Créer une expérience d’apprentissage continue au-delà des campagnes.
Sparted est une Learning Experience Platform mobile dédiée à la formation en entreprise, reposant sur des campagnes gamifiées de micro-learning : environ 3 minutes par jour pendant 5 à 10 jours. En dehors de ces temps forts, il n'y avait pas d'autres activités proposées.
Analyse de l’activité sur l’ensemble des plateformes clients pour comparer les usages pendant et entre les campagnes.
L’analyse de la donnée via Mixpanel, sur l’ensemble des plateformes clients, a montré que l’application était quasiment délaissée entre deux campagnes
J’ai profité de ce projet pour initier une démarche de recherche utilisateur chez Sparted. L’objectif : sortir des seules données d’usage pour mieux comprendre les contraintes, les motivations et les freins des deux profils au cœur de l’expérience.
Les personnels de terrain — vendeurs, techniciens, ouvriers — sont souvent trop occupés pour consacrer beaucoup de temps à l’apprentissage.
Certains joueurs ont le sentiment de ne pas disposer d’assez d’informations avant de répondre aux campagnes.
Des réponses incorrectes entraînent un classement bas, qui peut à son tour réduire l’envie de poursuivre.
Le micro-learning s’intègre parmi de nombreuses autres activités. La création de contenu est une tâche parmi d’autres et rarement leur priorité.
Ils ont besoin d’outils simples, font peu de paramétrage et restent fortement dépendants du support lorsque l’outil devient complexe.
L’idée : proposer un format très différent des campagnes, accessible en permanence, sans limite de temps, sans notation ni classement.
Une librairie de contenus courts qu’ils peuvent consulter pour rechercher une info et réviser certains sujets avant les campagnes.
Centraliser des micro-connaissances dans des Parcours identifiables et accessibles à tout moment, pour installer une valeur continue entre les campagnes.
Permettre aux joueurs de revenir sur les sujets, consolider leurs connaissances et mieux aborder les futures campagnes.
Une consultation rapide et familière, pensée pour les contraintes du terrain et le format micro-learning.
La première exploration rapprochait au maximum l’édition du rendu final : une logique “what you see is what you get” particulièrement forte. Avec le Product Manager et l’équipe Engineering, nous avons confronté cette ambition à la complexité de développement et à la capacité d’une équipe tech réduite. Nous avons réduit le périmètre pour livrer une première version plus simple, tout en conservant les principes essentiels de création d’un Parcours.
Avec l’équipe tech, nous avons privilégié la réutilisation des composants existants pour limiter l’effort de développement, éviter les doublons et préserver une expérience cohérente. Lorsque nécessaire, nous les avons adaptés au nouveau besoin. De nouveaux composants ont été créés uniquement lorsqu’une adaptation aurait trop modifié leur comportement initial.
Icône personnalisable
Nouveaux états : Chargement et Verrouillé.
Adapté au contexte des parcours
Créer un Parcours restait coûteux en temps pour des équipes dont la production de contenu n’était pas l’activité principale. Nous avons donc développé une IA générative native : le créateur décrit son besoin dans un prompt, obtient une première proposition structurée, puis itère avec l’IA pour l’affiner.
Comparaison des taux d’activité moyens sur deux périodes observées.
10 Parcours créés · 116 Parcours démarrés · 930 micro-connaissances lues
Les vidéos, les images et l’aide à la création permettent de développer de nouveaux cas d’usage.