Contexte du projet

Étude UX sur l'application mobile bancaire

‍

Dans le cadre de mon mémoire de maîtrise en UX, j’ai participé à un vaste projet de recherche appliquée réalisé par le Tech3Lab, en partenariat avec une importante institution financière canadienne. Ce projet s’inscrit dans une démarche visant à améliorer l’accessibilité, et l’expérience globale des utilisateurs sur l’application mobile de la banque.

‍

Pendant plus d’un an, nous avons mené une étude expérimentale visant à comprendre comment l’âge et l’auto-efficacité numérique influencent différentes dimensions de l'expérience utilisateur lors de la réalisation de tâches bancaires essentielles.

‍

‍

‍

Équipe et collaboration

Laboratoire UX et partenaire bancaire

‍

Tout au long du projet, j’ai collaboré étroitement avec les directeurs et assistants de recherche du laboratoire. J’ai contribué à distance lors des phases exploratoires, en partageant et en validant mes travaux de recherche, puis en présentiel lors des sessions menées avec les auxiliaires de recherche. Ce rôle exigeait une grande rigueur scientifique ainsi qu’une communication claire et structurée avec des parties prenantes aux profils variés : chercheurs, directeurs, auxiliaires de recherche et équipe UX côté client.

‍

‍

‍

‍

Problématique

Problématique et question de recherche

‍

En recherche UX, il est courant de recruter selon l’âge pour obtenir des profils d’usage variés. Mais est-ce réellement le meilleur paramètre de segmentation? La revue de littérature a mis en évidence d’autres facteurs susceptibles d’influencer l’expérience utilisateur dans les services numériques, notamment des variables liées à la confiance, aux compétences perçues et au rapport à la technologie. Cela a mené à s’interroger sur le rôle potentiel du sentiment d’auto-efficacité numérique dans l’interprétation des différences observées entre utilisateurs.

‍

La question de recherche : Dans quelle mesure le niveau d'auto-efficacité numérique modère la relation entre l'âge et l'expérience utilisateur.
‍

L’objectif était donc de fournir au partenaire :

• Des preuves scientifiques pour démontrer l'impact potentiel de cette variable modératrice
• Des recommandations pour améliorer les pratiques d'échantillonage en recherche UX

‍

‍

‍

‍

Tests utilisateurs

100 + sessions de test en laboratoire

‍

Nous avons mené une étude expérimentale contrôlée combinant mesures de performance, psychophysiologiques et psychométriques.

‍

‍

Tâches bancaires testées

Tâches transactionnelles :

• Se connecter sur l'application mobile
• Ajouter un destinataire Interac
• Faire un virement Interac

‍

Tâches informationnelles :

• Obtenir un taux hypothécaire
• Comparer deux cartes de crédit
• Trouver le numéro de support local

‍

‍

‍

‍

Résultats

Hypothèses supportées, recommandations actionables

‍

Hypothèse supportée

L’auto-efficacité numérique modère significativement la relation entre l’âge et plusieurs dimensions de l’expérience utilisateur. Les résultats montrent que l’âge influence certaines mesures UX (performance, charge cognitive), mais ne suffit pas à elle seule à représenter la diversité réelle des profils.

‍

‍

Autres constats clés

• Corrélation forte entre fréquence d’utilisation du téléphone mobile et auto-efficacité numérique
• Une simple question sur la fréquence d’usage permet de prédire efficacement le niveau d’auto-efficacité

‍

Recommandation stratégique au partenaire

Pour obtenir des profils d’utilisateurs réellement représentatifs :

‍
Coupler l’âge + l’auto-efficacité numérique + la fréquence d’usage mobile au moment du recrutement.
‍

Cela permet :

• Une hétérogénéité plus riche des profils
• Une réduction des biais d'échantillonage
• Une fiabilité accrue des études UX futures

La banque a accueilli ces recommandations avec beaucoup d’intérêt, car elles ont une application directe dans leurs processus de recherche interne.

‍

‍

‍

Conclusion & apprentissages

Démarche scientifique robuste en contexte d'affaires

‍

Ce projet m’a permis de :

• Maîtriser un processus scientifique complet en contexte industriel
• Développer une solide expertise en analyse quantitative avancée (SAS, modèles statistiques)
• Conduire des tests utilisateurs complexes impliquant oculométrie et biométrie
• Collaborer avec des parties prenantes variées
• Structurer et livrer des résultats clairs, exploitables et scientifiquement rigoureux
• Développer ma capacité à traduire des constats scientifiques en recommandations opérationnelles pour l’industrie