Fatigue des notifications : construire une IA qui sait se taire

Il y a un an, une version précoce de Nudge envoyait une rafale de notifications par jour à un utilisateur chargé. Aujourd'hui elle en envoie une petite poignée, placées aux moments où vous êtes susceptible d'agir. Le produit n'est pas devenu moins ambitieux pour autant. Le système de tâches a grandi, les fonctions d'IA se sont améliorées, le nombre d'utilisateurs a augmenté. Ce qui a changé, c'est que nous avons arrêté de mesurer la mauvaise chose.

La mauvaise chose, c'est le nombre de relances utiles qu'une IA peut produire. La bonne chose, c'est le nombre de relances qu'une vraie personne peut absorber avant de commencer à ignorer l'application. Ces deux nombres n'ont rien à voir.

Pourquoi les applications de rappels avec IA envoient trop de notifications

Toute IA capable de raisonner sur vos tâches peut produire un nombre impressionnant de choses « utiles » à vous dire. Elle peut vous rappeler des échéances. Suggérer des sous-tâches. Signaler des conflits. Proposer de replanifier. Proposer une meilleure formulation. Faire remarquer que vous repoussez cette tâche depuis trois semaines. Fêter les séries.

Prise une par une, chacune se défend. Empilées, elles font un téléphone qui vibre toutes les 40 minutes. C'est ce genre d'application que les gens désinstallent.

Une mise en œuvre naïve d'un assistant de productivité par IA ressemble à ceci : à chaque nouvelle tâche ajoutée, l'IA l'évalue, propose un plan, programme des rappels aux points de passage utiles, et envoie une relance à chaque point de passage. Ajoutez 10 tâches dans une semaine et vous avez des dizaines de relances en file, étalées sur la semaine. La première semaine paraît intelligente. La deuxième devient pesante. La troisième semaine, on ne lit plus la pastille de notification.

Nous le savons parce que c'est à peu près cette version que nous avons construite en premier.

Comment nous décidons quelles relances ne pas envoyer

Le plus difficile a été de trouver comment décider ce qu'il ne faut pas envoyer. Un LLM excelle à produire des relances candidates et reste médiocre pour les classer les unes par rapport aux autres. Tout paraît plausible pris isolément, exactement le problème que rencontrent les humains quand ils écrivent leur propre liste de tâches.

L'approche que nous avons retenue est un filtre en deux étapes. La première étape est un système de notation rapide qui s'applique à chaque relance candidate. Il pose quatre questions :

Cette relance fait-elle doublon ? Si nous avons envoyé quelque chose de semblable dans les 90 dernières minutes, on abandonne. Si la personne a terminé une tâche liée récemment, on abandonne.

La personne a-t-elle de la place mentale en ce moment ? C'est là que les rappels qui tiennent compte du contexte méritent leur nom : les heures calmes, l'agenda de la personne et les moments où elle a réellement réagi à des notifications alimentent tous cette question. Si nous sommes dans une plage peu disponible, on retarde ou on abandonne.

La tâche est-elle vraiment proche de son moment d'action ? Une échéance dans quatre jours, sans heure fixée, n'a pas besoin d'une relance aujourd'hui. Une échéance demain à 17 h, peut-être.

Une relance de plus sur la même tâche affaiblirait-elle la première ? Nous suivons un plafond quotidien par tâche. Il est de deux par défaut. Au-delà, le planificateur refuse d'en ajouter, quelle que soit la finesse du raisonnement.

La deuxième étape est une pause globale. Même si la première étape donne son accord, une relance ne part pas si la personne a reçu une autre relance dans les 15 minutes précédentes. Cette seule règle a produit la plus forte baisse du nombre de relances quotidiennes parmi tout ce que nous avons livré. Elle nous a aussi forcés à mieux choisir les relances qui passent le filtre, parce que nous ne pouvions plus arroser avec des rappels peu utiles en comptant sur le volume.

La retenue d'une IA est plus difficile que sa puissance

Le problème culturel, dans toute équipe qui construit avec des LLM, c'est que produire du contenu coûte peu et que le retenir coûte cher. Un développeur débutant peut brancher « le LLM propose trois améliorations à votre tâche » en une après-midi. Décider quand ne pas afficher ces suggestions demande de la télémétrie, de la recherche utilisateur, des modèles de classement et l'acceptation de livrer moins de fonctions. Ce travail ne se démontre pas. Il ne ressemble pas à un progrès sur une capture d'écran.

Nous avons livré ce travail de retenue à cause d'une mesure précise. Chaque relance envoyée reçoit un signal de suivi dans les 24 heures : la personne a agi, a ignoré, ou une relance ultérieure sur la même tâche a elle aussi échoué. Un bon système de diffusion est un système où la plupart des relances produisent une action, et où la plupart des autres ne produisent rien (ce qui est acceptable). Un mauvais système est un système où la plupart des relances sont écartées, parce qu'un rejet coûte de la confiance. Ce qui sépare les deux tient surtout à la relance au bon moment.

Quand nous avons croisé cette mesure avec le volume de notifications, la courbe était évidente. Plus de notifications par jour voulait dire plus de rejets. Moins de notifications voulait dire que les gens allaient plus souvent au bout, jusqu'au point où le volume devenait si faible que de vraies échéances passaient à travers. Une petite poignée par jour s'est révélée être le bon équilibre.

Ce que nous avons coupé

Quelques éléments concrets que nous avons retirés du système en chemin.

Les résumés du matin. Une version précoce envoyait chaque matin une notification « voici votre journée ». Cela semblait utile. En pratique, les gens ignoraient ces notifications. Nous avons gardé la fonction mais nous l'avons déplacée sur l'écran d'accueil de l'application, au lieu d'une notification push. Même information. Aucun coût en notification.

Les rappels de séries. « Vous avez terminé 5 tâches d'affilée ! » est le genre de notification qui fait plaisir pendant trois jours et agace pour toujours. Coupé.

Les notifications de suggestion. « Nous avons remarqué que vous repoussez cette tâche. Voulez-vous la découper en sous-tâches ? » Bonne intention, mauvais moment. Elles vivent désormais sous forme d'une carte discrète sur l'écran de détail de la tâche. La personne la voit alors qu'elle regarde déjà la tâche, un contexte où la suggestion est la bienvenue.

Les avis de replanification automatique. Quand le planificateur de Nudge déplaçait une tâche à un autre jour, il envoyait une notification. Les gens trouvaient cela déroutant et un peu inquiétant. Maintenant, le planificateur fait son travail sans bruit et montre le changement sur l'écran d'accueil.

Le schéma est le même dans tous ces cas. L'information reste disponible, mais elle a changé de sens : elle ne part plus vers la personne, c'est la personne qui vient la chercher. Une notification push est une prise sur l'attention de quelqu'un. Elle doit être réservée aux choses qui demandent vraiment d'agir maintenant.

Le côté technique

Quelques notes de mise en œuvre, si vous construisez quelque chose de semblable.

Notre planificateur de relances s'appuie sur Celery, avec des tâches à ETA pour un minutage précis, une file Redis et une trace d'audit en Postgres. Chaque relance porte un champ de provenance (AI_INFERRED ou USER_EXPLICIT) qui détermine avec quelle liberté nous pouvons l'annuler ou la déplacer. Nous n'annulons jamais automatiquement un rappel demandé explicitement pour des raisons de volume. C'est cette règle qui tient la confiance. Si vous mettez un rappel pour l'anniversaire de votre mère, nous allons le livrer, quoi qu'en pense le modèle. C'est la même garantie qui soutient des rappels qui ne disparaissent pas tant que vous n'agissez pas.

La logique de classement et d'annulation vit dans un planificateur quotidien qui s'exécute une fois par jour et par personne. Il a le droit d'annuler des relances déduites par l'IA devenues obsolètes (jusqu'à 50 par passage) et d'en remettre de nouvelles en file. Il n'a pas le droit de toucher à ce que la personne a demandé. Cette frontière compte plus que le modèle de classement.

L'essentiel

Quand nous décrivons Nudge, la réaction la plus fréquente est la surprise que l'IA n'en fasse pas plus. Où est le coaching quotidien ? Pourquoi n'analyse-t-elle pas ma productivité ? Ne peut-elle pas m'envoyer des encouragements ?

La réponse courte, c'est qu'elle le pourrait, et que le produit en sort moins bon quand elle le fait. L'attention est un budget limité. Chaque notification est un retrait. Beaucoup d'outils de productivité par IA misent sur le volume, en espérant que les premières notifications soient perçues comme des dépôts vers un avenir où l'application deviendra indispensable. En pratique, les gens les perçoivent comme la raison pour laquelle ils vont couper le son.

Construire une IA qui sait se taire est moins excitant que construire une IA qui a beaucoup à dire. C'est aussi, d'après notre expérience, ce qui fait que les gens continuent à utiliser le produit après la deuxième semaine, en particulier ceux qui cherchaient un gestionnaire de tâches pour les gens qui détestent les gestionnaires de tâches.

Nudge repose sur l'idée que des relances moins nombreuses et mieux placées valent mieux que des relances plus nombreuses et légèrement à côté. Gratuite sur iPhone et sur le web.