De la recherche au prototype : les bases de la plateforme de l'engagement public2025

Rendre l’engagement lisible pour les jeunes

Bénévolat, Service Civique, réserve des armées, sapeurs-pompiers volontaires… L’engagement est un vecteur d’inclusion, d’insertion et d’acquisition de compétences. Mais ses formes sont nombreuses, dispersées entre plusieurs dispositifs, et mal connues du grand public, notamment des jeunes.

Pour l’équipe API Engagement, j’ai travaillé 3 mois en binôme avec un Product Manager, aux côtés de l’intrapreneur du projet et des chargés de déploiement. Notre objectif : comprendre pourquoi les jeunes s’engagent, ou pas, puis prototyper et tester un service pour les y aider.

Écouter les jeunes, et ceux qui les accompagnent

J’ai cadré la recherche : ce que nous voulions apprendre (les motivations, les freins et les parcours d’engagement des jeunes), qui interroger, et comment, avec des entretiens exploratoires d’une heure suivis d’une analyse qualitative.

Nous avons interrogé trois publics :

• les jeunes de 16 à 30 ans, engagés ou non, principale cible de la recherche ;

• les annonceurs, qui proposent des missions et cherchent à recruter, interrogés par les chargés de déploiement ;

• les accompagnateurs, cible secondaire identifiée dès nos premiers entretiens avec les jeunes : conseillers France Travail et Contrat d’Engagement Jeune, enseignants, éducateurs spécialisés…

  Le Product Manager et moi avons mené les entretiens avec les jeunes et les accompagnateurs. Chacun était transcrit et résumé par IA, avant une analyse de l’ensemble, aussi bien de façon collective qu’avec l’aide d’assistants IA.

Des dispositifs méconnus, par les jeunes comme par ceux qui les orientent

Nous avons priorisé 9 problèmes sur lesquels nous pouvions agir :

• pour les jeunes : ils connaissent mal les dispositifs d’engagement auxquels ils ont accès, n’y voient pas toujours un intérêt pour leur parcours, et n’accèdent pas tous aux opportunités de la même façon selon leur situation ;
• pour les annonceurs : ils peinent à toucher les bons candidats au bon moment, à rendre leurs dispositifs lisibles sans lourds efforts de communication, et à gérer les afflux de candidatures ;
• pour les accompagnateurs : ils ne sont pas formés et n’ont pas les ressources pour connaître et présenter les dispositifs qui pourraient aider les jeunes.

Nous avons restitué ces apprentissages et nos recommandations à l’intrapreneur et à l’équipe.

Une vision : le service public de référence de l’engagement

Pour nos deux publics prioritaires, nous avons formulé une proposition de valeur :

• pour les jeunes : découvrir des opportunités d’engagement adaptées à leur profil, à leur territoire et à leur moment de vie, parmi toute l’offre publique ;
• pour les accompagnateurs : orienter facilement les jeunes vers les dispositifs les plus pertinents, sans avoir à tous les connaître finement.

C’est à ce moment que nous avons décidé de créer une plateforme : le service public de référence pour recommander et diffuser les opportunités d’engagement en France, autour de trois piliers.

1. 1

   Une base unifiée

   Toutes les offres d'engagement public, à jour, présentées sous un même format de mission.

   BénévolatService CiviqueRéserve des arméesSapeurs-pompiers volontaires…
3. 2

   Un moteur de recommandation

   Des missions personnalisées selon les contraintes et les aspirations de chaque jeune.

   ⚡ 90 % d'affinité
5. 3

   Un large réseau de diffusion

   Du site en propre aux plateformes déjà fréquentées par les jeunes.

   Site en proprePlateformes partenaires

Un prototype fonctionnel pour tester la vision

J’ai conçu et réalisé avec Lovable un prototype mobile fonctionnel de cette vision, dont le parcours s’adapte aux réponses de chaque jeune. En quelques questions (âge, lieu, disponibilités, centres d’intérêt, motivations), il obtient une sélection de missions issues de tous les dispositifs d’engagement, avec un score d’affinité pour chacune.

Les retours des tests ont orienté les premières itérations, avant le développement du MVP :

• l’IA sort du questionnaire et passe dans le moteur de recommandation : la question posée par l’IA était mal comprise et ralentissait beaucoup l’expérience ;
• la sélection « à la Tinder » disparaît : trop longue, et finalement peu utile pour affiner les résultats ;
• des wordings ajustés, notamment sur la rémunération.