L'IA va-t-elle remplacer les UX researchers ? L'IA mène les enquêtes -- mais qui pose les bonnes questions ?

Le labo de recherche a un nouvel assistant

Imaginez que vous êtes un UX researcher préparant une étude d'utilisabilité. Vous devez recruter des participants, rédiger un guide de discussion, animer des sessions, transcrire des heures d'entretiens, coder les données qualitatives et tout synthétiser en recommandations exploitables. Il y a deux ans, chacune de ces étapes demandait un effort humain considérable. Aujourd'hui, l'IA en gère plusieurs avant même que vous n'ayez fini votre café du matin.

Nos données montrent que les UX researchers font face à une exposition globale à l'IA de 54 % en 2025, avec un risque d'automatisation de 38 sur 100 [Fait]. Le niveau d'exposition est élevé, mais le mode d'automatisation est augmenter plutôt que remplacer. Cette distinction est capitale -- elle signifie que l'IA devient un outil puissant dans la boîte à outils du researcher, pas un remplaçant du researcher lui-même.

Là où l'IA change la donne

La tâche la plus automatisée en recherche UX est l'analyse des données utilisateur qualitatives et quantitatives, à 65 % d'automatisation [Fait]. L'IA peut désormais traiter des milliers de réponses à des enquêtes, étiqueter le sentiment, identifier des tendances dans les données comportementales et générer des insights préliminaires en quelques minutes. Des outils alimentés par des modèles de langage peuvent transcrire et résumer des enregistrements d'entretiens, mettant en évidence les thèmes clés sans que le researcher écoute chaque seconde d'audio.

La création de personas et de parcours utilisateurs suit à 58 % d'automatisation [Fait]. Donnez suffisamment de données utilisateur à un système d'IA et il peut ébaucher des profils de personas, cartographier les flux utilisateurs courants et même suggérer des points de friction basés sur le regroupement comportemental. Le résultat nécessite souvent un affinage humain, mais la première ébauche qui prenait des jours se fait maintenant en minutes.

Même les tests d'utilisabilité sont partiellement automatisés à 42 % [Fait]. Les plateformes de test alimentées par l'IA peuvent exécuter des tests non modérés à grande échelle, suivre les mouvements oculaires, mesurer les temps d'achèvement des tâches et signaler automatiquement les problèmes d'utilisabilité. Des plateformes comme Maze et UserTesting ont intégré des fonctionnalités d'IA qui prennent en charge une grande partie du travail fastidieux de l'analyse de tests.

L'avantage humain que l'IA ne peut pas reproduire

C'est ici que ça devient intéressant. Mener des entretiens avec les parties prenantes et des études terrain n'a un taux d'automatisation que de 28 % [Fait]. C'est le cœur de ce qui fait de la recherche UX une discipline uniquement humaine.

Quand un UX researcher s'assoit face à un utilisateur frustré dans les urgences d'un hôpital, observant comment il interagit avec une borne sous le stress et la douleur, aucune IA ne peut reproduire ce moment de compréhension empathique. Quand un researcher lit l'ambiance d'une réunion avec les parties prenantes -- percevant les tensions politiques entre les équipes d'ingénierie et de design, captant les priorités non exprimées -- c'est une reconnaissance de patterns que l'IA ne possède tout simplement pas.

La meilleure recherche UX a toujours consisté à poser des questions auxquelles personne n'avait pensé. C'est remarquer ce que les utilisateurs ne disent pas, pas seulement ce qu'ils disent. L'IA excelle dans le traitement des réponses ; les humains excellent dans la formulation des questions.

Si vous êtes curieux de savoir comment les UX designers, un rôle proche, sont affectés, la comparaison est éclairante. Les designers font face à une exposition similaire mais avec un profil de tâches différent -- plus de génération visuelle, moins d'analyse qualitative.

La perspective à trois ans

D'ici 2028, nos projections montrent que les UX researchers atteindront 69 % d'exposition globale à l'IA avec un risque d'automatisation de 51 sur 100 [Estimation]. Le rôle franchira pour la première fois le seuil de 50 % de risque, ce qui semble alarmant tant que vous ne comprenez pas ce que cela signifie en pratique.

Les researchers qui prospéreront seront ceux qui embrasseront ce changement. Au lieu de consacrer 60 % de leur temps au traitement des données et 40 % à l'insight stratégique, le ratio s'inversera. L'IA gère les données. Vous fournissez l'insight. Les entreprises auront besoin de moins de researchers pour traiter les données mais de plus de researchers capables de transformer les résultats en stratégie business, de faciliter des conversations difficiles avec les parties prenantes et de concevoir des programmes de recherche posant des questions réellement novatrices.

Le marché de l'emploi le reflète déjà. Les offres pour les UX researchers mentionnent de plus en plus la "recherche stratégique", l'"expertise en méthodes mixtes" et la "gestion des parties prenantes" -- des compétences plus difficiles à automatiser. En revanche, les offres mettant l'accent sur l'"analyse d'enquêtes" et le "traitement de données" diminuent.

Ce que cela signifie pour vous

Si vous êtes UX researcher ou aspirez à le devenir, la voie est claire. Misez sur les compétences que l'IA ne peut pas toucher : les méthodes de recherche ethnographique, la facilitation, le storytelling et la capacité à relier les résultats de recherche aux résultats business. Apprenez à utiliser les outils d'IA couramment -- ils vous rendront radicalement plus productif. Mais investissez votre temps libéré dans le travail profond, complexe et humain qu'aucun algorithme ne peut automatiser.

Les researchers qui auront des difficultés sont ceux qui définissaient leur valeur par le volume de données qu'ils pouvaient traiter. Ceux qui prospéreront sont ceux qui définissaient leur valeur par la qualité des questions qu'ils pouvaient poser.

Pour le détail tâche par tâche, consultez la page profession UX Researchers. Vous trouverez aussi utile de comparer avec les data scientists pour voir comment l'IA transforme les rôles analytiques adjacents.

Historique des mises à jour

• 2026-03-30 : Publication initiale avec les données réelles de 2025 et les projections pour 2028.

Sources

• Eloundou et al. (2023). « GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models. »
• Brynjolfsson et al. (2025). « Generative AI at Work. »
• Anthropic Economic Research (2026). Labor Market Impact Assessment.

---

Cette analyse a été réalisée avec l'assistance de l'IA. Toutes les statistiques font référence à notre jeu de données combinant recherche évaluée par des pairs et données industrielles. Pour les détails méthodologiques, consultez À propos de nos données.