L'IA apprend à lire la pièce : des émotions au contexte

Imaginez que vous vous asseyez à votre bureau pour un entretien d'évaluation, avec un système d'IA analysant la conversation. Vous travaillez de longues heures, jonglant avec les délais, et votre manager vous demande comment vous allez. Vous dites que tout va bien, et peut-être même souriez-vous, mais il y a une hésitation dans votre voix et vos épaules s'affaissent. Ces signaux subtils pourraient indiquer un stress sous-jacent, mais pour un modèle d'IA entraîné uniquement à classer les émotions comme « heureux » ou « triste », ces nuances sont probablement perdues. Il enregistre les mots et le sourire et passe à autre chose, et à moins que votre manager humain n'intervienne, le fait que vous soyez fatigué, distrait et peut-être à quelques jours de l'épuisement professionnel n'entre jamais en ligne de compte.

« L'IA émotionnelle », qui estime ce que les gens ressentent en se basant sur les expressions faciales, le ton de la voix et le comportement, semble soudainement omniprésente ; elle est utilisée dans le bien-être des employés, les entretiens de recrutement, les plateformes éducatives et les systèmes de surveillance des conducteurs. Des plateformes technologiques de centres d'appels comme NiCE et Genesys utilisent l'IA pour détecter quand un client semble frustré et incitent les agents en temps réel à ralentir ou à répondre avec plus d'empathie. Des géants comme Meta et des startups comme Hume AI développent des systèmes vocaux d'IA plus expressifs capables de détecter les signaux émotionnels de leur interlocuteur et d'adapter leur communication.

De plus, des centaines d'entreprises proposent déjà des applications de compagnie virtuelle basées sur l'IA, un marché en pleine croissance qui pourrait valoir environ 555 milliards de dollars d'ici 2035, et des robots compagnons sont également entrés en scène. Par exemple, ElliQ d'Intuition Robotics est un petit appareil ressemblant vaguement à une lampe de bureau blanche, désormais utilisé pour engager la conversation avec les personnes âgées dans l'espoir de réduire la solitude. Mais bien que le domaine de l'IA émotionnelle progresse rapidement, la plupart des systèmes existants se concentrent sur la détection d'un nombre limité de signaux pour étiqueter une émotion spécifique à la fois, ce qui est insuffisant pour comprendre la condition humaine.

Dans le monde réel, les signaux et émotions humains sont contextuels, se chevauchent et changent constamment. Un rire peut signaler la joie, la nervosité, ou les deux ; une voix élevée peut exprimer aussi bien l'enthousiasme que la frustration. Pour compliquer encore la tâche de détection des émotions, les réactions varient considérablement d'un individu à l'autre selon la démographie, le contexte culturel et d'innombrables autres variables. En d'autres termes, il existe un écart entre ce que nous attendons de l'IA et ce qu'elle peut réellement fournir. C'est cet écart qu'un nouveau domaine de recherche — ce que nous appelons l'IA contextuelle humaine — s'efforce de combler.

Au lieu de se contenter d'une seule entrée et de l'étiqueter, l'IA contextuelle humaine a de plus en plus la capacité de prendre en compte la personnalité et le caractère d'un individu, et de suivre les émotions en temps réel tout en combinant de multiples entrées, y compris la dynamique faciale, la voix, le ton, le langage et le comportement. Crucialement, les réponses sont également évaluées dans le contexte d'un environnement spécifique, comme une évaluation de performance ou une séance de coaching professionnel. Le résultat ? Les ordinateurs apprennent à lire la scène, et non seulement l'écran. L'histoire de l'IA émotionnelle a commencé il y a près de trois décennies au MIT Media Lab, où Rosalind Picard a inventé le terme « informatique affective ». Ses premières expériences se concentraient sur des modalités uniques : expressions faciales, ton de la voix et signaux physiologiques. Au fil du temps, les chercheurs et les entreprises ont amélioré la mesure des nombreuses façons dont les humains s'expriment, et des études récentes montrent que la combinaison de plusieurs types de signaux améliore considérablement la précision de la reconnaissance des émotions.