En bref
- Les progrès de la voix IA ne suffisent pas encore à garantir des conversations crédibles.
- La précision des réponses et la compréhension du contexte restent des défis majeurs.
- Informer les utilisateurs de la présence d’une IA est indispensable pour instaurer la confiance.
Les voix IA savent de mieux en mieux parler. Le problème, c’est que vous n’avez pas forcément envie de leur confier un appel au SAV ou une réunion sensible pour autant. Et c’est bien là que le secteur cale encore.
Le fantasme du grand déclic attend toujours
Sur scène à la conférence HumanX, Shawn Wen, CTO de PolyAI, a expliqué que la voice AI n’avait pas encore connu son moment ChatGPT. Pas parce que la techno stagne, loin de là. Les modèles full-duplex, capables d’écouter et de parler en même temps, existent déjà.
Mais pour lui, l’étape suivante est ailleurs, dans la vitesse de raisonnement. En gros, une conversation ne paraît naturelle que si la machine va chercher la bonne réponse presque instantanément. Si ça réfléchit trop longtemps, l’illusion saute. Et une voix très propre ne suffit plus.
Au téléphone, une IA doit rassurer avant de convaincre
Côté service client, PolyAI voit un autre verrou. Une IA ne peut pas sonner robotique si elle veut que l’appelant reste en ligne et lui laisse une vraie chance. Shawn Wen estime que tout se joue très vite, sur les deux ou trois premiers échanges, quand le client commence, ou non, à croire que son problème peut être réglé sans humain.
L’idée est simple. Si la voix inspire confiance et si la réponse suit, l’utilisateur accepte plus facilement de continuer avec l’agent. Sinon, il décroche mentalement tout de suite. C’est bête, mais c’est là que se gagne l’usage réel.
Réunions et transcription, le talon d’Achille est encore là
Chez Otter, le constat est proche, avec une autre priorité. Son CMO, Alex Gay, insiste sur trois briques pour automatiser correctement : reconnaître qui parle, capter l’intention, puis relier tout ça à la connaissance de l’organisation. La société travaille aussi sur des jumeaux numériques capables de représenter des personnes en réunion.
Sauf que si l’avatar ne restitue pas les émotions d’une vraie discussion, le résultat retombe vite au niveau d’un simple bot de questions-réponses. Et ça, pour une réunion où l’on débat ou où l’on tranche du stratégique, ça ne passe pas.
Le nerf de la guerre reste la transcription. Shawn Wen juge que les modèles d’ASR, la reconnaissance vocale automatique, ratent encore des mots clés décisifs, ce qui casse le contexte. Alex Gay dit la même chose autrement : si la base est fausse, toutes les actions qui suivent le sont aussi. Résultat, la confiance disparaît très vite.
La transparence, sinon tout le château s’écroule
Et puis il y a un point que pas mal de boîtes préfèrent parfois contourner, la transparence. Pour Otter, les participants doivent savoir qu’une réunion est enregistrée, y compris avec des méthodes comme un message de notification dans le chat quand le bot n’est pas visible.
Même logique chez PolyAI pour les appels en entreprise. Dire clairement qu’on parle à une IA, ou qu’on est enregistré, n’est pas un détail légal plaqué à la fin. C’est la base pour installer la confiance. Sans ça, la voix IA peut être bluffante, elle reste quand même un gadget stressant.
