu n’existe plus sous une forme stable. Googlebot n’a rien de constant à crawler, et un moteur génératif n’a rien de délimité à citer. Une page au DOM volatile est une page qui cesse d’accumuler de la visibilité, quel que soit son intérêt pour l’utilisateur qui l’a déclenchée.
Le second déplacement est celui de la mesure. Dans les interfaces génératives des moteurs eux-mêmes, le succès organique ne se compte plus seulement en clics mais en citations : le contenu de marque devient une brique de données que les modèles assemblent pour répondre. C’est la logique du GEO, l’optimisation pour les moteurs génératifs, et elle récompense la structure et la traçabilité davantage que le volume.
La fausse bonne idée : servir une version pour les robots
La tentation est documentée et elle circule : servir l’interface riche aux humains et une version texte hyper-optimisée, souvent en markdown, aux crawlers et aux agents, via négociation de contenu. Google assimile formellement cette présentation différenciée à du cloaking, sanctionné par ses politiques anti-spam, et le risque n’est pas théorique : il engage des pénalités algorithmiques comme manuelles.
Le principe d’équivalence entre ce que voit l’utilisateur et ce que voit le robot ne se négocie pas, GenUI ou pas. Ce que l’on peut faire, en revanche, c’est concevoir l’architecture pour n’avoir jamais à choisir.
Le socle stable sous la couche générative
La réponse tient en une séparation. D’un côté un socle sémantique canonique, rendu côté serveur, stable, indexable, avec des données structurées Schema.org tenues avec rigueur. De l’autre une couche de présentation générative, volatile et personnalisée, posée par-dessus ce socle en enrichissement et non en remplacement. Le robot et l’agent lisent le socle, l’utilisateur bénéficie de la couche.
Le niveau déclaratif du spectre, celui qui s’impose côté produit pour des raisons de coût, de sécurité et d’accessibilité, est aussi le plus compatible avec la visibilité : le contenu y reste des données structurées interprétables, pas du pixel opaque. Bien architecturée, la GenUI ne s’oppose pas au référencement, elle exige de la sémantique et de la provenance, tout comme le SEO.
Ce qu’il faut retenir
L’essentiel de ce qui circule sous le nom de GenUI relève du design-time, c’est-à-dire d’un gain de productivité pour les équipes, et non de la génération au runtime pour l’utilisateur final.
La GenUI s’oriente doucement mais sûrement vers l’usage d’un agent qui compose une interface à partir d’un contexte en utilisant un catalogue de composants gouverné. Autrement dit, la GenUI se base exactement sur ce que le design a toujours dû faire : des systèmes rigoureux, des contraintes explicites, des fondamentaux ergonomiques clairement documentés. Ceux qui espéraient qu’elle dispense du travail de structuration vont être déçus, et c’est plutôt une bonne nouvelle. L’exigence dépasse d’ailleurs le sujet des interfaces, comme nous le notions en examinant la disparition annoncée des interfaces graphiques.
Reste la question du prix et de la vitesse de génération. Générer coûte à chaque affichage, là où une interface classique a un coût marginal proche de zéro. Les utilisateurs sont-ils prêts à attendre plus de 10 secondes pour obtenir une interface parfaitement adaptée à leur contexte ? C’est l’objet de notre article consacré à l’arbitrage entre interface générative et UI traditionnelle.
