Comment utiliser l'IA quand on est UX researcher ? Prompts et workflows 2026

Prompts IA UX researcher 2026 : 3 templates prêts-à-l'emploi pour transformer votre recherche utilisateur

Le métier d'UX researcher évolue rapidement avec l'intégration de l'IA. Avec un score d'exposition de 48/100, cette profession du marketing et de la communication trouve un équilibre entre expertise humaine et assistance artificielle. Voici comment exploiter concrètement ces technologies en 2026.

Prompt 1 : Analyse de sessions utilisateur

ChatGPT : "Analyse ces 15 transcriptions de sessions utilisateur sur [votre produit]. Identifie les 5 pain points récurrents, classe-les par fréquence et sévérité. Crée un tableau avec citations verbatim, timestamp et recommandations d'amélioration UX. Format : tableau Markdown prêt pour Notion."

Prompt 2 : Génération de questions d'entretien

Claude : "Génère 12 questions d'entretien semi-directif pour évaluer l'expérience d'achat mobile de [cible]. Inclus 4 questions de warm-up, 4 exploratoires, 3 de validation et 1 de closing. Adapte le ton pour des utilisateurs 65+. Format : guide structuré avec temps alloué par section."

Prompt 3 : Synthèse de données multicanaux

Notion AI : "Synthétise ces données : 200 réponses Hotjar + 50 verbatims support + analytics 3 mois. Crée 3 personas actualisés avec journeys maps, frictions principales et opportunités quick-win. Priorise les 5 features les plus demandées avec justification business."

Outils et bonnes pratiques 2026

Combinez Maze pour les tests automatisés, Dovetail pour l'analyse qualitative et Condens pour la synthèse. Toujours valider les insights IA avec 2-3 participants réels. Sauvegardez vos prompts réussis dans une bibliothèque team Notion - gain de temps : 60% sur l'analyse.

Pro tip : En 2026, les meilleurs UX researchers utilisent l'IA pour l'analyse bulk mais gardent l'humain pour les follow-up questions et la validation émotionnelle. Testez ces prompts dès aujourd'hui sur votre prochain projet.

Prompts IA UX researcher 2026 : 5 cas d'usage concrets

L'IA redessine le métier d'UX researcher. En 2026, les équipes productivité gagnent 35% de temps sur l'analyse qualitative et la synthèse de recherche. Voici le panorama des outils réellement déployés et des prompts testés sur le terrain.

Cartographie des taches et exposition IA

5 prompts prets a l'emploi

1. Analyse de verbatim qualitatifs (Niveau : Debutant)

Outil : Claude 3.7 Sonnet via Dovetail ou interface directe

Role : Tu es un UX researcher senior specialise dans l'analyse de donnees qualitatives.

Contexte : J'ai mene 12 entretiens utilisateurs sur [produit : app de livraison de courses]. Voici les verbatim bruts issus de mes notes.

Tache : 
1. Identifie les 5 themes principaux emergeant de ces entretiens
2. Pour chaque theme, cite 2-3 citations verbatim exactes qui l'illustrent
3. Classe ces themes par frequence d'apparition
4. Suggere 2 recommandations produit prioritaires basees sur ces insights

Donnees : [coller les verbatim ici, separes par ---]

Format de sortie : Tableau markdown avec colonnes : Theme | Frequence | Citations cles | Recommandation

Resultat attendu : Une synthese structuree en 10 minutes au lieu de 4 heures de codage manuel. Themes valides a 85% apres verification.

2. Generation de plan de recherche (Niveau : Intermediaire)

Outil : ChatGPT GPT-5 ou Notion AI

Role : UX research lead dans une scale-up SaaS B2B.

Contexte : Nous devons valider l'interet pour une nouvelle fonctionnalite de [dashboard analytics predictif] avant de lancer le developpement. Cible : 20 product managers d'entreprises de 200+ salaries.

Tache : Redige un plan de recherche complet incluant :
- Objectifs de recherche SMART (3 maximum)
- Methodologie mixte recommandee avec justification
- Protocole d'entretien semi-directif (8 questions ouvertes)
- Criteres de recrutement et profils types
- Planning indicatif sur 3 semaines
- Livrables attendus

Contraintes : Budget 8K€, delai 1 mois, equipe de 2 researchers.

Resultat attendu : Plan operationnel pret a presenter aux stakeholders. Gain : 3h de travail gagnees sur la structure.

3. Synthese de test utilisateur unmoderated (Niveau : Intermediaire)

Outil : Maze AI Report + Claude

Role : Tu es analyste UX pour une agence e-commerce.

Contexte : J'ai fait passer un test Maze a 45 utilisateurs sur le nouveau flux de checkout. J'ai les exports suivants : heatmaps, funnels de conversion, verbatim des questions ouvertes, metriques de mission (completion rate, misclick rate, temps moyen).

Tache : 
1. Analyse les points de friction majeurs identifies par les donnees quantitatives
2. Croise avec les verbatim pour expliquer le "pourquoi" derriere les abandons
3. Identifie 3 quick wins implementables en 1 sprint
4. Propose 2 tests A/B prioritaires pour la suite

Donnees a integrer : [coller les stats cles et verbatim]

Resultat attendu : Rapport decisionnel en 20 minutes. Detection automatique des patterns de frustration.

4. Veille concurrentielle UX approfondie (Niveau : Avance)

Outil : Perplexity Pro avec Deep Research ou OpenAI Deep Research

Role : Directeur UX d'une neobank mobile.

Mission : Benchmark UX des 5 principaux acteurs [N26, Revolut, Bunq, Monzo, Starling] sur leur flux d'onboarding (KYC + premiere transaction).

Recherche approfondie sur :
1. Parcours utilisateur etape par etape avec captures d'ecran references
2. Temps moyen d'onboarding rapporte
3. Points de friction documentes dans les avis utilisateurs (App Store, Trustpilot)
4. Innovations UX distinctives de chaque acteur
5. Taux de conversion onboarding publies ou estimes

Format : Rapport structure par competiteur + matrice de comparaison finale + 3 opportunites de differenciation pour notre produit.

Profondeur : Niveau consultant McKinsey. Sources verifiables uniquement.

Resultat attendu : Rapport de 15-20 pages en 30 minutes de generation + 15 minutes de verification. Equivalent a 2 jours de recherche manuelle.

5. Creation de personas data-driven (Niveau : Expert)

Outil : Claude 3.7 + Figma AI (pour la visualisation)

Role : Lead UX researcher, expert en segmentation comportementale.

Contexte : Base de 50 entretiens utilisateurs + donnees analytics (Mixpanel) + tickets support (Zendesk) sur notre plateforme de [formation en ligne professionnelle].

Tache : 
1. Analyse les donnees fournies pour identifier 3 a 4 segments utilisateurs distincts
2. Pour chaque persona : nom, photo type (description textuelle), quote representative, comportements cles, frustrations principales, goals, contexte d'usage, technophilie, frequence d'usage
3. Indique les donnees qualitatives qui soutiennent chaque attribut (tracaabilite)
4. Suggere une strategie de recherche pour valider/affiner chaque persona

Donnees qualitatives : [verbatim]
Donnees quantitatives : [stats usage par cohorte]
Donnees support : [themes tickets]

Resultat attendu : Personas fondes sur des donnees, pas des stereotypes. Pret a importer dans Figma AI pour generation des visuels. Gain : 1 journee de travail.

Outils IA recommandes pour UX researcher

Role : Tu es un UX researcher senior specialise dans l'analyse de donnees qualitatives.

Contexte : J'ai mene 12 entretiens utilisateurs sur [produit : app de livraison de courses]. Voici les verbatim bruts issus de mes notes.

Tache : 
1. Identifie les 5 themes principaux emergeant de ces entretiens
2. Pour chaque theme, cite 2-3 citations verbatim exactes qui l'illustrent
3. Classe ces themes par frequence d'apparition
4. Suggere 2 recommandations produit prioritaires basees sur ces insights

Donnees : [coller les verbatim ici, separes par ---]

Format de sortie : Tableau markdown avec colonnes : Theme | Frequence | Citations cles | Recommandation

Role : UX research lead dans une scale-up SaaS B2B.

Contexte : Nous devons valider l'interet pour une nouvelle fonctionnalite de [dashboard analytics predictif] avant de lancer le developpement. Cible : 20 product managers d'entreprises de 200+ salaries.

Tache : Redige un plan de recherche complet incluant :
- Objectifs de recherche SMART (3 maximum)
- Methodologie mixte recommandee avec justification
- Protocole d'entretien semi-directif (8 questions ouvertes)
- Criteres de recrutement et profils types
- Planning indicatif sur 3 semaines
- Livrables attendus

Contraintes : Budget 8K€, delai 1 mois, equipe de 2 researchers.

Role : Tu es analyste UX pour une agence e-commerce.

Contexte : J'ai fait passer un test Maze a 45 utilisateurs sur le nouveau flux de checkout. J'ai les exports suivants : heatmaps, funnels de conversion, verbatim des questions ouvertes, metriques de mission (completion rate, misclick rate, temps moyen).

Tache : 
1. Analyse les points de friction majeurs identifies par les donnees quantitatives
2. Croise avec les verbatim pour expliquer le "pourquoi" derriere les abandons
3. Identifie 3 quick wins implementables en 1 sprint
4. Propose 2 tests A/B prioritaires pour la suite

Donnees a integrer : [coller les stats cles et verbatim]

Role : Directeur UX d'une neobank mobile.

Mission : Benchmark UX des 5 principaux acteurs [N26, Revolut, Bunq, Monzo, Starling] sur leur flux d'onboarding (KYC + premiere transaction).

Recherche approfondie sur :
1. Parcours utilisateur etape par etape avec captures d'ecran references
2. Temps moyen d'onboarding rapporte
3. Points de friction documentes dans les avis utilisateurs (App Store, Trustpilot)
4. Innovations UX distinctives de chaque acteur
5. Taux de conversion onboarding publies ou estimes

Format : Rapport structure par competiteur + matrice de comparaison finale + 3 opportunites de differenciation pour notre produit.

Profondeur : Niveau consultant McKinsey. Sources verifiables uniquement.

Role : Lead UX researcher, expert en segmentation comportementale.

Contexte : Base de 50 entretiens utilisateurs + donnees analytics (Mixpanel) + tickets support (Zendesk) sur notre plateforme de [formation en ligne professionnelle].

Tache : 
1. Analyse les donnees fournies pour identifier 3 a 4 segments utilisateurs distincts
2. Pour chaque persona : nom, photo type (description textuelle), quote representative, comportements cles, frustrations principales, goals, contexte d'usage, technophilie, frequence d'usage
3. Indique les donnees qualitatives qui soutiennent chaque attribut (tracaabilite)
4. Suggere une strategie de recherche pour valider/affiner chaque persona

Donnees qualitatives : [verbatim]
Donnees quantitatives : [stats usage par cohorte]
Donnees support : [themes tickets]

Role : Tu es un UX researcher senior specialise dans l'analyse de donnees qualitatives.

Contexte : J'ai mene 12 entretiens utilisateurs sur [produit : app de livraison de courses]. Voici les verbatim bruts issus de mes notes.

Tache : 
1. Identifie les 5 themes principaux emergeant de ces entretiens
2. Pour chaque theme, cite 2-3 citations verbatim exactes qui l'illustrent
3. Classe ces themes par frequence d'apparition
4. Suggere 2 recommandations produit prioritaires basees sur ces insights

Donnees : [coller les verbatim ici, separes par ---]

Format de sortie : Tableau markdown avec colonnes : Theme | Frequence | Citations cles | Recommandation

Role : UX research lead dans une scale-up SaaS B2B.

Contexte : Nous devons valider l'interet pour une nouvelle fonctionnalite de [dashboard analytics predictif] avant de lancer le developpement. Cible : 20 product managers d'entreprises de 200+ salaries.

Tache : Redige un plan de recherche complet incluant :
- Objectifs de recherche SMART (3 maximum)
- Methodologie mixte recommandee avec justification
- Protocole d'entretien semi-directif (8 questions ouvertes)
- Criteres de recrutement et profils types
- Planning indicatif sur 3 semaines
- Livrables attendus

Contraintes : Budget 8K€, delai 1 mois, equipe de 2 researchers.

Role : Tu es analyste UX pour une agence e-commerce.

Contexte : J'ai fait passer un test Maze a 45 utilisateurs sur le nouveau flux de checkout. J'ai les exports suivants : heatmaps, funnels de conversion, verbatim des questions ouvertes, metriques de mission (completion rate, misclick rate, temps moyen).

Tache : 
1. Analyse les points de friction majeurs identifies par les donnees quantitatives
2. Croise avec les verbatim pour expliquer le "pourquoi" derriere les abandons
3. Identifie 3 quick wins implementables en 1 sprint
4. Propose 2 tests A/B prioritaires pour la suite

Donnees a integrer : [coller les stats cles et verbatim]

Role : Directeur UX d'une neobank mobile.

Mission : Benchmark UX des 5 principaux acteurs [N26, Revolut, Bunq, Monzo, Starling] sur leur flux d'onboarding (KYC + premiere transaction).

Recherche approfondie sur :
1. Parcours utilisateur etape par etape avec captures d'ecran references
2. Temps moyen d'onboarding rapporte
3. Points de friction documentes dans les avis utilisateurs (App Store, Trustpilot)
4. Innovations UX distinctives de chaque acteur
5. Taux de conversion onboarding publies ou estimes

Format : Rapport structure par competiteur + matrice de comparaison finale + 3 opportunites de differenciation pour notre produit.

Profondeur : Niveau consultant McKinsey. Sources verifiables uniquement.

Role : Lead UX researcher, expert en segmentation comportementale.

Contexte : Base de 50 entretiens utilisateurs + donnees analytics (Mixpanel) + tickets support (Zendesk) sur notre plateforme de [formation en ligne professionnelle].

Tache : 
1. Analyse les donnees fournies pour identifier 3 a 4 segments utilisateurs distincts
2. Pour chaque persona : nom, photo type (description textuelle), quote representative, comportements cles, frustrations principales, goals, contexte d'usage, technophilie, frequence d'usage
3. Indique les donnees qualitatives qui soutiennent chaque attribut (tracaabilite)
4. Suggere une strategie de recherche pour valider/affiner chaque persona

Donnees qualitatives : [verbatim]
Donnees quantitatives : [stats usage par cohorte]
Donnees support : [themes tickets]

Role : Tu es un UX researcher senior specialise dans l'analyse de donnees qualitatives.

Contexte : J'ai mene 12 entretiens utilisateurs sur [produit : app de livraison de courses]. Voici les verbatim bruts issus de mes notes.

Tache : 
1. Identifie les 5 themes principaux emergeant de ces entretiens
2. Pour chaque theme, cite 2-3 citations verbatim exactes qui l'illustrent
3. Classe ces themes par frequence d'apparition
4. Suggere 2 recommandations produit prioritaires basees sur ces insights

Donnees : [coller les verbatim ici, separes par ---]

Format de sortie : Tableau markdown avec colonnes : Theme | Frequence | Citations cles | Recommandation

Role : UX research lead dans une scale-up SaaS B2B.

Contexte : Nous devons valider l'interet pour une nouvelle fonctionnalite de [dashboard analytics predictif] avant de lancer le developpement. Cible : 20 product managers d'entreprises de 200+ salaries.

Tache : Redige un plan de recherche complet incluant :
- Objectifs de recherche SMART (3 maximum)
- Methodologie mixte recommandee avec justification
- Protocole d'entretien semi-directif (8 questions ouvertes)
- Criteres de recrutement et profils types
- Planning indicatif sur 3 semaines
- Livrables attendus

Contraintes : Budget 8K€, delai 1 mois, equipe de 2 researchers.

Role : Tu es analyste UX pour une agence e-commerce.

Contexte : J'ai fait passer un test Maze a 45 utilisateurs sur le nouveau flux de checkout. J'ai les exports suivants : heatmaps, funnels de conversion, verbatim des questions ouvertes, metriques de mission (completion rate, misclick rate, temps moyen).

Tache : 
1. Analyse les points de friction majeurs identifies par les donnees quantitatives
2. Croise avec les verbatim pour expliquer le "pourquoi" derriere les abandons
3. Identifie 3 quick wins implementables en 1 sprint
4. Propose 2 tests A/B prioritaires pour la suite

Donnees a integrer : [coller les stats cles et verbatim]

Role : Directeur UX d'une neobank mobile.

Mission : Benchmark UX des 5 principaux acteurs [N26, Revolut, Bunq, Monzo, Starling] sur leur flux d'onboarding (KYC + premiere transaction).

Recherche approfondie sur :
1. Parcours utilisateur etape par etape avec captures d'ecran references
2. Temps moyen d'onboarding rapporte
3. Points de friction documentes dans les avis utilisateurs (App Store, Trustpilot)
4. Innovations UX distinctives de chaque acteur
5. Taux de conversion onboarding publies ou estimes

Format : Rapport structure par competiteur + matrice de comparaison finale + 3 opportunites de differenciation pour notre produit.

Profondeur : Niveau consultant McKinsey. Sources verifiables uniquement.

Role : Lead UX researcher, expert en segmentation comportementale.

Contexte : Base de 50 entretiens utilisateurs + donnees analytics (Mixpanel) + tickets support (Zendesk) sur notre plateforme de [formation en ligne professionnelle].

Tache : 
1. Analyse les donnees fournies pour identifier 3 a 4 segments utilisateurs distincts
2. Pour chaque persona : nom, photo type (description textuelle), quote representative, comportements cles, frustrations principales, goals, contexte d'usage, technophilie, frequence d'usage
3. Indique les donnees qualitatives qui soutiennent chaque attribut (tracaabilite)
4. Suggere une strategie de recherche pour valider/affiner chaque persona

Donnees qualitatives : [verbatim]
Donnees quantitatives : [stats usage par cohorte]
Donnees support : [themes tickets]

Role : Tu es un UX researcher senior specialise dans l'analyse de donnees qualitatives.

Contexte : J'ai mene 12 entretiens utilisateurs sur [produit : app de livraison de courses]. Voici les verbatim bruts issus de mes notes.

Tache : 
1. Identifie les 5 themes principaux emergeant de ces entretiens
2. Pour chaque theme, cite 2-3 citations verbatim exactes qui l'illustrent
3. Classe ces themes par frequence d'apparition
4. Suggere 2 recommandations produit prioritaires basees sur ces insights

Donnees : [coller les verbatim ici, separes par ---]

Format de sortie : Tableau markdown avec colonnes : Theme | Frequence | Citations cles | Recommandation

Role : UX research lead dans une scale-up SaaS B2B.

Contexte : Nous devons valider l'interet pour une nouvelle fonctionnalite de [dashboard analytics predictif] avant de lancer le developpement. Cible : 20 product managers d'entreprises de 200+ salaries.

Tache : Redige un plan de recherche complet incluant :
- Objectifs de recherche SMART (3 maximum)
- Methodologie mixte recommandee avec justification
- Protocole d'entretien semi-directif (8 questions ouvertes)
- Criteres de recrutement et profils types
- Planning indicatif sur 3 semaines
- Livrables attendus

Contraintes : Budget 8K€, delai 1 mois, equipe de 2 researchers.

Role : Tu es analyste UX pour une agence e-commerce.

Contexte : J'ai fait passer un test Maze a 45 utilisateurs sur le nouveau flux de checkout. J'ai les exports suivants : heatmaps, funnels de conversion, verbatim des questions ouvertes, metriques de mission (completion rate, misclick rate, temps moyen).

Tache : 
1. Analyse les points de friction majeurs identifies par les donnees quantitatives
2. Croise avec les verbatim pour expliquer le "pourquoi" derriere les abandons
3. Identifie 3 quick wins implementables en 1 sprint
4. Propose 2 tests A/B prioritaires pour la suite

Donnees a integrer : [coller les stats cles et verbatim]

Role : Directeur UX d'une neobank mobile.

Mission : Benchmark UX des 5 principaux acteurs [N26, Revolut, Bunq, Monzo, Starling] sur leur flux d'onboarding (KYC + premiere transaction).

Recherche approfondie sur :
1. Parcours utilisateur etape par etape avec captures d'ecran references
2. Temps moyen d'onboarding rapporte
3. Points de friction documentes dans les avis utilisateurs (App Store, Trustpilot)
4. Innovations UX distinctives de chaque acteur
5. Taux de conversion onboarding publies ou estimes

Format : Rapport structure par competiteur + matrice de comparaison finale + 3 opportunites de differenciation pour notre produit.

Profondeur : Niveau consultant McKinsey. Sources verifiables uniquement.

Role : Lead UX researcher, expert en segmentation comportementale.

Contexte : Base de 50 entretiens utilisateurs + donnees analytics (Mixpanel) + tickets support (Zendesk) sur notre plateforme de [formation en ligne professionnelle].

Tache : 
1. Analyse les donnees fournies pour identifier 3 a 4 segments utilisateurs distincts
2. Pour chaque persona : nom, photo type (description textuelle), quote representative, comportements cles, frustrations principales, goals, contexte d'usage, technophilie, frequence d'usage
3. Indique les donnees qualitatives qui soutiennent chaque attribut (tracaabilite)
4. Suggere une strategie de recherche pour valider/affiner chaque persona

Donnees qualitatives : [verbatim]
Donnees quantitatives : [stats usage par cohorte]
Donnees support : [themes tickets]

Role : Tu es un UX researcher senior specialise dans l'analyse de donnees qualitatives.

Contexte : J'ai mene 12 entretiens utilisateurs sur [produit : app de livraison de courses]. Voici les verbatim bruts issus de mes notes.

Tache : 
1. Identifie les 5 themes principaux emergeant de ces entretiens
2. Pour chaque theme, cite 2-3 citations verbatim exactes qui l'illustrent
3. Classe ces themes par frequence d'apparition
4. Suggere 2 recommandations produit prioritaires basees sur ces insights

Donnees : [coller les verbatim ici, separes par ---]

Format de sortie : Tableau markdown avec colonnes : Theme | Frequence | Citations cles | Recommandation

Role : UX research lead dans une scale-up SaaS B2B.

Contexte : Nous devons valider l'interet pour une nouvelle fonctionnalite de [dashboard analytics predictif] avant de lancer le developpement. Cible : 20 product managers d'entreprises de 200+ salaries.

Tache : Redige un plan de recherche complet incluant :
- Objectifs de recherche SMART (3 maximum)
- Methodologie mixte recommandee avec justification
- Protocole d'entretien semi-directif (8 questions ouvertes)
- Criteres de recrutement et profils types
- Planning indicatif sur 3 semaines
- Livrables attendus

Contraintes : Budget 8K€, delai 1 mois, equipe de 2 researchers.

Role : Tu es analyste UX pour une agence e-commerce.

Contexte : J'ai fait passer un test Maze a 45 utilisateurs sur le nouveau flux de checkout. J'ai les exports suivants : heatmaps, funnels de conversion, verbatim des questions ouvertes, metriques de mission (completion rate, misclick rate, temps moyen).

Tache : 
1. Analyse les points de friction majeurs identifies par les donnees quantitatives
2. Croise avec les verbatim pour expliquer le "pourquoi" derriere les abandons
3. Identifie 3 quick wins implementables en 1 sprint
4. Propose 2 tests A/B prioritaires pour la suite

Donnees a integrer : [coller les stats cles et verbatim]

Role : Directeur UX d'une neobank mobile.

Mission : Benchmark UX des 5 principaux acteurs [N26, Revolut, Bunq, Monzo, Starling] sur leur flux d'onboarding (KYC + premiere transaction).

Recherche approfondie sur :
1. Parcours utilisateur etape par etape avec captures d'ecran references
2. Temps moyen d'onboarding rapporte
3. Points de friction documentes dans les avis utilisateurs (App Store, Trustpilot)
4. Innovations UX distinctives de chaque acteur
5. Taux de conversion onboarding publies ou estimes

Format : Rapport structure par competiteur + matrice de comparaison finale + 3 opportunites de differenciation pour notre produit.

Profondeur : Niveau consultant McKinsey. Sources verifiables uniquement.

Role : Lead UX researcher, expert en segmentation comportementale.

Contexte : Base de 50 entretiens utilisateurs + donnees analytics (Mixpanel) + tickets support (Zendesk) sur notre plateforme de [formation en ligne professionnelle].

Tache : 
1. Analyse les donnees fournies pour identifier 3 a 4 segments utilisateurs distincts
2. Pour chaque persona : nom, photo type (description textuelle), quote representative, comportements cles, frustrations principales, goals, contexte d'usage, technophilie, frequence d'usage
3. Indique les donnees qualitatives qui soutiennent chaque attribut (tracaabilite)
4. Suggere une strategie de recherche pour valider/affiner chaque persona

Donnees qualitatives : [verbatim]
Donnees quantitatives : [stats usage par cohorte]
Donnees support : [themes tickets]

Tu es un ux researcher expérimenté avec 15 ans d’expérience.
Ton objectif : [décrire la tâche précise]
Format de sortie : [tableau / liste / rapport]
Contraintes : [longueur, ton, public cible]