Sinequa

Sept. à nov. 2023 Freelance Paris

Simplifier la recherche d'entreprise et préparer l'arrivée de l'IA

Sinequa édite une solution de recherche documentaire et de knowledge management utilisée par de très grandes organisations. J'ai rejoint le projet Workplace Search pendant trois mois, seul designer, avec deux objectifs : rendre l'outil existant plus simple à prendre en main, et dessiner la vision produit 2025, au moment où l'IA générative commençait à arriver dans les entreprises.

Rôle

Product Designer, seul designer

Dates

Sept. à nov. 2023 (3 mois)

Type

Freelance

Domaine

Recherche d'entreprise, B2B grands comptes

Support

Webapp desktop

Stack

Figma · FigJam · Miro

Le contexte

L'outil était puissant mais intimidant. Chaque client peut régler finement la pondération des résultats et ajouter ses propres filtres. Résultat : une interface dense, difficile pour un nouvel utilisateur, et des réglages invisibles qui changent pourtant l'ordre des résultats.

L'équipe voulait aussi intégrer l'IA générative sans perdre les habitués de la recherche classique. La vraie question n'était pas où placer un bouton IA, mais comment passer d'un interrupteur entre deux modes à un assistant qui devienne la porte d'entrée.

Restaient les power users, qui attendaient raccourcis, auto-complétion et suggestions, et le besoin de relier des ressources très différentes (dossiers clients, collaborateurs, documents, slides) autour d'un même sujet.

Synthèse de l'audit : parcours de recherche et points de friction

Audit et tests

Partir de l'existant

J'ai commencé par un audit complet de l'expérience de recherche. Pour chaque parcours, j'ai noté où l'utilisateur hésite, ce qui peut se corriger vite et ce qui demande plus de travail. Ce document est devenu la base de priorisation avec le PM.

Tester tôt, sur prototype

J'ai ensuite construit des prototypes Figma pour vérifier plusieurs hypothèses avec des utilisateurs : l'utilité des suggestions et de l'auto-complétion, la lisibilité de chaque type de résultat (document, personne, projet), et l'intérêt d'une vue qui rassemble tout ce qui concerne un client.

Étude de l'auto-complétion et des suggestions

Conception

À partir de ces retours, j'ai repris l'expérience de recherche de bout en bout. Les suggestions apparaissent dès la frappe et mélangent requêtes, personnes et documents. Les résultats sont regroupés par type, chacun avec juste ce qu'il faut pour décider de l'ouvrir ou non.

La vue Matters répond au besoin de contexte : depuis un dossier client, on retrouve les collaborateurs impliqués, leurs contributions, le knowledge associé et les présentations déjà produites. Elle a été validée en test.

J'ai aussi spécifié les micro-interactions et les transitions entre pages, pour que l'outil paraisse plus léger sans toucher à ses fondamentaux.

Suggestions dès la frappe : requêtes, documents et personnes

Vue Matters : un dossier client et tout ce qui s'y rattache

Résultats par type et aperçu de document

Vision 2025

Pour la vision produit, j'ai fait évoluer la cohabitation entre recherche classique et IA. Au départ, un interrupteur permettait de passer de l'une à l'autre. La proposition finale est un assistant unique : il comprend la question, rédige une réponse courte et cite ses sources pour qu'on puisse vérifier.

Cette vision a été livrée en production et a servi de base au travail sur l'approche agentique mené ensuite par l'équipe.