Apprendre aux machines à parler aux humains est une affaire délicate

Apprendre aux machines à parler aux humains est une affaire délicate

Dans le domaine du commerce conversationnel, les experts en expérience utilisateur ne parlent plus que d'une chose : comment parler.

Nous apprenons l’art de la conversation à un tout nouveau niveau, l’apprentissage n'est pas seulement sur comment parler aux clients, mais aussi  à propos de comment rendre la conversation éloquente. Nous voulons que l’expérience de la conversation monte en puissance, dans un contexte social et global correct.

Nous voulons que la conversation soit naturelle, authentique.

Nous faisons des recherches, créons des parcours clients, faisons des prototypes et expérimentons. Nous utilisons le concept de design thinking pour essayer d’arriver au cœur du problème ou du besoin client, pour trouver une solution à la communication client qui n’est pas seulement élégante et sans friction, mais aussi agréable, naturelle et digne de confiance.

Enseigner aux machines comment apprendre à communiquer avec nous n’est plus juste de la science-fiction.

« Alexa, ouvre le hublot. » 

(Accidentellement, si vous faites cela, Alexa répondra « Je suis désolé Dave, j’ai peur de ne pas pouvoir faire cela, je ne suis pas Hal et nous ne sommes pas dans l’espace »)

En combinant la technologie de la reconnaissance vocale et l’intelligence artificielle, nous voyons que nous pouvons y parvenir. Des conversations sensées entre les machines et les humains ont commencé à se développer, mais tout au long du chemin, nous découvrons de nouveaux défis que l’on ne pensait pas rencontrer.

Voici les défis sur lesquels nous travaillons :

Bien qu’elle soit bien avancée, la technologie a toujours besoin d’amélioration  

Le langage est complexe. Alors que nous sommes plus avancés que jamais, il existe toujours des limitations sur ce que nous pouvons faire pour que les machines comprennent notre langage.

Les grandes compagnies comme Google, Facebook, et Amazon investissent beaucoup en recherche et dans les communautés de développeur pour améliorer l’IA. Le développement collaboratif nous mènera là.

Examiner le contexte d’utilisation

La ligne est mince entre l'espace public et l'espace privé. Est-ce que les consommateurs veulent utiliser un distributeur de banque en utilisant leur voix ? Qu’en est-il de la vie privée ? Le robot écoutant une commande est-il capable d’entendre des choses qu’il ne devrait pas entendre ? Ce n’est pas encore naturel dans nos lieux publics de parler à un ordinateur et tout le monde n’est pas à l’aise avec cela. Ce genre de discussion ne peut être forcé. Cela fait longtemps que nous communiquons avec les autres en tapotant sur nos claviers. Les personnes sont-elles à l’aise avec l’IA et les interfaces vocales qui sont toujours à l’écoute ? Enregistrent-elles ? Existe-t-il un Cloud connecté ? 

L’interface vocale est-elle appropriée ? Creusons un peu.

Seulement parce que c’est nouveau, cela ne veut pas dire que nous en avons besoin. Alors que la technologie est utile dans de nombreuses situations, de temps en temps, peut-être qu’une interface utilisateur graphique marcherait mieux, ou peut-être un assemblage de la voix et de graphiques. Avec les nouvelles options disponibles pour les designers, le design thinking est plus important que jamais. Nous devons vraiment creuser profondément et comprendre où sont les difficultés d’une vraie conversation, pour créer des solutions aux vrais problèmes, au lieu d’en créer de nouveaux.

Les robots peuvent-ils comprendre la personnalité de la marque et bâtir de la confiance ? 

Confiance aux App = Confiance de marque

Comme nous nous engageons dans le parcours client avec de nouvelles technologies, nous faisons nécessairement des erreurs – nous n’avons pas eu tout bon. Siri est un bon exemple d’interface vocale qui a souffert de son adoption précoce et d'un manque de maturité technologique. Souvent, Siri est légèrement hors jeu. En plus des incompréhensions, la technologie de Siri ne peut suivre une conversation complexe. Même si vous la questionner au sujet d’une ville, elle ne vous conseillera pas de café-restaurants si vous lui rappelez pas la ville dans la phrase suivante. Précision et vitesse sont nécessaires pour développer de la confiance envers les machines.

Les défis multilingues 

À Montréal, où je vis, une ville bilingue au Canada, c’est un défi compliqué. Différents accents, des noms de rue dans d’autres langues, des expressions qui sont propres à la ville, ne peuvent être compris facilement. Le langage est sophistiqué et cela prendra du temps aux machines d’apprendre comment nous parlons. 

Avancer prudemment lorsque vous vous préparez à aborder le sujet de la conversation.

Apprendre aux machines à parler humain est une affaire délicate.