La carte de chaleur d'attention de FlowDx est basée sur le modèle DeepGaze IIE. Ce modèle a été proposé par Linardos et al. dans l'article de l' ICLR 2021 intitulé « DeepGaze IIE: Calibrated prediction in and out-of-domain for state-of-the-art saliency modeling », provenant du laboratoire de neurosciences computationnelles Bethge Lab de l'Université de Tübingen en Allemagne. Sur le MIT/Tilburg Saliency Benchmark, DeepGaze IIE se classe au premier rang sur plusieurs indicateurs, avec une corrélation supérieure à 0,87 entre ses prédictions et les données oculométriques humaines réelles.
Que signifient les couleurs de la heatmap ?
| Couleur | Signification | Pourcentage d'attention |
|---|---|---|
| Rouge | Zone d'attention maximale — l'utilisateur regarde ici en premier | Top 10% |
| Orange-Jaune | Attention élevée — le regard se déplace rapidement vers ici | 10-30% |
| Vert | Attention moyenne — remarqué lors du balayage | 30-60% |
| Bleu | Attention faible — ignoré par la plupart des utilisateurs | 60-90% |
| Sombre/Incolore | Zone aveugle — presque personne ne regarde | Derniers 10% |
Modèles de heatmap courants
Modèle 1 : Focalisation centrale (Sain)
Les zones rouges sont concentrées sur les informations clés du contenu (visages, titres, boutons CTA). Cela signifie que la hiérarchie visuelle est claire et que l'utilisateur comprend rapidement le message que vous souhaitez transmettre.
Modèle 2 : Dispersé (Problématique)
Les zones rouges sont dispersées à plusieurs endroits sans point focal clair. Cela indique qu'il y a trop d'éléments dans l'image et que l'attention est fragmentée. Solution : Réduisez le nombre d'éléments et établissez un sujet visuel clair.
Modèle 3 : Décalé (Problème grave)
Les zones rouges sont concentrées là où vous ne voulez pas que l'utilisateur regarde (par exemple, un élément non pertinent en arrière-plan), tandis que vos informations clés (titre, produit) se trouvent dans les zones bleues ou vertes. C'est un tueur de CTR.
Modèle 4 : Bordure (Gaspillage)
L'attention est concentrée sur les bords de l'image. Cela se produit généralement lorsque le sujet est trop petit ou qu'il y a trop d'espace vide. Le cerveau est attiré par les zones de fort contraste sur les bords (comme la jonction entre le cadre de l'image et l'arrière-plan).
Parcours visuel : l'itinéraire de lecture de l'utilisateur
En plus de la heatmap, FlowDx génère un parcours visuel — prédisant où l'œil de l'utilisateur commence et dans quel ordre il scanne l'image. Un parcours visuel idéal devrait :
- Commencer par le point d'ancrage le plus fort (généralement un visage ou le texte le plus grand)
- Se déplacer vers les informations secondaires (sous-titres, image produit)
- Finir sur le CTA (Appel à l'action)
Si le parcours saute des informations clés ou s'attarde sur des zones non pertinentes, cela indique un problème de guidage visuel.
Détails du score cognitif en cinq dimensions
FlowDx ne vous donne pas seulement un score global, mais évalue votre contenu selon cinq dimensions cognitives :
- Attention — Le contenu capte-t-il l'œil en moins de 0,3 seconde ?
- Focus visuel — Existe-t-il une hiérarchie visuelle et un parcours de guidage clairs ?
- Impact émotionnel — Peut-il déclencher une réaction émotionnelle (curiosité, excitation, résonance) ?
- Incitation à l'action — Y a-t-il un appel à l'action (CTA) clair ?
- Intensité mémorielle — L'utilisateur peut-il se souvenir de votre contenu après l'avoir vu ?
Chaque dimension est notée de 0 à 100. 70+ indique l'excellence, 50-70 nécessite une optimisation, et moins de 50 signale un problème grave.
Commencer le diagnostic par heatmap
Comment optimiser le contenu selon le rapport de diagnostic
Une fois le rapport de diagnostic FlowDx obtenu, traitez les problèmes par ordre de priorité :
Priorité 1 : Corriger les problèmes de « décalage » (Éléments de diagnostic rouges)
Si l'attention est concentrée au mauvais endroit (éléments d'arrière-plan, détails non pertinents), c'est le problème le plus grave. La solution consiste généralement à : réduire le poids visuel des éléments perturbateurs (flou, réduction de la saturation) tout en renforçant la saillance des informations clés (agrandissement, ajout de contraste, ajout de bordures).
Priorité 2 : Établir un parcours visuel clair (Éléments de diagnostic orange)
Si la heatmap montre une attention dispersée, vous devez établir une hiérarchie visuelle claire. Utilisez le contraste de taille (l'élément le plus important est le plus grand), le contraste de couleur (couleurs saturées pour les infos clés) et le guidage spatial (flèches, lignes, direction du regard des personnages) pour diriger l'œil de l'utilisateur selon le chemin prévu.
Priorité 3 : Améliorer les scores cognitifs globaux (Suggestions jaunes)
Les dimensions inférieures à 60 dans le score en cinq dimensions nécessitent une attention particulière. Méthodes d'amélioration courantes :
| Dimension faible | Cause possible | Direction d'amélioration |
|---|---|---|
| Attention < 60 | Image trop terne, manque de saillance | Augmenter le contraste, ajouter des visages, utiliser des couleurs saturées |
| Focus visuel < 60 | Trop d'éléments, trop de désordre | Réduire le nombre d'éléments, établir une hiérarchie primaire/secondaire |
| Impact émotionnel < 60 | Manque de déclencheur émotionnel | Utiliser des expressions émotionnelles, créer du contraste, raconter une histoire |
| Incitation à l'action < 60 | Manque de CTA ou d'indice d'action | Ajouter des flèches, des boutons, des mots déclencheurs comme « Maintenant », « Offre limitée » |
| Intensité mémorielle < 60 | Contenu trop banal, manque d'unicité | Établir des symboles de marque, utiliser une palette de couleurs unique, créer des points de mémoire visuels |
Limites de l'analyse par heatmap
La carte de chaleur d'attention est un outil puissant, mais elle a ses limites. Comprendre honnêtement ces frontières permet de mieux l'utiliser :
- Prédiction de l'« utilisateur moyen » — La heatmap reflète la distribution moyenne du regard d'un groupe ; le parcours d'un utilisateur individuel peut varier.
- N'est pas directement égal au taux de clic — Une attention élevée ne se traduit pas nécessairement par un clic élevé. Un utilisateur peut remarquer le contenu mais choisir de ne pas cliquer (par exemple, s'il ne semble pas assez intéressant).
- Dépendance à la qualité de l'image — Les images à basse résolution ou fortement compressées peuvent affecter la précision de la prédiction.
- Différences culturelles — Les utilisateurs de contextes culturels différents peuvent allouer leur attention différemment aux couleurs, aux visages ou aux symboles.
Le score cognitif en cinq dimensions de FlowDx est précisément conçu pour pallier les lacunes de l'analyse par heatmap pure — il intègre l'attention, l'émotion, la mémoire et d'autres dimensions pour fournir un diagnostic de contenu plus complet.
Foire aux questions (FAQ)
La zone rouge sur la heatmap est-elle toujours la meilleure ?
Pas nécessairement. Le rouge indique la zone que l'utilisateur regarde en premier, mais l'essentiel est de savoir si la zone rouge tombe sur l'information que vous voulez le plus transmettre. Si le rouge est sur un arrière-plan non pertinent, cela indique un problème. L'état idéal est : le rouge couvre les informations clés (produit, visage, titre), le bleu couvre les zones secondaires.
Combien de points de fixation sont idéaux pour un parcours visuel ?
Pour les miniatures et les couvertures, une plage de 3 à 5 points de fixation est optimale. Trop peu (1-2) suggère un manque d'information, trop (6+) indique une attention trop dispersée. Parcours idéal : Focus principal → Info secondaire → CTA, formant une ligne narrative claire.
Pourquoi ma heatmap est-elle différente de celle d'une autre analyse pour la même image ?
FlowDx utilise un modèle déterministe (DeepGaze IIE), les résultats d'analyse pour une même image sont donc strictement identiques. Si vous voyez des résultats différents, cela peut être dû à la résolution de l'image, au mode de recadrage ou au degré de compression du fichier. Il est recommandé d'utiliser l'image en résolution originale pour l'analyse.
Quelle est la différence entre une heatmap vidéo et une image statique ?
Dans un contenu vidéo, la distribution de l'attention change avec le temps. FlowDx effectue une analyse image par image de la vidéo, chaque image ayant sa propre heatmap. La vidéo ajoute une dimension supplémentaire — les éléments dynamiques (objets en mouvement, changements de plans) attirent fortement l'attention. La clé de l'analyse vidéo est de trouver les images où l'attention est la plus faible, car c'est à ce moment-là que l'utilisateur est le plus susceptible de zapper.
Commencer le diagnostic par heatmap
Téléchargez votre contenu sur FlowDx pour obtenir votre carte de chaleur d'attention, votre parcours visuel et votre score en cinq dimensions. Découvrez ce qui se passe réellement dans le cerveau de vos utilisateurs face à votre contenu.
Références bibliographiques
- Linardos, A. et al. (2021). DeepGaze IIE: Calibrated prediction in and out-of-domain for state-of-the-art saliency modeling. ICLR 2021.
- Borji, A., & Itti, L. (2013). State-of-the-art in visual attention modeling. IEEE Transactions on Pattern Analysis and Machine Intelligence, 35(1), 185-207.
- Bylinskii, Z. et al. (2019). What do different evaluation metrics tell us about saliency models? IEEE TPAMI, 41(3), 740-757.