Les interfaces vocales avec l'IA sont enfin utilisables (et les cas d'utilisation ne sont pas ceux promis)
Une décennie de promesses vocales ratées s’est terminée tranquillement cette année. Les cas d’utilisation gagnants se sont révélés petits, privés et étonnamment spécifiques.
L’informatique vocale a passé une décennie à ne pas tenir ses promesses : la maison intelligente qui n’a pas tenu ses promesses, l’assistant qui a mal entendu, la dictée qui a nécessité plus d’édition que de saisie. Cette année, tranquillement, la voix est devenue utilisable. Pas pour les raisons promises, ni pour les cas d’utilisation promis.
Le changement est la compréhension. Les modèles actuels gèrent suffisamment bien le contexte, l'interruption, la correction et la variation d'accent pour que la conversation cesse d'être une transaction avec un distributeur automatique. Je parle, il pose parfois une question de clarification, l'échange se répare tout seul. La capacité de réparation était toujours la pièce manquante ; Une reconnaissance parfaite au premier passage n’a jamais été réalisable et n’a jamais été réellement nécessaire.
Les cas d’usage qui ont gagné ne sont pas les démos. Personne ne gère son agenda vocalement dans un bureau partagé. Ce qui fonctionne : capturer pendant que les mains et les yeux sont occupés (cuisiner, conduire, marcher), rédiger en parlant car la parole est plus rapide que taper pour une pensée brute, et le cas d'utilisation privée que personne ne commercialise, qui consiste à penser à voix haute à quelque chose qui demande de bons suivis.
Ce qui échoue encore, c'est tout ce qui nécessite de la précision ou un public. La voix est mauvaise pour les chiffres exacts, pire pour tout ce que les autres entendront et gênante dans chaque espace partagé, c'est-à-dire la plupart des espaces. L’interface reste privée par nature, et prétendre le contraire est la raison pour laquelle tant de produits vocaux sont morts sur scène devant un public auquel ils n’auraient jamais dû s’adresser.
Ma propre utilisation s'est installée en trois moments de voix quotidiens, tout seul, le tout avec les mains pleines ou mes pensées plus rapides que mes doigts. Il s’agit d’un marché plus petit que celui promis par la maison intelligente et plus réel que les démos vendues. Enfin utilisable, utile dans moins d’endroits que prévu et vaut enfin la peine d’être appris.