Expliquer les comportements utilisateurs avec l’IA : Croisement de données exogènes et test de l’IA Perplexity

Dans le cadre de mon rôle de User Researcher senior dans une agence de conseil en transformation digitale, j’utilise souvent des données exogènes pour comprendre les comportements utilisateurs. Récemment, j’ai mené un test avec l’IA Perplexity (version gratuite) pour évaluer sa capacité à analyser et croiser des données provenant de sources diverses, afin d’expliquer les comportements des citoyens face au changement climatique.

Ce test s’appuyait sur des données issues du baromètre des représentations sociales du changement climatique, notamment les réponses à deux questions spécifiques portant sur les comportements des citoyens. L’objectif était de croiser ces réponses avec d’autres données exogènes, telles que des rapports scientifiques et des études climatiques, afin de déterminer si les connaissances climatiques influencent le comportement des utilisateurs et voir si l’IA pouvait fournir des insights exploitables.

Méthodologie et approche du test avec Perplexity

L’objectif principal de ce test était de vérifier si l’IA pouvait croiser des données précises et structurées (réponses issues du baromètre) avec des données exogènes pour générer des insights exploitables.

1. Première étape : Je voulais voir si l’IA Perplexity pouvait traiter un grand volume de données structurées. En fournissant des données précises du baromètre, je m’attendais à des analyses spécifiques. Cependant, la version gratuite de Perplexity n’a pas pu traiter correctement ces données et n’a pas signalé ses limitations, poursuivant l’analyse malgré des résultats erronés.
2. Deuxième étape : En enrichissant l’IA avec des données externes, notamment des documents de l’AREC (Agence Régionale Énergie-Climat) et des études sur l’impact du changement climatique sur les comportements psychologiques et sociaux, l’IA a montré une meilleure capacité à croiser ces informations et à fournir des résultats cohérents et pertinents.
3. Troisième étape : Je me suis intéressée à la projection des comportements citoyens à dix ans et à la compréhension des comportements actuellement. Les premiers résultats étaient peu réalistes, mais en affinant mes requêtes et en apportant davantage de précisions, j’ai obtenu des résultats plus pertinents.

Résultats et conclusions : Exploration des comportements citoyens en croisant des données exogènes grâce à un test avec l’IA Perplexity

Le test a révélé plusieurs enseignements importants :

• Limites de la version gratuite : Perplexity, dans sa version gratuite, a montré des limites importantes lorsqu’il s’agit de traiter un volume important de données structurées. Et l’IA n’a pas su identifier ses propres erreurs et a continué à fournir des analyses non valides.
• Efficacité dans le croisement de données exogènes : En intégrant des données externes, comme les rapports de l’AREC ou des études comportementales, l’IA a su générer des insights plus cohérents, démontrant qu’elle peut être utile pour croiser des informations provenant de sources variées.
• Projections à long terme : Concernant les comportements des citoyens à l’horizon 2034, l’IA a d’abord fourni des résultats peu réalistes. Cependant, avec plus de détails et de précisions dans les données fournies, les résultats sont devenus plus pertinents et alignés avec des attentes cohérentes avec le contexte posé.

En résumé, ce test m’a permis de mettre en lumière plusieurs facteurs expliquant les comportements des citoyens face aux enjeux climatiques, tout en identifiant des pistes d’investigation pour les projections futures. Ces premiers résultats constituent une bonne base pour poursuivre l’analyse avec d’autres outils de recherche.

Expliquer les comportements utilisateurs avec l’IA : Croisement de données exogènes et test de… was originally published in ekino-france on Medium, where people are continuing the conversation by highlighting and responding to this story.