L'IA vocale n'a pas encore connu son moment ChatGPT, selon des dirigeants qui travaillent au cœur du secteur. Malgré des milliards de dollars injectés dans les start-up de la voix et une vague continue de nouveaux modèles qui promettent de sonner humains, la technologie échoue encore de manières que les utilisateurs remarquent immédiatement.
Lors de la conférence HumanX, Shawn Wen, directeur technique de PolyAI, et Alex Gay, directeur marketing d'Otter, ont expliqué que les pièces manquantes sont un raisonnement rapide, un contexte fiable et une transcription précise. Tant que ces éléments ne progressent pas, les agents vocaux continueront de perdre la confiance des personnes qu'ils sont censés aider.
Les modèles full-duplex ne sont qu'une première étape
Shawn Wen reconnaît que le secteur a déjà franchi le cap des modèles en full-duplex, capables d'écouter et de parler en même temps. À son avis, le prochain défi consiste à rendre le raisonnement assez rapide pour que les réponses arrivent vite et que la conversation paraisse naturelle.
Il ajoute que les agents du service client doivent éviter de paraître robotiques et donner aux appelants la certitude que leur problème sera réellement résolu. Une fois qu'un appelant s'engage sur les deux ou trois premiers échanges, cette confiance commence à s'installer, et il peut ne plus ressentir le besoin de demander un humain.
Pourquoi les chaînes de traitement de l'IA vocale continuent de casser
Alex Gay indique qu'Otter traite la transcription comme une couche de départ et non comme un objectif final, car tout ce qui suit en dépend. Si la transcription d'origine est inexacte, chaque résumé et chaque action de suivi construits dessus sont faussés, et les utilisateurs perdent vite confiance dans la plateforme.
Shawn Wen pointe la reconnaissance automatique de la parole comme un point faible fréquent, en notant que les modèles ASR manquent souvent des mots-clés importants et échouent donc à saisir le contexte global. Alex Gay convient que la langue reste un domaine où les modèles vocaux doivent encore beaucoup progresser.
