Un prompt avis utilisateurs sert dans une situation familière : des centaines d'avis d'app store, de réponses libres d'enquête, de tickets de support et de commentaires de communauté se sont accumulés, la direction demande ce qui agace le plus les utilisateurs, et l'équipe ne peut répondre qu'à l'impression — sans doute le prix, sans doute les plantages. Le prompt ci-dessous transforme les retours bruts en tableau de catégories, problèmes récurrents et priorités de traitement en un seul passage. Copiez-le, remplacez les variables, collez vos retours à la fin, et lancez-le.
Il se distingue d'une simple demande de résumé à l'IA. Un résumé donne une impression ; ce prompt exige que chaque conclusion soit accompagnée d'un comptage et d'une citation mot pour mot, pour que le résultat aille directement dans la planification du backlog ou le support de réunion hebdomadaire. En dessous de vingt retours, lisez-les vous-même. À partir de quelques centaines, ou quand il faut comparer des canaux ou des versions, il devient vraiment utile.
Le prompt (à copier et utiliser)
Vous êtes un analyste produit spécialisé en recherche utilisateur. Traitez le lot de retours ci-dessous en suivant exactement ces règles :
1. Classer : rangez chaque retour dans une seule catégorie principale selon ［jeu de catégories, par défaut : Problèmes de fonctionnalité / Facilité d'usage / Prix et facturation / Performance et plantages / Contenu et service / Autre］. Si un retour touche deux catégories, classez-le dans celle où l'émotion est la plus forte et notez la catégorie secondaire en remarque.
2. Compter et tonalité : comptez le nombre et la part de chaque catégorie, puis comptez séparément les retours positifs, neutres et négatifs. N'estimez jamais ; s'il y en a trop pour compter de façon fiable, listez d'abord le classement de chaque retour, puis totalisez.
3. Problèmes récurrents : dans chaque catégorie, retenez les 3 problèmes concrets les plus fréquents, chacun avec une citation typique mot pour mot, copiée exactement, sans réécriture ni embellissement.
4. Prioriser : attribuez à chaque problème récurrent un niveau P0, P1 ou P2 selon le volume, l'intensité négative et l'impact sur le paiement ou le renouvellement, avec une phrase de justification.
5. Format : commencez par un tableau récapitulatif (Catégorie | Nombre | Part | Nombre négatif | Citation représentative), puis la liste des problèmes récurrents, et indiquez enfin combien de retours étaient inclassables ou trop pauvres en informations. Ne promettez aucun changement produit et n'inventez aucune cause absente des retours.
Mon produit est ［nom du produit et description en une ligne］. Ce lot provient de ［canal, par exemple app store / tickets de support / enquête］, sur la période ［dates de début et de fin］.
Les retours, un par ligne :
［collez ici les retours bruts, un par ligne］Comment remplacer les variables
| Variable | Quoi mettre | Exemple |
|---|---|---|
| ［jeu de catégories］ | Adaptez les catégories à votre activité ; les six par défaut conviennent à la plupart des produits grand public | Un produit éducatif pourrait utiliser : Contenu des cours / Réponses des tuteurs / Saccades du direct / Remboursements / Correction des devoirs / Autre |
| ［nom du produit et description］ | Dites à l'IA de quel produit et service parlent les retours | Une application de budget qui aide les particuliers à suivre leurs dépenses quotidiennes |
| ［canal］ | La source de ce lot ; ne mélangez jamais les canaux dans un même passage | Traitez séparément les avis d'app store et les tickets de support pour pouvoir comparer les résultats |
| ［dates de début et de fin］ | La période couverte par les retours | Un lot avant et un lot après une mise en production montrent si la nouvelle version a corrigé quelque chose |
| ［retours bruts］ | Le texte d'origine, un retour par ligne, sans retouche | Gardez fautes de frappe et mots d'hésitation ; le jugement de tonalité dépend de ces détails |
Deux questions de suivi qui valent le coup
La première sert à repérer les erreurs de classement : « Listez les 10 retours dont le classement vous a paru le moins sûr, avec le texte d'origine, la catégorie choisie et la raison de votre hésitation. » La fiabilité des comptages dépend de la justesse du classement, et vérifier ces 10 retours demande bien moins d'effort que tout relire.
La seconde sert à creuser le contexte : « Pour les problèmes P0, détaillez davantage la situation d'usage : à quelle étape, sur quel appareil ou quelle version les utilisateurs ont-ils rencontré le problème ? Marquez comme information manquante tout ce que les retours ne précisent pas, sans spéculer. » La liste devient alors une condition de reproduction exploitable par les développeurs, au lieu de s'arrêter à « les utilisateurs disent que ça rame ».
Trois erreurs à éviter
Premièrement, anonymisez avant de coller. Les retours bruts contiennent souvent des numéros de téléphone, de commande et de vrais noms ; remplacez-les par des mentions comme « Utilisateur A », et si votre entreprise a des règles sur les données, utilisez un outil d'IA approuvé.
Deuxièmement, ne collez pas des milliers de retours d'un coup. Au-delà de ce que le modèle peut lire attentivement en un passage, la fin est classée à la va-vite et les comptages dérivent. Découpez en lots d'environ 200, puis recollez les tableaux récapitulatifs des lots pour les fusionner, en vérifiant chaque nombre.
Troisièmement, le volume n'est pas l'importance. Les plaintes sur le prix sont souvent les plus bruyantes, alors qu'un échec de paiement mentionné quelques fois peut être la vraie cause des départs. Le prompt hiérarchise en tenant compte de l'impact sur le paiement précisément pour cela ; confrontez malgré tout les priorités finales à vos données de départ et de renouvellement.
Quand un passage fonctionne, figez le jeu de catégories et réutilisez-le pour le lot suivant. Deux mois de comptages côte à côte montrent d'un coup d'œil quels problèmes s'améliorent et lesquels s'aggravent.
