L’avenir de l’intelligence artificielle vocale dans les applications entrepreneuriales
Les investisseurs consacrent de plus en plus de milliards d’euros aux startups spécialisées dans l’IA vocale, cherchant à exploiter cette technologie dans divers domaines, notamment le service à la clientèle des entreprises, la documentation de réunions et les outils de dictée par IA. Malgré les avancées, les experts expriment des doutes quant aux capacités actuelles de l’IA vocale, suggérant qu’elle n’a pas encore atteint un moment charnière comparable à celui de « ChatGPT ».
Shawn Wen, directeur technique de la plateforme d’IA vocale pour entreprises PolyAI, soutient que même si l’introduction de modèles duplex complets—capables de parler et d’écouter simultanément—représente un progrès significatif, le domaine nécessite encore des capacités de raisonnement plus rapides pour garantir que les interactions semblent naturelles. « Nous avons atteint le seuil du développement de modèles duplex complets. Le défi suivant est de rendre le raisonnement très rapide, afin que les modèles puissent fournir des réponses rapidement et que la conversation paraisse naturelle », a-t-il déclaré lors d’une discussion à la conférence HumanX.
Wen a souligné l’importance pour les agents d’IA, dans le service client, de non seulement sonner de manière humaine, mais aussi de donner aux utilisateurs la confiance que leurs problèmes peuvent être résolus. Au fur et à mesure que les interactions évoluent, il prédit que les utilisateurs deviendront plus à l’aise pour interagir avec des IA, diminuant progressivement leur dépendance aux agents humains.
Dans cette même optique, Alex Gay, directeur marketing du preneur de notes de réunion Otter, a souligné que l’automatisation efficace repose sur des aspects tels que l’identification des locuteurs et la capture des intentions. De plus, l’expression émotionnelle et la réactivité des outils d’IA lors des réunions sont essentielles pour favoriser des interactions substantielles. « Si vous pensez aux réunions auxquelles vous assistez actuellement, les meilleures conversations sont celles où vous pouvez débattre, mener des discussions stratégiques, et où vous ressentez qu’il y a une relation qui les sous-tend », a-t-il déclaré. « Si vous n’êtes pas capable de vivre cela avec un avatar, alors ce n’est qu’un chatbot de questions-réponses. »
Compréhension et transparence de l’IA vocale
Les modèles d’IA vocale actuels, bien que améliorés, affrontent encore des challenges en matière de compréhension utilisateur et d’exactitude des interactions. Tant Wen que Gay soulignent les lacunes des systèmes de reconnaissance automatique de la parole (ASR), qui échouent souvent à capturer le contexte critique en raison de mots-clés manquants.
« Pour Otter, la transcription n’a jamais été le but ultime. C’était simplement une couche à partir de laquelle nous pouvions commencer à générer des gains de productivité », a observé Gay. Il a insisté sur le fait que des transcriptions erronées sapent la confiance dans la plateforme, car des actions de suivi incorrectes peuvent se produire si les données originales sont inexactes. Wen a convenu qu’il est nécessaire d’améliorer les modèles ASR pour atténuer les conséquences en aval.
Une autre préoccupation croissante est celle de la transparence dans les interactions vocales. Les experts plaident pour des notifications claires qui informent les utilisateurs lorsqu’ils conversent avec une IA ou lorsque des conversations sont enregistrées. Otter vise à instaurer la confiance parmi les participants aux réunions en développant des méthodes pour signaler cette transparence, soulignant que même en l’absence de présence d’IA, les utilisateurs devraient être conscients des pratiques d’enregistrement. Wen a renforcé que la clarté concernant l’implication de l’IA est cruciale, en particulier dans les communications d’entreprise, pour favoriser la confiance et l’intégrité.
