L’eye tracking prédictif est une méthode d’analyse visuelle qui estime, à l’aide d’un modèle informatique entraîné sur des données d’oculométrie, les zones d’une page, d’une interface ou d’un visuel les plus susceptibles d’attirer le regard.
Le terme anglais eye tracking désigne l’oculométrie, c’est-à-dire la mesure des mouvements des yeux par un dispositif de suivi du regard. La version prédictive se passe de participants. Elle part d’une image fixe : capture d’écran, maquette, annonce ou emballage. Le modèle calcule pour chaque point une probabilité de fixation. Il s’appuie sur des caractéristiques visuelles simples, comme le contraste, la couleur ou l’orientation des formes, et sur des éléments de plus haut niveau, comme les visages, les personnes ou le texte. Il a appris ces relations sur des bases de fixations réelles, recueillies en laboratoire auprès d’observateurs.
Le résultat prend en général la forme d’une carte de saillance, affichée comme une carte de chaleur superposée au visuel. S’y ajoutent souvent un ordre probable des premières fixations et des zones d’intérêt tracées par l’analyste, pour lesquelles l’outil calcule une part d’attention estimée. Certains outils produisent aussi des scores de clarté ou d’attractivité, dont le mode de calcul leur est propre.
L’eye tracking prédictif se distingue de l’oculométrie classique, qui observe le regard de personnes réelles, souvent pendant une tâche. Il se distingue aussi du mouse tracking, qui enregistre le trajet du pointeur pendant de vraies visites. L’expression n’est pas normalisée : on parle aussi de simulation d’eye tracking ou de prédiction de saillance. La méthode s’emploie en ergonomie web, en conception d’interface et en création publicitaire, surtout aux étapes où aucun utilisateur n’a encore vu la maquette.
Un modèle prédictif ne vaut que par les données qui l’ont entraîné. Les travaux de Tilke Judd et de ses coauteurs, « Learning to predict where humans look » (conférence ICCV, 2009), en donnent une illustration claire. Les auteurs ont recueilli les fixations de 15 observateurs sur 1 003 images. Chaque image était regardée librement pendant trois secondes. Leur modèle combine notamment des caractéristiques visuelles simples, la détection de visages et de personnes, et la distance au centre de l’image. Ils relèvent un fort biais central, qu’ils attribuent en partie au dispositif d’observation et au cadrage des photographies. Leur modèle le plus complet approche la performance humaine sans l’atteindre.
Ce protocole éclaire la limite principale de la méthode. Le modèle prédit l’attention spontanée, en vision libre et sur quelques secondes. Un visiteur de site, lui, cherche le plus souvent quelque chose : un prix, un horaire, un bouton. À notre sens, cette intention pèse davantage sur son regard que la composition de la page. La prédiction répond donc à la question « qu’est-ce qui ressort ? », non à « le visiteur trouve-t-il ce qu’il cherche ? ».
Nous recommandons de réserver l’eye tracking prédictif aux décisions de forme prises en amont, quand plusieurs pistes coexistent et qu’aucun utilisateur n’est encore mobilisé : choix entre des variantes d’annonce, contrôle du premier écran d’une page, vérification d’un emballage ou d’une affiche.
Les indicateurs fiables sont relatifs. La part d’attention estimée sur chaque zone d’intérêt indique si l’élément clé domine. Le rang probable de cette zone dans l’ordre des premières fixations indique s’il est vu tôt. L’écart entre variantes indique laquelle sert le mieux l’objectif fixé. Les scores synthétiques propres à chaque outil ne se comparent pas d’un outil à l’autre. Après la mise en ligne, le comportement reprend la main : le taux de clics sur l’élément visé et le taux de conversion de la page tranchent.
Un consultant senior d’Advalians, indépendant et tenu au secret, vous aide à éprouver vos choix avant de les présenter. Chaque séance se termine par une décision écrite.
Advalians, cabinet de conseil indépendant en marketing et communication, vous aide à clarifier vos choix et à décider.
L’étude d’oculométrie mesure le regard de vraies personnes, équipées d’un dispositif de suivi, souvent pendant une tâche précise. L’eye tracking prédictif estime ce regard à partir de l’image seule, grâce à un modèle entraîné sur des fixations recueillies en laboratoire. La première coûte plus cher et prend plus de temps, mais elle observe des comportements réels. Le second donne un résultat rapide, sans recrutement.
Critère de choix : pour comparer des pistes graphiques en amont, la prédiction suffit souvent. Pour comprendre pourquoi des visiteurs échouent sur une tâche, il faut observer des personnes.
Placez-le entre la maquette et le test utilisateur. Lorsque deux ou trois variantes du premier écran existent, soumettez-les au même outil, au format d’affichage réel, en traitant ordinateur et téléphone séparément. Définissez avant l’analyse les zones qui doivent capter l’attention. Écartez les variantes où l’élément principal n’apparaît pas parmi les premières zones prédites. Conservez les cartes dans le dossier de conception : elles serviront à expliquer les choix. Soumettez enfin la variante retenue à de vrais utilisateurs avant la mise en production.
Retenez la part d’attention estimée sur chaque zone d’intérêt et le rang de l’élément clé dans l’ordre probable des fixations. Comparez ces valeurs entre variantes analysées par le même outil, avec le même format d’image. Un score global de clarté n’a de sens qu’à l’intérieur d’un même outil. Fixez un critère simple avant l’analyse, par exemple : l’élément d’action figure parmi les trois premières zones prédites. Ce seuil est un repère que nous proposons, non une norme. Après la mise en ligne, suivez le taux de clics sur cet élément.
La plus grave consiste à présenter une carte prédite comme une mesure du comportement réel. Le modèle estime une attention spontanée, en vision libre, sans tenir compte de la tâche du visiteur. Deuxième erreur : conclure qu’une zone froide sera ignorée, alors qu’un visiteur qui cherche une information la trouvera même discrète. Troisième erreur : analyser une page entière comme si elle était vue d’un seul coup. Indiquez sur chaque livrable qu’il s’agit d’une prédiction, avec l’outil et le format d’image utilisés.
Dès que la question porte sur une tâche plutôt que sur une impression. Trouver un tarif, remplir un formulaire, comparer deux offres : le regard dépend alors de l’intention, que le modèle ignore. Préférez aussi des utilisateurs réels pour les publics spécialisés, comme les professionnels habitués à un logiciel, dont les habitudes guident la lecture. Gardez la prédiction pour trier des variantes graphiques ou contrôler une annonce avant production. En cas de doute, combinez les deux : la prédiction élimine les pistes faibles, le test valide la dernière.
