Modèle mental

Cambridge, 1943. Dans « The Nature of Explanation », le psychologue écossais Kenneth Craik avance une hypothèse fondatrice : l'esprit construit des « modèles réduits » de la réalité qu'il fait tourner en interne pour anticiper les événements avant d'agir. Craik meurt deux ans plus tard, à 31 ans, dans un accident de vélo, sans voir la postérité de son intuition : Philip Johnson-Laird en fera en 1983 une théorie complète du raisonnement (« Mental Models »), au moment même où les sciences cognitives cherchent à comprendre comment les humains se représentent les machines qui envahissent les bureaux.

C'est Don Norman qui installe le concept au cœur du design, dans « The Design of Everyday Things » (1988) : l'utilisateur agit selon son modèle du système, jamais selon le système réel — et l'écart entre les deux engendre l'essentiel des erreurs. Norman distingue trois objets : le modèle du concepteur, le modèle de l'utilisateur, et l'« image du système », seule interface entre les deux. Jakob Nielsen en tire la doctrine opérationnelle du Nielsen Norman Group : un modèle mental est ce que l'utilisateur croit savoir du système — une croyance, pas un fait, bâtie sur toutes ses expériences antérieures.

La littérature du NN/g documente l'écart entre modèles par cas d'usage précis. La marque de bagages Nomad Lane ajoutait automatiquement une assurance d'expédition au paiement, à décocher activement : violation frontale du modèle « c'est moi qui décide ce qui entre dans mon panier », sanctionnée en tests par l'incompréhension et la défiance. Le bouton retour d'Android, qui tantôt revient à l'écran précédent, tantôt remonte la hiérarchie ou quitte l'application, illustre le conflit de modèles ; la bibliothèque de l'université du Michigan, avec ses deux barres de recherche sur une même page, montre des utilisateurs employant systématiquement la mauvaise.

Deux propriétés compliquent le travail : les modèles mentaux sont incomplets et instables — chacun construit le sien à partir de son expérience singulière — et ils souffrent d'inertie : un schéma installé persiste même quand il est inefficace. La méthode consiste donc à les mesurer plutôt qu'à les supposer : tri de cartes pour révéler les catégorisations spontanées, tests en verbalisation (« think aloud ») pour entendre le modèle pendant l'action. Face à un écart, deux stratégies documentées : conformer le système au modèle existant — la voie recommandée — ou enseigner un modèle nouveau, ce qui exige une pédagogie explicite dans l'interface.

Aucune technologie récente n'a créé un tel chaos de modèles mentaux que les interfaces conversationnelles. Face à un chatbot, les utilisateurs importent des schémas contradictoires : certains le traitent en moteur de recherche (des mots-clés, une vérité attendue), d'autres en interlocuteur humain (contexte implicite, mémoire supposée), d'autres en base de données infaillible. Aucun de ces modèles ne correspond à ce qu'est un modèle de langage — probabiliste, sans accès garanti aux faits. Pour les marques qui déploient des assistants, le premier chantier n'est pas technique mais pédagogique : l'image du système (nom, ton, avertissements, exemples proposés) doit installer un modèle juste de ce que l'agent sait et ne sait pas.

Le risque est documenté par l'actualité : en 2024, Air Canada a été condamnée à honorer une politique de remboursement inventée par son chatbot — le tribunal a jugé que le client était fondé à croire ce que l'assistant de la compagnie affirmait. Le modèle mental « ce que dit le bot engage la marque » est juridiquement devenu réalité. L'opportunité est symétrique : un assistant qui annonce clairement son périmètre, cite ses sources et passe la main à l'humain au bon moment construit un modèle mental fiable — et transforme la conversation en canal de confiance plutôt qu'en passif.