Skills, MCP, agents : comment structurer le savoir-faire de votre équipe Design ?

L’intelligence artificielle prend une place croissante dans les pratiques du Product Design. Au-delà des outils de génération, elle fait émerger de nouvelles façons de travailler, où les méthodes, les connaissances et les savoir-faire peuvent être structurés et réutilisés.

Pourquoi l’IA redéfinit-elle les compétences du Product Designer ?

L’arrivée des agents intelligents dans les environnements de travail modifie progressivement les pratiques de conception. Les Product Designers disposent désormais de nouveaux moyens pour exploiter les données, expérimenter des solutions et faire évoluer les produits numériques. Cette transformation touche également la manière dont leur expertise peut être documentée et mobilisée.

Du design d’interfaces à la conception de systèmes intelligents

Le Product Designer travaille déjà sur des systèmes complexes, où les besoins des utilisateurs doivent composer avec les objectifs métier et les contraintes techniques. L’intelligence artificielle ajoute une nouvelle dimension à cette complexité, celle des interfaces capables d’interpréter des intentions, d’exploiter un contexte et de proposer des actions adaptées.

Prenons l’exemple d’un parcours de retour produit. Dans une interface classique, l’utilisateur suit une succession d’étapes prédéfinies. Avec un assistant intelligent, il peut expliquer son problème en langage naturel et obtenir un accompagnement personnalisé. Le designer doit alors prévoir la manière dont le système comprend la demande, présente les options, sollicite une confirmation ou réagit lorsqu’il rencontre une situation imprévue.

De nouvelles questions entrent ainsi dans le processus de conception; comment rendre les décisions d’un système compréhensibles ? Comment donner à l’utilisateur la possibilité de reprendre le contrôle ? Quels mécanismes prévoir lorsqu’une réponse est incorrecte ou incertaine ?

La maîtrise des interfaces graphiques reste essentielle, mais elle s’enrichit de compétences liées aux interactions conversationnelles, à la logique des agents et à la conception de comportements intelligents.

Comprendre l’évolution des usages

Les premiers usages de l’IA générative dans les équipes Design reposaient principalement sur des échanges ponctuels avec des modèles conversationnels. Un prompt permettait de générer des idées, de reformuler des contenus ou de proposer plusieurs pistes de conception.

Les agents introduisent une logique différente. Selon les outils et les autorisations dont ils disposent, ils peuvent enchaîner plusieurs opérations, consulter des ressources externes et produire des résultats à partir d’un objectif défini.

Un designer peut, par exemple, confier à un agent l’analyse d’un parcours d’inscription, lui demander d’identifier les points de friction, de vérifier la cohérence des composants avec le Design System et de proposer des pistes d’amélioration en s’appuyant sur les principes ergonomiques définis par l’équipe.

Cette évolution change la manière de formuler les demandes. Il devient nécessaire de préciser les ressources à consulter, les étapes à suivre, les contraintes à respecter et les critères permettant d’évaluer le résultat.

La capacité à structurer et à superviser ces processus prend alors autant d’importance que la maîtrise des outils eux-mêmes.

Les Skills, une nouvelle manière de formaliser et de transmettre les savoir-faire

Une grande partie de l’expertise d’une équipe UX repose sur des méthodes développées au fil des projets; conduire un audit, analyser des entretiens, construire une architecture d’information ou vérifier la cohérence d’un parcours.

Les Skills permettent de rendre ces connaissances directement exploitables par des agents compatibles.

Concrètement, un Skill rassemble des instructions décrivant la réalisation d’une tâche précise. Il peut contenir des étapes méthodologiques, des règles de décision, des exemples, des ressources documentaires et des scripts. Dans le format Agent Skills, ces éléments s’organisent autour d’un fichier SKILL.md.

Une équipe peut ainsi formaliser sa méthode d’audit UX, avec ses critères d’analyse, son système de priorisation des problèmes et ses exigences en matière de restitution. L’agent dispose alors d’un cadre commun pour assister les designers dans leurs évaluations.

L’intérêt réside aussi dans la transmission des connaissances. Des pratiques auparavant dispersées entre plusieurs documents ou détenues par quelques collaborateurs deviennent accessibles et réutilisables au sein de l’équipe.

Automatiser les tâches répétitives pour se concentrer sur la conception

L’automatisation représente une opportunité concrète pour les équipes UX confrontées à des volumes croissants de données et de livrables. Son intérêt dépend toutefois de la nature des activités concernées et de la fiabilité des résultats obtenus.

Identifier les activités à faible valeur ajoutée dans le processus UX

Dans un projet de conception, certaines opérations demandent du temps sans nécessiter systématiquement une réflexion créative ou une expertise approfondie.

C’est le cas de la mise en forme de résultats de recherche, du classement de verbatims, de la consolidation de données ou encore de la préparation de documents de travail.

Pour identifier les meilleures opportunités d’automatisation, plusieurs critères peuvent être examinés :

• La fréquence à laquelle une tâche revient dans les projets.
• La stabilité des règles utilisées pour l’exécuter.
• Le temps consacré à sa réalisation manuelle.
• La possibilité de vérifier facilement les résultats.
• Les risques associés aux erreurs ou à la manipulation de données sensibles.

Une tâche fréquente et prévisible constitue généralement un meilleur point de départ qu’une activité nécessitant des arbitrages complexes.

Cette distinction évite également de confondre rapidité d’exécution et qualité du travail. Certaines étapes apparemment répétitives permettent au designer de découvrir des informations importantes. Leur automatisation doit préserver cette capacité d’observation.

Les premières applications concrètes

Plusieurs activités du quotidien se prêtent déjà à une assistance automatisée.

En UX Research, les outils peuvent faciliter la transcription d’entretiens, le regroupement de verbatims par thèmes ou l’identification de sujets récurrents dans les retours utilisateurs. Un corpus de plusieurs dizaines d’entretiens peut ainsi être préparé pour une analyse approfondie, à condition de conserver les sources et de vérifier les interprétations proposées.

Pour les benchmarks, ils peuvent aider à inventorier des fonctionnalités, comparer des parcours ou organiser des observations selon une grille commune. Le designer conserve la responsabilité d’apprécier la pertinence des solutions étudiées au regard des utilisateurs et du contexte métier.

Dans les audits UX, l’automatisation facilite le repérage de certaines incohérences, la collecte d’informations et la préparation de recommandations. Elle peut aussi contribuer à relever des problèmes techniques d’accessibilité, sans remplacer les vérifications manuelles ni les tests réalisés avec les utilisateurs.

Ces applications offrent surtout un moyen de traiter plus efficacement les informations disponibles et de consacrer davantage de temps à leur interprétation.

De la production de livrables à l’automatisation de workflows complets

L’évolution la plus intéressante apparaît lorsque plusieurs tâches sont reliées dans un même processus.

Prenons l’exemple de la conception d’un tableau de bord pour une plateforme SaaS B2B. Un agent peut consulter les spécifications fonctionnelles, identifier les indicateurs à afficher et proposer une première organisation des informations selon les profils utilisateurs.

Un deuxième agent peut confronter cette proposition aux composants disponibles dans le Design System, tandis qu’un troisième vérifie le respect des règles d’accessibilité et prépare une liste des ajustements nécessaires.

Le Product Designer intervient ensuite pour évaluer la pertinence de la hiérarchie visuelle, arbitrer entre les différentes propositions et valider les choix de conception.

Ce fonctionnement repose sur une succession d’opérations coordonnées, avec des points de contrôle clairement définis. Les workflows peuvent être adaptés aux méthodes de chaque organisation. Leur efficacité dépend de la qualité des données, de la précision des instructions et des outils auxquels les agents ont accès.

Où placer le curseur entre automatisation et intervention humaine ?

Toutes les décisions de conception ne présentent pas le même niveau de risque.

Classer des commentaires par thématique et décider de supprimer une fonctionnalité utilisée par une partie des clients sont deux opérations très différentes. La première peut être largement assistée. La seconde exige une compréhension des usages, des conséquences et des objectifs du produit.

Le principe du human-in-the-loop, ou humain dans la boucle, consiste à intégrer des interventions humaines aux étapes déterminantes d’un processus automatisé.

Dans les métiers du Design, cette supervision peut prendre plusieurs formes; vérifier les données utilisées, valider une interprétation, arbitrer entre différentes solutions ou autoriser une modification avant sa mise en production.

L’enjeu consiste à définir des responsabilités explicites. Un agent peut préparer une recommandation, mais sa pertinence doit être évaluée à partir de preuves et de critères adaptés au projet.

Design patterns et Design Systems : vers des méthodes de conception réutilisables

Les équipes Design disposent déjà de nombreux référentiels pour harmoniser leurs pratiques. L’intelligence artificielle ouvre de nouvelles possibilités pour les exploiter directement dans les processus de production et de contrôle des interfaces.

Transformer les bonnes pratiques UX en instructions exploitables par l’IA

Les principes ergonomiques, les conventions d’interaction et les recommandations d’accessibilité sont généralement consignés dans des guides, des bibliothèques de composants ou des documents méthodologiques.

Pour qu’un agent puisse les appliquer correctement, ces connaissances doivent être traduites en instructions suffisamment précises.

Prenons l’exemple de la conception d’un formulaire. Une méthode documentée peut définir les règles de regroupement des champs, la gestion des erreurs, les modalités de validation et les informations à communiquer à l’utilisateur.

Un Skill consacré aux formulaires pourrait s’appuyer sur ces règles pour examiner une proposition d’interface, relever les écarts et suggérer des améliorations.

La qualité du résultat dépend alors de la précision des consignes, mais aussi des informations transmises sur le contexte d’utilisation. Une recommandation pertinente pour un formulaire d’inscription peut être inadaptée à un parcours administratif complexe.

Capitaliser sur les patterns, composants et règles de conception

Les design patterns apportent des réponses éprouvées à des problèmes d’interaction récurrents. Les Design Systems organisent, quant à eux, les composants, les styles, les variables et les règles nécessaires à la cohérence d’un produit.

Leur association avec des agents permet d’envisager de nouveaux usages.

Un système connecté à une bibliothèque de composants peut exploiter les conventions existantes pour préparer une interface, vérifier l’utilisation de certains éléments ou identifier des écarts par rapport aux standards de l’équipe.

Les instructions réutilisables peuvent également préciser dans quelles situations employer un composant, quels états prévoir, quelles règles d‘accessibilité respecter et quelles erreurs éviter.

Cette approche favorise une meilleure continuité entre les recommandations UX, les maquettes et leur implémentation technique.

Elle suppose cependant des référentiels régulièrement mis à jour. Des instructions obsolètes risquent de reproduire les mêmes incohérences à grande échelle.

Préserver la cohérence des interfaces sans brider la créativité

La réutilisation des méthodes présente un risque; favoriser des solutions trop systématiques, appliquées indépendamment des particularités d’un projet.

Or, un design pattern correspond à une réponse possible face à un problème identifié. Son utilisation doit rester liée au contexte, aux attentes des utilisateurs et aux contraintes du produit.

Les référentiels peuvent donc intégrer des critères de sélection, des contre-exemples et des situations dans lesquelles une règle mérite d’être réexaminée.

Le designer conserve ainsi une marge d’expérimentation pour proposer de nouvelles interactions, adapter les composants ou remettre en question une convention existante.

L’objectif est de créer un cadre suffisamment solide pour garantir la qualité des interfaces, tout en laissant aux équipes la liberté de faire évoluer leurs pratiques.

MCP, WebMCP et agents IA : vers un écosystème de design interconnecté

Le Model Context Protocol (MCP) pour connecter les outils et les données

Jusqu’ici, travailler avec une IA impliquait souvent de copier des contenus, d’importer des fichiers ou de fournir manuellement le contexte d’un projet.

Le Model Context Protocol (MCP) change cette logique. Ce protocole ouvert permet aux applications d’IA de communiquer avec des outils externes et d’accéder à leurs fonctionnalités, dans la limite des autorisations accordées.

Pour les équipes Design, les possibilités sont nombreuses.

• Consulter des spécifications produit directement depuis un outil de gestion de projet.
• Récupérer les composants et variables d’une bibliothèque Figma.
• Exploiter la documentation technique d’un produit.
• Croiser des informations issues de plusieurs environnements.

Le MCP fournit la connexion. Les Skills indiquent à l’agent comment utiliser les ressources disponibles pour accomplir une tâche.

Figma, code et Design Systems : vers une continuité entre conception et développement

Le passage de la maquette au code reste une source de décalages. Un espacement légèrement différent, un composant recréé alors qu’il existe déjà, une interaction mal interprétée…

Avec son serveur MCP, Figma permet aux agents compatibles d’accéder aux données de conception, des propriétés des composants aux variables du Design System. Code Connect peut enrichir ces informations en établissant des correspondances avec les composants réellement utilisés dans le code.

Les fonctionnalités d’écriture disponibles avec certaines configurations permettent même de créer ou modifier des éléments dans Figma.

Cela facilite les échanges entre designers et développeurs. Reste à vérifier le résultat, car une interface fidèle à une maquette peut toujours présenter des défauts d’accessibilité ou de comportement.

WebMCP : concevoir des interfaces web utilisables par les agents

Et si un site pouvait indiquer directement à un assistant intelligent les actions qu’il est capable d’exécuter ?

C’est l’idée derrière WebMCP, un standard web encore expérimental. Il permet aux développeurs d’exposer des fonctionnalités sous forme d’outils structurés, plutôt que de laisser les agents interpréter uniquement les éléments visuels d’une page.

Sur une plateforme de recrutement, un assistant pourrait ainsi rechercher des offres selon des critères précis, appliquer des filtres ou préparer une candidature grâce aux fonctions mises à sa disposition.

Pour les designers, plusieurs questions apparaissent.

• Comment rendre les actions d’un agent visibles et compréhensibles ?
• Quelles opérations doivent nécessiter une confirmation ?
• Comment permettre à l’utilisateur de reprendre la main ?

Les interfaces devront progressivement tenir compte de cette collaboration entre humains et agents, sans compliquer les parcours traditionnels.

De l’assistance ponctuelle à l’orchestration de plusieurs agents spécialisés

Un agent pour vérifier les traductions d’une application internationale. Un autre pour examiner l’accessibilité des écrans. Un troisième pour contrôler leur conformité avec les spécifications produit.

Ces opérations peuvent être coordonnées dans un même workflow, avec une validation avant livraison.

Mais multiplier les agents n’améliore pas automatiquement la qualité du travail. Leur intérêt dépend de la complémentarité de leurs missions, de la fiabilité des informations échangées et de la capacité des équipes à garder une vue d’ensemble.

L’intelligence artificielle favorise-t-elle une approche plus transdisciplinaire du Product Design ?

Faire dialoguer UX Research, UI Design, Product Management et développement

Une décision produit traverse rarement une seule discipline. Modifier une fonctionnalité peut affecter le parcours utilisateur, les interfaces, les contraintes techniques et les objectifs commerciaux.

L’IA facilite l’accès aux informations détenues par chaque équipe. Elle peut, par exemple, aider à identifier les écrans concernés par une évolution fonctionnelle ou à rapprocher les décisions produit des contraintes de développement.

Les échanges deviennent plus fluides lorsque chacun dispose d’un contexte commun. Encore faut-il discuter des conclusions plutôt que de considérer les résultats générés comme des décisions acquises.

Décloisonner les expertises grâce à des référentiels partagés

Dans certaines organisations, les connaissances sont dispersées entre Notion, Figma, Jira, les dépôts de code et les documents internes.

Résultat, une règle connue des développeurs peut être ignorée des designers, et inversement.

La création de référentiels partagés aide à résoudre ce problème. Des conventions sur les états d’interface, des règles d’accessibilité ou des critères de validation peuvent être documentés une fois, puis mobilisés dans différents workflows.

L’expertise devient plus accessible, y compris aux nouveaux membres de l’équipe.

Le Product Designer, nouvel orchestrateur des interactions entre métiers et technologies

Le Product Designer a toujours dû composer avec plusieurs points de vue. Désormais, il lui faut aussi comprendre ce que les systèmes automatisés peuvent faire, ce qu’ils font réellement et quand leur intervention est pertinente.

Cela demande davantage de culture technique, mais surtout une capacité à relier les décisions aux besoins du produit.

L’enjeu n’est pas de devenir spécialiste de tous les outils. Il s’agit de savoir collaborer avec les bonnes expertises, humaines comme technologiques.

Quelle place reste-t-il à l’humain dans un processus de conception augmenté ?

Empathie, intuition et compréhension des usages : des compétences irremplaçables

Un utilisateur hésite devant un bouton, revient plusieurs fois en arrière, puis abandonne son parcours. Les données montrent ce comportement. Mais que s’est-il passé ?

Un manque de confiance, une formulation ambiguë, une inquiétude liée au prix ?

L’IA peut proposer des hypothèses. Les entretiens, l’observation et l’écoute permettent de les confronter au vécu des personnes.

C’est précisément dans cette capacité à comprendre les situations humaines, parfois contradictoires, que le Product Designer apporte une valeur essentielle.

L’humain dans la boucle : superviser, questionner et valider les résultats

Le principe du human-in-the-loop repose sur une idée simple. Les décisions importantes doivent pouvoir être examinées et corrigées par une personne.

En pratique, trois réflexes sont particulièrement utiles.

• Vérifier les sources et la cohérence des résultats.
• Questionner les propositions qui semblent évidentes ou trop générales.
• Valider les décisions susceptibles de modifier sensiblement l’expérience utilisateur.

L’automatisation fait gagner du temps sur l’exécution. Ce temps peut alors être consacré à des arbitrages plus réfléchis.

Biais algorithmiques, standardisation et perte de sens : les limites de l’automatisation

Des interfaces produites plus rapidement ne sont pas forcément de meilleures interfaces.

Les modèles peuvent reproduire des biais, privilégier des solutions très répandues ou négliger les besoins de publics moins représentés.

Le risque est aussi créatif. À force de réutiliser les mêmes recommandations et patterns, les produits peuvent finir par se ressembler, sans véritable réflexion sur leur contexte.

Il faut donc conserver une place pour l’expérimentation, les tests et la remise en question des solutions proposées.

Concevoir pour les utilisateurs humains dans un monde d’agents IA

Demain, une partie des interactions numériques pourrait être déléguée à des assistants personnels. Acheter un billet, modifier un abonnement ou effectuer une démarche administrative deviendraient des opérations partiellement automatisées.

Pour autant, l’utilisateur doit rester maître de ses choix.

Les designers devront accorder une attention particulière à la transparence des actions, au consentement, aux confirmations et aux possibilités d’annulation.

Une bonne expérience doit rester compréhensible, même lorsque certaines étapes sont exécutées par une machine.

Comment construire un référentiel de compétences adapté à son équipe Design ?

Cartographier les processus, les tâches récurrentes et les expertises internes

Inutile de commencer par documenter toutes les méthodes de l’équipe. Mieux vaut identifier quelques activités pour lesquelles l’automatisation présente un intérêt concret.

La préparation de jeux de données fictives pour les maquettes, la vérification des conventions de nommage ou le contrôle des composants peuvent constituer de premiers cas d’usage.

Une bonne question à se poser avant de créer un Skill est de savoir si la tâche repose sur des règles suffisamment claires pour être reproduite et vérifiée.

Documenter les méthodes sous forme de Skills réutilisables

Dans le format Agent Skills, les instructions sont organisées autour d’un fichier SKILL.md, auquel peuvent s’ajouter des ressources ou des scripts.

Pour être utile, la documentation doit préciser les situations dans lesquelles utiliser le Skill, les étapes à respecter et les résultats attendus.

L’idéal est de commencer par une méthode maîtrisée par l’équipe, de la tester sur plusieurs cas puis de corriger les instructions lorsque des erreurs apparaissent.

Un Skill efficace repose davantage sur la précision de la méthode que sur la longueur de sa documentation.

Créer une bibliothèque commune de workflows et de bonnes pratiques

Une bibliothèque de compétences n’a d’intérêt que si les collaborateurs peuvent réellement s’en servir.

Quelques règles suffisent pour commencer.

• Adopter des noms explicites et des descriptions courtes.
• Ajouter un exemple d’utilisation pour chaque Skill.
• Identifier la personne responsable de sa maintenance.
• Prévoir une révision lorsque les outils ou les méthodes évoluent.

La bibliothèque peut ensuite s’enrichir progressivement avec les contributions des designers, développeurs et autres membres de l’équipe produit.

Mesurer les gains de productivité sans sacrifier la qualité de l’expérience utilisateur

Gagner vingt minutes sur une tâche qui nécessite ensuite une heure de correction n’a aucun intérêt.

Au-delà du temps d’exécution, les équipes doivent observer la fréquence des erreurs, le nombre de reprises et la qualité des livrables obtenus.

Et surtout, les améliorations internes doivent être distinguées de celles réellement perçues par les utilisateurs. Les tests d’utilisabilité et les indicateurs d’expérience conservent toute leur importance.

Vers un Product Designer moins exécutant et davantage stratège ?

Le métier évolue, mais cette transformation ne suit pas une trajectoire unique. Certaines équipes automatisent déjà une partie de leurs processus, tandis que d’autres commencent à peine à expérimenter ces outils.

La différence se jouera dans la manière de les intégrer au travail quotidien.

Les compétences techniques, la pensée systémique et la capacité à orchestrer des workflows prendront davantage de place. La recherche, la créativité et le jugement critique resteront tout aussi nécessaires.

Le véritable changement se situe peut-être là. Avec des outils capables d’exécuter une partie des tâches, le Product Designer peut consacrer davantage d’attention aux problèmes à résoudre, aux choix à défendre et à la qualité des expériences qu’il contribue à créer.