IA vocale : le "moment ChatGPT" est encore loin
Malgré l'afflux massif de capitaux et la prolifération hebdomadaire de nouveaux modèles capables de parler et d'écouter simultanément, l'intelligence artificielle vocale n'a pas encore atteint son moment décisif, comparable au déploiement de ChatGPT. C'est du moins le constat dressé récemment lors de la conférence HumanX par Shawn Wen, directeur technique de PolyAI, et Alex Gay, directeur marketing d'Otter. Selon M. Wen, la maîtrise des modèles duplex complets marque une étape importante, mais ne suffit pas. Le prochain défi réside dans la rapidité du raisonnement de l'IA, indispensable pour offrir des réponses instantanées et des échanges véritablement naturels. Dans le cadre du service client, l'objectif est de dépasser le ton robotique pour instaurer une confiance progressive. Si l'interaction initiale se déroule bien sur les deux ou trois premiers tours de parole, l'utilisateur finira par préférer la résolution autonome des problèmes par l'IA plutôt que la prise de contact avec un humain. De son côté, M. Gay souligne que l'identification précise des locuteurs, la capture des intentions et l'intégration des connaissances organisationnelles sont les piliers de l'automatisation. Les entreprises travaillent également sur des jumeaux numériques capables de représenter les participants lors des réunions. Pour ces applications, la restitution vocale doit impérativement restituer les nuances émotionnelles des échanges humains. Sans cette dimension relationnelle, l'avatar se réduit à un simple chatbot de questions-réponses, incapable de soutenir des débats stratégiques. Au-delà des progrès, la fiabilité reste un obstacle majeur. Les modèles de reconnaissance automatique de la parole continuent de manquer des mots-clés essentiels, ce qui altère la compréhension du contexte et compromet la précision des retranscriptions et des résumés. Pour Otter, la transcription n'est qu'une première étape ; une erreur à ce stade rend toutes les actions automatisées ultérieures fautives et érode rapidement la confiance des utilisateurs. La transparence s'impose également comme une condition sine qua non. Les outils doivent clairement informer les interlocuteurs lorsqu'ils sont enregistrés ou en communication avec une IA, y compris lors de réunions sans bot présent, par exemple via une notification dans le chat. Cette politique de confiance est jugée cruciale pour l'adoption en entreprise. En somme, si les investissements continuent de nourrir l'innovation, l'intelligence vocale doit encore résoudre ses lacunes en matière de vitesse de traitement, de fidélité linguistique et d'aspect émotionnel avant de séduire massivement le grand public et les professionnels. La construction d'un cadre transparent et fiable constitue désormais le véritable levier de sa transformation en interface dominante.
