Aligner les profils et les contraintes, puis cartographier les flux entre Moovy, Docky et la WebApp.
Rendre compréhensible un système de surveillance IoT critique
V-Hygie est une solution IoT de prévention des chutes nocturnes destinée aux établissements médico-sociaux. À partir de capteurs portés par les résidents, elle identifie une intention de se lever et transmet une alerte aux équipes soignantes afin de leur permettre d’intervenir avant qu’une chute ne survienne.
Le développement de V-Hygie a commencé un an après mon arrivée chez touwi, et j’ai accompagné le projet dès ses premières phases. J’ai d’abord structuré son identité visuelle et son univers graphique, puis conçu progressivement l’ensemble de son écosystème numérique : l’application de démonstration du dispositif, la WebApp de configuration et de supervision, ainsi que les interfaces embarquées du Docky.
Mon travail ne consistait donc pas à harmoniser un produit existant, mais à donner une identité cohérente à une technologie émergente et à traduire sa complexité en expériences compréhensibles pour plusieurs profils d’utilisateurs.
Aligner les profils et les contraintes, puis cartographier les flux entre Moovy, Docky et la WebApp.
Transformer les hypothèses en parcours, application de démonstration et interfaces testables.
Confronter la V1 aux trois profils et faire évoluer les décisions critiques.
Transformer les solutions retenues en composants, variantes et documentation de handoff.
V-Hygie savait détecter une intention de se lever, mais ne disposait pas encore d’un langage pour l’expliquer. J’ai défini une identité capable de rendre le produit reconnaissable et ses différents états immédiatement compréhensibles.
Plutôt que de décliner une charte figée, j’ai construit un langage visuel destiné à évoluer avec le produit : couleurs fonctionnelles, typographie, iconographie et principes de représentation communs à l’application de démonstration, à la WebApp et au Docky.
Une intention de se lever commence par un signal transmis par le capteur Moovy. Elle devient ensuite un état sur le Docky, une alerte pour l’équipe soignante et une information de supervision dans la WebApp.
J’ai cartographié cette chaîne pour déterminer quelle information devait être visible, par qui et à quel moment. L’enjeu UX n’était pas seulement de transmettre le signal, mais de le transformer en une décision compréhensible à chaque point de contact.
Le Lean UX Canvas a permis d’aligner les profils, les usages critiques et les hypothèses à vérifier. Les ateliers de co-conception ont ensuite confronté plusieurs réponses possibles avant de les transformer en scénarios et prototypes testables.
La V1 a été évaluée auprès de 12 participants répartis entre trois profils. Le score SUS global de 55/100 et les observations de session ont fait ressortir trois priorités : simplifier les alertes Docky, permettre la comparaison temporelle et clarifier la modification des paramètres.
Trois profils interviennent sur le même système, mais ne prennent ni les mêmes décisions ni au même moment. Les scénarios et les accès ont donc été adaptés à leurs responsabilités respectives.
This section is currently under development. Please check back soon!
Cette section est actuellement en cours de développement. Veuillez revenir bientôt !