J’ai relu mon texte de 2007 sur les robots humanoïdes. Huit ans plus tard, de meilleurs avatars et des voix plus fluides provoquent encore un malaise lorsque l’apparence promet une compréhension que le système n’a pas.

Une interface vocale enregistre le son, le découpe, extrait des caractéristiques acoustiques, reconnaît une suite de mots, classe l’intention et remplit des paramètres. Un moteur choisit ensuite une réponse et un synthétiseur la prononce. Chaque étape produit une probabilité; la voix finale masque facilement cette incertitude.

Une demande banale traverse plusieurs modèles

Pour « reporte ma réunion de mardi à trois heures » :

1. détecter le début et la fin de parole;
2. convertir l’audio en texte;
3. reconnaître l’intention deplacer_reunion;
4. extraire date, heure et réunion visée;
5. demander une précision s’il existe deux réunions;
6. appeler le calendrier avec l’identité de l’utilisateur;
7. confirmer l’objet réellement modifié.

Si la reconnaissance transforme mardi en mercredi, une réponse trop humaine peut donner une fausse assurance. L’écran ou la voix doit répéter la date avant l’écriture. La confidence décide quand confirmer, proposer des choix ou abandonner vers une interface classique.

Un avatar ajoute animation du visage, synchronisation labiale et regard. Un léger décalage ou une expression presque correcte peut être plus dérangeant qu’un personnage stylisé. Le problème n’est pas seulement graphique : l’apparence humaine fait attendre mémoire, empathie et responsabilité.

Concevoir la limite comme une fonction

Le système doit annoncer qu’il est automatisé, montrer ce qu’il a compris et fournir une sortie. Les opérations irréversibles demandent confirmation. Les conversations sont journalisées avec prudence : l’audio peut contenir des personnes non consentantes, des noms et des sujets sensibles. La rétention, les accès et l’effacement doivent être explicites.

Une panne réseau ou de reconnaissance ne devrait pas lancer une action par défaut. L’application conserve un brouillon, offre les champs déjà compris et permet de terminer manuellement. Les modèles sont testés avec accents, bruit, appareils et personnes variées; un taux moyen peut cacher un groupe systématiquement moins bien servi.

Mesurer la calibration de la confiance

Après chaque tâche, je demanderais à l’utilisateur s’il croit que l’action a réussi, puis je comparerais avec le résultat réel. Une interface bien calibrée produit une confiance élevée quand le système a vérifié et une confiance prudente lorsqu’il doute. Si l’avatar obtient 95 % de confiance pour 80 % de réussite, son ton ou son feedback trompe. On peut montrer le paramètre reconnu, utiliser une confirmation visuelle et éviter les formulations absolues. Les erreurs sont regroupées par étape — reconnaissance, intention, API — pour corriger la cause. Cette mesure évalue la relation entre apparence et fiabilité plutôt que le réalisme seul.

Je comparerais deux prototypes : un assistant clairement mécanique et un avatar réaliste, avec mêmes capacités. Je mesurerais réussite, corrections, temps et confiance après erreur. Si le réalisme augmente la confiance sans augmenter la fiabilité, il est une dette d’interface. L’imitation vaut quelque chose seulement lorsqu’elle aide la personne à comprendre et contrôler le mécanisme.