Étude Comonimage sur les IA génératives comme ChatGPT 🤖
Après deux ans de démocratisation et d’utilisation des IA génératives, quand est-il ? C’est à ce titre que nous nous sommes tournés vers notre écosystème B2B pour recueillir les ressentis sur ces technologies.
En mars dernier, 103 personnes ont donc participé à une étude qualitative via notre outil Comonimage.
L’enquête a été riche en idées, avec 976 réponses au travers de 4 questions ouvertes, soit environ 9 contributions par personne.
Les questions posées 🕵️
Pour sonder les interrogés sur le sujet, nous avons choisi de poser 4 questions ouvertes, sous forme de phrases à compléter. Ce guide d’entretien a pour but de recueillir du feedback à 360° sans influencer les interviewés :
- Évocations – Aujourd’hui, ce que les IA génératives comme ChatGPT m’évoquent, c’est…
- Adhésions – Ce que j’aime au sujet des IA génératives comme ChatGPT, c’est…
- Rejets – Ce que j’aime moins au sujet des IA génératives comme ChatGPT, c’est…
- Attentes – Ce que je ne sais pas au sujet des IA génératives comme ChatGPT et que j’aimerais qu’on me dise, c’est…
Ces 4 questions permettent de faire émerger 4 facteurs émotionnels de la part de tous les interviewés :
- des idées instinctives qui révèlent des attributs identitaires, d’ADN du sujet par la question des évocations
- des facteurs positifs, qui fédèrent par la question des adhésions
- des facteurs négatifs, des craintes par la question des rejets
- des idées traduisant le manque d’information ou des espoirs pour combler un vide par la question des attentes
L'image perçue des IA génératives 🖼️
Guide de lecture : boussole de polarité 🧭
La boussole d’image perçue (ou de polarité) se lit de deux manières :
- Dans le sens des aiguilles d’une montre, par ordre décroissant, pour présenter le poids des différents attributs de perception. Le poids étant représenté par le chiffre entre parenthèses, correspondant au nombre de fois où l’attribut est apparu dans les réponses.
- Selon la polarité positive ou négative des attributs de perception sur les axes (les arcs de cercle orange marquant le positif/l’adhésion, et rouge bordeaux marquant le négatif/le rejet)
Chaque concept, positif ou négatif, peut plus ou moins être renforcé par des attributs dits instinctifs provenant des évocations (en image de marque, cela s’apparente à l’ADN du sujet), et des attributs dits adaptatifs que sont les attentes en matière de discours, de postures, de précisions, selon le contexte du sujet d’étude.
Proposition de lecture des résultats 📃
- Les facteurs d’ « aide à la connaissance, création de contenu, facilité et gain de productivité » sont perçus comme l’ADN naturel des IA génératives et sont appréciés pour cela. C’est un facteur crédible et positif.
- En revanche, l’étude montre qu’il y a des craintes et des attentes sur les IA autour des « risques de manipulation, de biais, de la fiabilité de cette technologie, de la sécurité et des sources ».
- Le troisième axe « futur, révolution, innovation, champs des possibles, perspectives » représente une évidence pour les publics interrogés, mais n’est pas un facteur de forte adhésion et d’attentes.
- Le facteur d’ « éthique, cadre juridique, confidentialité, RGPD » reste un point de vigilance ou de crainte de la part des interrogés avec de fortes attentes d’éclaircissement.
- Le 5ème concept « appauvrissement, réflexion, uniformisation » apparaît instinctivement pour une minorité de la population interrogée, et est, en revanche, plus présent dans les rejets.
- Le 6ème axe révèle qu’il y a une envie d’apprendre autour des IA, avec un concept marqué par les adhésions et les attentes qui est « apprentissage, bonne pratique, accessibilité, informations ».
- Le facteur d’ « impact, environnement, consommation, CO2, écologie » est peu revenu dans les idées, apparaissant comme une préoccupation minoritaire de rejets et d’attentes parmi les interviewés.
- En dernier lieu, le concept « Emplois, risque, perte, danger » même si mineur apparaît dès les évocations et revient comme une crainte perçue.
Il appartiendra maintenant à chacun d’interpréter selon son contexte et ses usages les résultats de l’étude pour adapter son positionnement, son discours et sa stratégie.
Ressources 📊
