La théorie selon laquelle la voix serait la prochaine grande interface a gagné de l’ampleur, avec des investisseurs qui versent des milliards de dollars dans les startups de IA vocale travaillant dans divers domaines, allant des créateurs de modèles aux fournisseurs de services clientèle d’entreprise, et de enregistreurs de notes de réunion aux dictations pilotées par l’IA.
Chaque semaine, un nouveau modèle ou une nouvelle outil est lancé, prétendant avoir une voix humaine et pouvoir discuter comme une personne. Cependant, en réalité, ce n’est peut-être pas le cas. Shawn Wen, le directeur technique de la plateforme d’IA vocale PolyAI, pense que, malgré l’arrivée de modèles à communication entièrement réciproque – qui peuvent parler tout en vous écoutant – l’IA vocale n’a pas encore atteint son « moment ChatGPT ».
« Nous avons atteint le point de départ pour développer des modèles pleinement duplex. La prochaine difficulté est de rendre le raisonnement très rapide, afin que les modèles puissent obtenir des réponses rapidement et que la conversation semble naturelle », m’a-t-il dit sur scène lors de la conférence HumanX le mois dernier.
Il a également déclaré que les agents IA dans le service client ne devraient pas avoir une voix robotique et qu’ils doivent donner aux appelants suffisamment de confiance pour qu’ils puissent résoudre les problèmes.
« Je pense que la prochaine étape sera légèrement différente : une fois que la voix est suffisamment bonne et que le client est prêt à discuter pendant les premiers deux ou trois tours, il commence à gagner en confiance. Avec le temps, il se rendra compte qu’il n’est probablement pas nécessaire de parler à une personne humaine si l’agent peut résoudre mon problème », a-t-il dit.
Alex Gay, CMO de Otter, un outil de prise de notes pour réunions, a estimé que l’identification des intervenants, la capture de leurs intentions et la transcription intégrée avec les connaissances organisationnelles constituent une étape clé pour favoriser l’automatisation. L’entreprise travaille également sur des « digital twins » qui pourraient représenter les personnes présentes lors des réunions. Pour cette technologie, il a souligné qu’il est essentiel que la voix produite reproduise les expressions émotionnelles associées à une conversation avec une personne humaine lors d’une réunion.
« Si vous pensez aux réunions auxquelles vous participez en ce moment, les meilleures conversations sont celles où il est possible de débattre et de discuter stratégiquement, et où existe une relation qui les sous-tend. Si vous ne pouvez pas avoir cela avec un avatar, alors c’est juste une question et un chatbot », a noté Gay.
Compréhension et transparence de Voice AI
Bien que les modèles d’IA vocale se soient améliorés, les assistants IA ne comprennent souvent pas les utilisateurs, ou votre enregistreur de réunion montre une transcription ou un résumé incorrect.
Wen pense que les modèles de reconnaissance vocale automatique (ASR) manquent souvent des mots-clés importants, ce qui pose problème dans la capture du contexte entier.
Otter’s Gay était d’accord avec cela, ajoutant que l’entreprise continue de travailler sur l’amélioration de la transcription. Il a également déclaré que le langage est un domaine où les modèles vocaux doivent s’améliorer.
« Pour Otter, vous savez, la transcription n’a jamais été le point final. C’était simplement une étape sur laquelle nous pouvions commencer à maximiser la productivité. Mais si votre transcription originale ne présente pas l’exactitude nécessaire, toutes les actions ultérieures deviennent erronées. Dès que l’on entre en action, c’est faux. On perd la confiance dans la plateforme. » « Il est essentiel pour nous de continuer à améliorer ce modèle d’ASR, car tous les impacts ultérieurs sont significatifs », a-t-il dit.
Avec les nouveaux outils vocaux, il y a également une question de transparence. Les outils doivent déclarer aux clients qu’ils sont enregistrés ou en conversation avec une IA. Otter a dit qu’il souhaite instiller la confiance chez les personnes présentes lors des réunions, de sorte que, même pour une réunion où le bot n’est pas présent, on puisse utiliser des méthodes comme notifier tout le monde dans le chat que la réunion est enregistrée. Wen de PolyAI a également déclaré qu’il est important d’indiquer clairement dans les appels d’entreprise que les personnes discutent avec une IA.