Comment Alexa anticipe les demandes de ses utilisateurs?
Une fois sur trois, le système vocal Alexa agit proactivement, suggérant des actions à l’utilisateur en fonction d’habitudes qu’il a constatées ou d’un objectif jugé probable. Des capacités nécessitant une combinaison d’algorithmes sophistiqués.
L’assistant vocal Alexa, qui équipe les enceintes connectées Echo d’Amazon et quantité d’appareils d’autres marques, y compris des automobiles, fait de plus en plus de choses sans que l’utilisateur les lui ait demandées. Dans le domaine de la domotique, 30% des interactions sont aujourd’hui déclenchées directement par Alexa, selon Amazon. Pour la firme, cette capacité à agir proactivement et à anticiper les demandes des utilisateurs est un élément clé de «l’intelligence ambiante», soit un environnement où l’IA est partout pour s’accorder à nos besoins.
Routines et prémonitions
Les «routines» sont la manière la plus courante pour Alexa d’agir de son propre chef. Les utilisateurs déterminent une suite d’actions à automatiser à un certain moment (allumer la machine à café et jouer de la musique à telle heure) ou en fonction d’un événement particulier (ajuster la température de mon domicile quand je quitte mon bureau) et l’IA s’en occupe.
A grand renfort d’intelligence artificielle, Amazon a enrichi cet outil en 2018 pour qu’Alexa puisse non plus seulement exécuter les routines «programmées par les utilisateurs» , mais aussi les corriger. Baptisée Hunches (que l’on peut traduire par «prémonition»), cette fonctionnalité peut détecter ce qu’elle considère une anomalie et en faire part à l’utilisateur. Par exemple lui indiquer que la lumière du garage est allumée et lui demander s’il souhaite l’éteindre. Plus avancé encore, l’outil Hunches peut détecter un schéma d’interaction fréquent et proposer à l’utilisateur d’en faire une routine, voire même établir directement cette routine. Si par exemple Alexa constate que les jours où je travaille, j’accomplis une série d’actions en quittant mon domicile, il peut me suggérer d’automatiser cette séquence.
Si la chose semble aisée, elle ne l’est pas techniquement, vu les innombrables combinaisons possibles dans une maison équipée de multiples appareils connectés. Sans compter que le système n’a aucune idée que tel appareil appartient à la salle de bain ou de ceux qui sont allumées et éteints pendant une soirée TV. La fonctionnalité repose ainsi sur une combinaison d’algorithmes, qui vont regrouper les appareils et leur état (clusters), prédire la combinaison souhaitée, et déterminer s’il est pertinent d’envoyer une suggestion de routine à l’utilisateur.
Anticiper les besoins
Toujours dans l’idée de prendre en charge certaines actions, Alexa dispose également d’une fonctionnalité de prédiction des intentions non-exprimées de l’utilisateur - ses «objectifs latents». Ainsi par exemple, à l’utilisateur qui demande «Combien de temps pour faire infuser du thé?», Alexa peut faire l’hypothèse que la personne veut s’en préparer et lui répondre non seulement «Cinq minutes», mais aussi «Voulez-vous que je règle un minuteur pour 5 minutes?».
Ici aussi, cette interaction n’a rien de trivial et nécessite plusieurs algorithmes sophistiqués, dixit Amazon. La première étape consiste à décider si l’utilisateur a bel et bien un objectif latent. Pour ce faire, le système s’appuie sur un modèle de modèle de déclenchement basé sur le deep learning qui prend en compte plusieurs aspects du contexte du dialogue entre l’utilisateur et Alexa.
Si le système juge qu’il y a un objectif latent, il va chercher à le déterminer en analysant notamment la probabilité que les deux interactions coïncident dams le contexte donné par rapport à l’ensemble des situations possibles. L’utilisateur acceptant ou refusant les suggestions, le système apprend activement et s’améliore peu à peu, identifiant mieux les objectifs de l’utilisateur, et décidant mieux des suggestions à lui présenter ou pas.
