Atomic Product AI Pipeline
De l'interview au backlog, sans perdre le fil : une chaîne de conception produit assistée par IA, où l'humain garde la main aux étapes qui comptent.
Qu'est-ce que c'est
Atomic Product AI Pipeline (anciennement Atomic UXR) est une boîte à outils qui transforme des entretiens utilisateurs en apprentissages, puis en prototype, puis en user stories. Partie de la recherche utilisateur, elle couvre aujourd'hui toute la discovery produit : cadrage, préparation des entretiens, analyse, conception itérative et premier backlog.
Son fil rouge : six mois plus tard, on sait toujours pourquoi une fonctionnalité est dans le backlog. Chaque maillon référence le précédent, de la user story jusqu'à la citation exacte de la personne interviewée, et des scripts de contrôle vérifient que la chaîne n'est jamais rompue.
L'humain dans la boucle de l'IA
L'agent IA extrait, propose et met en forme ; les décisions restent au designer, et le dépôt sait exactement où elles se prennent. Ce qui relève du jugement humain n'est jamais régénéré par l'IA.
- Cadrage du contexte et des objectifs — tout part de là. Le designer y pose le sujet, les questions de vision du client, les finalités (personae, features, parcours) et ce qui rend un fact utile. C'est ce cadrage qui permet à l'IA d'identifier automatiquement les facts pertinents dans un transcript, et qui structure le guide d'entretien et la priorisation.
- Qualification des facts — juste après l'entretien, chaque fact extrait par l'IA se qualifie d'un clic : utile, important, à investiguer, pas important. Les tags vivent à part des facts : une ré-extraction ne les écrase pas.
- Boucle recherche → recherche — les facts « à investiguer » deviennent les questions ouvertes du prochain entretien et enrichissent la banque de questions.
- Itération wireframe → prototype — le designer mène la conception en itérations rapides avec l'agent. Chaque revue est débriefée, chaque décision entre au journal de conception, chaque version est gelée puis dupliquée avec le brief des retours à traiter.
- Priorisation du backlog — les user stories sont proposées par l'IA, mais leur placement MoSCoW sur la story map est un geste humain.
Les sept phases
- Cadrage — le contexte et les objectifs du projet : sujet, questions de vision, finalités, critères d'utilité d'un fact, profils interviewés. Le seul fichier à éditer en démarrant un projet, et la grille de lecture de toute la suite.
- Préparation — une banque de questions taguée par persona et par question de vision, et un composeur de guide d'entretien à suivre en direct.
- Extraction — guidée par le cadrage, l'IA transforme chaque transcript en facts utiles et uniques, typés (cas d'usage, opportunité, besoin, problème), chacun adossé à une citation verbatim et à son auteur.
- Qualification — le jugement du designer entre dans le corpus.
- Consolidation — apprentissages actionnables, opportunités évaluées (récurrence, adéquation, valeur) et parcours utilisateurs priorisés, mis à jour de façon incrémentale à chaque entretien.
- Conception — un prototype en versions, du wireframe au design system du client. Au survol, chaque élément dit pourquoi il a cette forme ; le traçage affiche l'opportunité et le parcours dont il vient. MVP et Vision cohabitent.
- Backlog — une story map pour le PO : les features deviennent des user stories dont le « En tant que… » reprend un rôle réellement interviewé.
Ce que ça produit
Six livrables en HTML autoportant : un seul fichier, ouvrable par double-clic, sans serveur ni connexion. On les envoie par mail, on les archive, ils marchent encore dans cinq ans.
- le composeur de guide d'entretien ;
- l'explorateur de facts (recherche, filtres, citations, revue) ;
- la restitution, en document imprimable ;
- le deck de présentation, pour l'oral ;
- le prototype en versions, avec son journal de décisions ;
- la story map à cartes déplaçables.
Captures réalisées sur l'exemple fictif livré avec l'outil.
Agnostique d'agent, réutilisable par fork
Les procédures vivent dans le dépôt, en Markdown neutre, et n'importe quel agent peut les exécuter : Claude Code, GitHub Copilot, Cursor… Tout ce qui doit être reproductible est confié à des scripts déterministes. Le dépôt est un template : on le copie pour chaque projet, on édite le contexte, on dépose ses transcripts et on démarre. Le pourquoi de chaque choix structurant est consigné dans un journal de décisions.
Licence & attribution
Le code, la documentation et la méthodologie « Atomic Product AI Pipeline » (anciennement « Atomic UXR » : chaîne tracée du verbatim à la user story, vocabulaire fermé des types de fact, qualification humaine, conception en versions, livrables) sont l'œuvre de Nicolas Demange — Alconis Conseil · © 2026.
Distribué sous licence MIT avec attribution obligatoire : toute réutilisation, fork ou dérivé doit conserver la notice de copyright et créditer visiblement « Atomic Product AI Pipeline — Nicolas Demange (Alconis Conseil) ». Cela vaut aussi pour la méthode, pas seulement le code.