Concevoir des assistants numériques IA axés sur la dynamique et non sur la conversation

Qu’est-ce qui change lorsque l’IA est utilisée dans les espaces publics ?

La conversation est l’un des moyens les plus courants pour demander de l’aide, clarifier un doute et coordonner une action. L’interaction vocale fonctionne souvent bien dans des contextes privés. À la maison, en voiture ou via un appareil personnel, parler à un assistant peut sembler direct et pratique. L’utilisateur contrôle le rythme, le contexte est familier et les erreurs restent généralement privées.

L’IA conversationnelle est souvent jugée sur le naturel de son discours. On se demande si l’assistant est capable de maintenir le dialogue, de répondre avec aisance, de comprendre l’intention et de faire perdurer l’échange.

Les recherches sur les assistants vocaux numériques et les interfaces utilisateur vocales ont également porté sur l’ergonomie, l’expérience utilisateur et les recommandations de conception pour les systèmes conversationnels [1, 2, 3].

L’utilisation de l’IA dans les espaces publics et semi-publics modifie la dynamique : les utilisateurs recherchent rarement la conversation pour elle-même dans ces contextes. Ils recherchent une orientation, de la clarté et une prochaine étape concrète.

Un client se tenant dans le hall d’un hôtel, un client dans un magasin ou un voyageur dans un aéroport ne recherche généralement pas la conversation en soi. Il se tient debout, se déplace, attend, regarde autour de lui et est parfois observé par d’autres. Son attention est partagée entre l’assistant, l’environnement physique et la tâche qu’il est venu accomplir.

Dans ce contexte, la meilleure expérience d’IA n’est peut-être pas celle qui ressemble le plus à une conversation. C’est peut-être celle qui aide les gens à garder leurs repères, à rester confiants et à pouvoir continuer.

Cela soulève une question de conception différente : au lieu de se demander « Comment faire pour que l’IA s’exprime plus naturellement ? », nous devrions nous demander « Comment aider les gens à aller de l’avant avec moins d’efforts ? ».

Dans les espaces publics, parler à voix haute devient un acte socialement visible. L’utilisateur doit décider non seulement de ce qu’il va demander, mais aussi s’il se sent à l’aise de le faire devant d’autres personnes. Si le système se méprend, demande une répétition ou donne une réponse longue, la situation peut rapidement devenir gênante. Les recherches sur l’acceptabilité sociale de l’interaction mobile soulignent l’importance du lieu et du public [4]. De même, des études sur les assistants vocaux montrent que le contexte et les préoccupations liées à la vie privée influencent la volonté d’utiliser la voix en public [5, 6].

Cela signifie qu’avant même que l’interaction ne commence, l’utilisateur a besoin d’être guidé. Il doit savoir ce que l’assistant est capable de faire, à quel type de réponse s’attendre et quel effort l’interaction va lui demander.

Max : l’assistant numérique d’Orange pour les espaces de service public

Les assistants numériques commencent à faire leur apparition dans des environnements publics et concrets. La question de la qualité de l’interaction prend donc de plus en plus d’importance. Dans les espaces publics, le défi ne consiste pas seulement à savoir si l’IA peut répondre correctement, mais aussi si elle peut aider les personnes à rester orientées, confiantes et capables d’aller de l’avant.

Les équipes de recherche d’Orange ont exploré ces questions avec Max, un assistant numérique conçu pour les espaces de service public, dans le cadre d’une expérience d’un an menée dans un environnement hôtelier. Max a été installé sous la forme d’un présentoir physique dans un espace public commun. Le système combinait interaction vocale, guidage à l’écran et moyens de transférer des informations vers un appareil personnel. Cela a permis à l’équipe d’observer non seulement si les utilisateurs parvenaient à accomplir leurs tâches, mais aussi comment ils abordaient l’assistant, dans quelle mesure ils se sentaient à l’aise pour lui parler et ce qui les aidait à se réorienter lorsque l’interaction devenait incertaine.

Lorsqu’ils interagissaient avec Max, les utilisateurs regardaient souvent l’écran avant de s’engager pleinement par la voix. Un rapide coup d’œil aux catégories, boutons ou invites visibles les aidait à se construire une carte mentale du système. Une fois qu’ils avaient compris les options disponibles, l’utilisation de la voix devenait plus facile.

L’écran ne faisait pas concurrence à la parole. Il lui préparait le terrain.

Il s’agit là d’un changement important. Lorsque l’IA est utilisée dans des espaces publics, la structure visuelle n’est pas simplement une solution de secours en cas d’échec de la conversation. C’est souvent ce qui rend l’interaction vocale rassurante, prévisible et facile à engager.

La voix doit être porteuse de progrès, pas de mémoire

La voix peut réduire l’effort lorsqu’elle aide l’utilisateur à progresser rapidement dans une interaction. Elle peut être plus rapide que la navigation dans les menus, plus naturelle que la saisie au clavier et plus accessible dans de nombreuses situations.

Mais la voix devient exigeante lorsqu’on attend d’elle qu’elle véhicule trop d’informations.

L’information orale est éphémère. Une fois communiquée, elle disparaît à moins que l’utilisateur ne s’en souvienne, ne demande une répétition ou ne la retrouve représentée ailleurs. Dans un cadre public, où l’attention est déjà fragmentée, cela peut accroître les exigences en matière de mémoire. Une longue liste d’options, des instructions détaillées ou plusieurs recommandations transmises uniquement par voie audio peuvent s’avérer plus difficiles à utiliser qu’un simple résumé visuel. Les recherches sur l’utilisation des chatbots dans les tâches professionnelles soulignent également l’importance d’évaluer la charge cognitive parallèlement à la productivité [7].

Cela ne signifie pas que la voix ne soit pas adaptée aux espaces publics. Cela signifie qu’elle doit être conçue pour transmettre des progrès, et non pour faire appel à la mémoire.

Des réponses courtes, des étapes suivantes claires et une confirmation visible préservent les atouts de la parole sans obliger l’utilisateur à retenir mentalement l’intégralité de l’interaction. La voix peut dire ce qui importe ici et maintenant. L’écran peut afficher ce qui doit rester visible. Un transfert vers un support mobile, tel qu’un code QR, peut transmettre des informations au-delà du point d’interaction physique.

Cette approche vocale a été explorée non seulement pour l’interaction avec l’utilisateur final, mais aussi du côté des services. Voice CMS, un système de gestion de contenu vocal, a permis au personnel de mettre à jour la base de connaissances de l’assistant par le biais de la conversation. Dans une petite étude exploratoire, les utilisateurs ont préféré la voix pour les mises à jour simples, tandis que l’interaction graphique était généralement privilégiée à mesure que les tâches devenaient plus complexes. Les résultats ont également mis en évidence l’importance des résumés et la valeur potentielle de la confirmation visuelle [8].

Cela est apparu particulièrement clairement dans les situations où les utilisateurs recevaient des indications, des recommandations ou des informations dont ils avaient besoin après avoir quitté l’assistant. Lorsque les informations pouvaient être transférées vers un appareil personnel, l’expérience changeait. L’utilisateur n’avait plus besoin de tout retenir, de répéter l’itinéraire ou de craindre de perdre les détails.

Un participant l’a décrit simplement : « Je n’avais plus besoin de tout retenir. »

Cette phrase résume un principe de conception essentiel. Parfois, la fonctionnalité d’IA la plus utile n’est pas celle qui se prête le mieux à la conversation. C’est celle qui allège la charge mentale de l’utilisateur.

Multimodalité : garantir une interaction fluide

On décrit souvent la multimodalité comme un moyen d’offrir davantage d’options aux utilisateurs : ils peuvent parler, toucher, lire ou poursuivre sur un autre appareil. C’est vrai, mais ce n’est pas tout.

Dans des environnements réels, les utilisateurs ne se contentent pas de choisir un canal et de s’y tenir. Ils continuent à utiliser un canal tant qu’il les aide à avancer, et passent à un autre lorsqu’il commence à limiter leur compréhension, leur contrôle ou leur progression. La voix aide à maintenir le rythme. Les éléments visuels permettent de se repérer. Les appareils personnels prolongent l’interaction au-delà de la borne, du comptoir ou de l’écran.

Cela corrobore des conclusions antérieures selon lesquelles le choix de la modalité dépend fortement du contexte d’utilisation et que les interfaces vocales et visuelles favorisent différentes formes d’action, de contrôle et de coopération [9, 10, 11].

Ensemble, ces modalités forment un système de soutien.

Elles aident les utilisateurs à réguler leur attention, à réduire les sollicitations de la mémoire et à surmonter l’incertitude sans abandonner l’interaction. Cela est particulièrement important dans les espaces publics, où même de petits dysfonctionnements peuvent être plus visibles qu’ils ne le seraient à la maison.

Un malentendu dans un cadre privé peut n’être qu’un désagrément mineur. Le même malentendu dans un hall d’entrée ou un espace commercial peut amener l’utilisateur à hésiter, à cesser de parler, à passer à une interaction tactile ou à quitter le système purement et simplement. Les défaillances d’un assistant vocal peuvent affecter la confiance et la volonté future de s’en remettre au système, même lorsque la panne est temporaire [12].

C’est pourquoi la récupération ne doit pas être considérée comme une exception. Elle doit faire partie intégrante du modèle d’interaction dès le départ.

Un récapitulatif visuel, un bref résumé, un bouton « Clair », un transfert via QR code ou une option permettant de reprendre plus tard peuvent tous aider les utilisateurs à retrouver confiance. Ces éléments peuvent sembler secondaires par rapport au moteur conversationnel, mais dans la pratique, ils déterminent souvent si l’interaction reste suffisamment agréable pour se poursuivre.

Concevoir pour maintenir l’élan

À mesure que l’IA conversationnelle gagne en capacités, il est tentant de considérer la conversation comme l’objectif principal. Mais les environnements de services publics et semi-publics exigent une approche de conception plus précise.

Dans ces contextes, la conversation n’est généralement pas une fin en soi. C’est un moyen d’aider les gens à accomplir une tâche.

Un client d’hôtel peut souhaiter trouver le spa, consulter les options de restauration ou obtenir un itinéraire. Un client dans un magasin peut vouloir comparer des services ou comprendre une offre. Un voyageur peut avoir besoin de s’orienter rapidement, sans s’engager dans un long échange. Dans chaque cas, la valeur de l’IA dépend moins de sa capacité à entretenir un dialogue que de son efficacité à aider l’utilisateur à passer à l’étape suivante.

Conclusion

Concevoir une IA axée sur la dynamique implique d’utiliser chaque modalité pour ce qu’elle fait le mieux. L’écran aide les utilisateurs à comprendre où ils en sont dans l’interaction et ce qu’ils peuvent faire ensuite. La voix accélère l’expérience lorsqu’une réponse courte ou une instruction claire suffit. Elle fonctionne mieux lorsqu’elle transmet la progression, et non la mémoire. Les écrans, le retour visuel et les résumés aident à maintenir l’orientation, tandis que les relais mobiles, tels que les codes QR, préservent la continuité lorsque l’utilisateur s’éloigne du point d’interaction.

Ensemble, ils aident les utilisateurs à reprendre confiance et à poursuivre.

Cela signifie également accepter que la meilleure IA publique soit parfois celle qui parle le moins.

L’objectif n’est pas d’amener les gens à admirer la conversation. Dans les espaces publics et semi-publics, les utilisateurs recherchent rarement la conversation pour elle-même. Ils recherchent une orientation, de la clarté et une prochaine étape concrète.

L’objectif est de les aider à aborder le système sans hésitation, à comprendre ce qu’ils peuvent faire, à se réorienter en cas d’incertitude et à repartir avec les informations dont ils ont besoin.

Pour les concepteurs et les équipes produit, la conclusion est simple : l’IA publique ne doit pas être évaluée uniquement en fonction du caractère naturel de la conversation. Elle doit également être évaluée en fonction de la capacité des utilisateurs à comprendre le système, à se sentir maîtres de la situation et à aller de l’avant sans supporter de charge mentale inutile.

La profondeur de la conversation restera importante dans de nombreux canaux de relation client, où le dialogue lui-même peut faire partie de l’expérience de service. Mais pour les assistants déployés dans des espaces publics partagés, la priorité est différente. L’avenir de l’IA publique dépendra peut-être moins de la capacité à rendre les assistants plus bavards que de celle à les rendre plus accessibles, plus faciles à comprendre et à permettre aux utilisateurs de repartir en toute confiance.

Ces conclusions ont désormais une portée qui dépasse le cadre de la recherche. Max, l’assistant numérique d’Orange, passe de la phase d’expérimentation et de projets pilotes à un déploiement commercial, avec ses premiers clients en Pologne. À mesure que les assistants numériques s’intègrent dans de véritables environnements de service, la dynamique, la capacité de reprise et la réduction de l’effort cognitif deviennent des conditions indispensables à leur adoption.

Pour Max, comme pour de nombreux assistants destinés aux espaces publics, la mission ne consiste pas simplement à poursuivre la conversation, mais à aider les utilisateurs à poursuivre leur tâche.

Ce texte a été traduit avec une intelligence artificielle.

En savoir plus

Luger, E., & Sellen, A. (2016). « C’est comme avoir un assistant personnel vraiment nul » : le fossé entre les attentes des utilisateurs et leur expérience des agents conversationnels. Dans les Actes de la conférence CHI 2016 sur les facteurs humains dans les systèmes informatiques (pp. 5286–5297). ACM. https://doi.org/10.1145/2858036.2858288