Quiconque a déjà travaillé avec n’importe quel type de système d’intelligence artificielle sait que l’automatisation est difficile. Théoriquement, un système d’IA fonctionne comme ceci : le système reconnaît autant que possible la requête qui lui est posée, puis compare ces termes à sa base de données pour proposer la réponse la plus logique – plus la base de données est grande, plus la précision est élevée. Et c’est généralement ainsi qu’ils fonctionnent, mais le problème est que les systèmes informatiques, aussi sophistiqués soient-ils, ne sont capables de calculer que sur la base d’une logique de base. Ils ne peuvent pas (au moins à ce stade) réfléchir à la requête et parvenir à des conclusions nuancées. Et la déconnexion ici est que les humains sont intrinsèquement nuancés – la seule façon de créer un système d’IA vraiment réactif et précis est d’avoir une contribution humaine, de former le système en mettant en évidence les erreurs et en proposant des alternatives.
C’est pourquoi les assistants d’IA comme Siri d’Apple sont toujours un peu décalés. Parce qu’il n’y a pas d’intervention humaine dans ce processus – vous devez connaître les bonnes questions à poser, les bons mots-clés à saisir, et Siri répondra ensuite à votre requête en fonction des réponses précédentes et des données apprises des autres utilisateurs. Mais il ne reçoit jamais assez de commentaires pour vraiment améliorer la précision – les variations linguistiques régionales, même les expressions familières individuelles peuvent déstabiliser le système, et lorsque cela se produit, les gens perdent confiance dans le produit.
Mais que se passe-t-il si vous procédez à une ingénierie inverse ? Et si, au lieu de vous fier totalement à l’IA, vous entamiez un système d’IA supervisé et assisté par une équipe de formateurs humains qui s’assuraient que les réponses étaient exactes ? Plus que cela, et si ces formateurs humains étaient également capables de faire des choses humaines en votre nom, comme passer des commandes et agir de manière intuitive, en fonction de vos données personnelles ? Et si, ce faisant, vos systèmes d’IA étaient entraînés avec des commentaires à chaque étape, à chaque étape, accélérant leur apprentissage à chaque interaction.
C’est l’approche adoptée par Facebook avec son nouvel assistant personnel pour Messenger, appelé ‘M’.
Réunion M
Prévu pour affronter Siri, ainsi que « Google Now » de Google et « Cortana » de Microsoft, M est intégré à l’expérience Messenger, évitant le processus parfois gênant de parler à votre téléphone et (en disant à plusieurs reprises « oui » pour confirmer les actions). Adoptant une approche différente de ses rivaux, Facebook a intégré M dans une fonctionnalité déjà populaire parmi sa base d’utilisateurs – Messenger est l’une des applications les plus populaires au monde, comptant 700 millions d’utilisateurs actifs par mois. Travaillant avec ce que les gens utilisent et connaissent déjà, M permettra aux utilisateurs de poser des questions par message.
Mais le vrai facteur de différenciation avec M est son fonctionnement. M utilise non seulement la mise en correspondance des données de l’IA, mais ses processus sont également supervisés par de vraies personnes. Le responsable de Facebook Messenger et ancien PDG de PayPal, David Marcus, a décrit la nouvelle fonctionnalité dans un article sur Facebook :
Aujourd’hui, nous commençons à tester un nouveau service appelé M. M est un assistant numérique personnel à l’intérieur de Messenger qui…
Publié par David Marcus le mercredi 26 août 2015
L’espoir de Facebook avec M est d’utiliser la popularité de Messenger, combinée aux ressources de données de Facebook, pour créer l’utilitaire ultime pour la découverte mobile, intervenant sur le terrain de longue date de Google. Alors que Google est toujours l’acteur dominant dans la recherche, Facebook espère que M pourra garder les utilisateurs dans les murs de Facebook plus longtemps – si vous êtes déjà sur Messenger et que vous souhaitez rechercher des réponses, M vous permettra de le faire sans cliquer sur et passer à une autre application.
« Nous commençons à capturer toutes vos intentions pour les choses que vous voulez faire », a déclaré Marcus à Wired. « L’intention mène souvent à l’achat de quelque chose, ou à une transaction, et c’est une opportunité pour nous de [make money] heures supplémentaires. »
Si M peut capitaliser sur les masses de données que Facebook possède dans ses banques de données, ainsi que sur l’apport supplémentaire de formateurs humains affinant et mettant à jour le système en temps réel, il pourrait s’agir du service d’assistance ultime. Mais comment dimensionner un tel processus ?
Déplacer des montagnes
Le processus M fonctionne comme ceci :
- Les utilisateurs toucheront un bouton en bas de l’écran Messenger pour envoyer un message à M
- Le logiciel d’IA de M analysera et évaluera le message pour déterminer la nature de la requête, puis posera des questions de suivi en fonction de son algorithme et des correspondances de données
- Une fois la requête clarifiée, M terminera la requête – qu’il s’agisse d’une réponse basée sur des données ou d’une tâche physique réelle – et enverra une mise à jour une fois terminée
Dans ce processus, les utilisateurs ne sauront pas si un humain est intervenu ou si le processus a été entièrement automatisé – la tâche est effectuée par M, c’est tout ce que vous devez savoir. En termes de tâches physiques, les formateurs de M ont une formation en service client et sont capables de porter un jugement sur des tâches plus complexes, où le logiciel peut avoir du mal à comprendre. Mais comme ils le font, ils sont également capables d’entrer ces données dans le système M pour mieux l’éduquer sur la réponse humaine et l’interprétation des signaux. Plus les gens utilisent le service, plus ils améliorent l’IA, qui, à terme, pourra peut-être prendre en charge l’ensemble du processus.
Mais pas encore.
M dispose d’une équipe dédiée de formateurs sur des rôles contractuels, et Marcus prévoit qu’à mesure que le service se développe, ils pourraient en employer des milliers, à un coût élevé. Dans ces conditions, comment Facebook peut-il s’attendre à ce que M devienne une offre rentable ?
Entreprise, avec un ‘M’ majuscule
Le succès et l’échec de M, bien sûr, dépendent de son exactitude. Plus le système est précis et fonctionnel, plus il sera utilisé, il est donc crucial de le faire correctement dès le début. Mais si Facebook peut faire les choses correctement, s’il peut fournir un service d’assistance fonctionnel via Messenger, alors les opportunités de revenus potentielles sont importantes.
« Si, par exemple, de nombreux appels doivent être passés par des personnes à des entreprises de câblodistribution, c’est un assez bon signal que leurs clients aimeraient en fait une meilleure façon d’interagir avec l’entreprise et qu’ils devraient peut-être avoir une présence à l’intérieur de Messenger directement », – David Marcus à Wired.
Ce n’est qu’un exemple de la façon dont les données M pourraient être utilisées pour générer des opportunités de service client améliorées via la plate-forme Messenger, un domaine d’intérêt pour la prochaine évolution du service. Jusqu’à présent, Facebook n’a pas poussé à monétiser Messenger, toujours soucieux d’avoir un impact sur l’expérience utilisateur (avec les leçons tirées des modifications précédentes de Facebook proprement dit, notamment de son tristement célèbre algorithme de fil d’actualité). Mais cela va bientôt changer – ils ont déjà annoncé de nouvelles options de commerce électronique pour Messenger, y compris un service client amélioré et des options de paiement pour la plate-forme. Avec M, Facebook vise à créer un ensemble de données considérablement amélioré sur la façon dont les gens utilisent la plate-forme et les questions auxquelles les gens veulent des réponses – imaginez si, lors de la configuration de votre prochaine publicité Facebook, le système de Facebook pouvait vous dire quelles questions les gens se posaient le plus souvent. sur votre créneau, voire votre entreprise en particulier ? Plus l’ensemble de données est important, plus Facebook sera en mesure d’aider les marques à mieux utiliser la plate-forme à des fins de marketing et de publicité – en cas de succès, M pourrait changer la façon dont les entreprises utilisent Facebook à des fins de sensibilisation.
Mais alors, bien sûr, c’est un grand « si ».
Coule ou nage
Essentiellement, Facebook mise sur sa capacité à livrer avec M. Le programme commence petit, les utilisateurs de Messenger dans la région de la baie étant les premiers à y accéder, et un déploiement lent est prévu à partir de là. Cela permettra à Facebook de faire évoluer leur système d’IA d’une manière plus précise et centrée sur la région – il est probable que chaque emplacement aura besoin de ses propres serveurs et systèmes M séparés pour l’aider à tenir compte des variations et des dialectes localisés, et les connaissances locales des formateurs M seront également, non douter, jouer un rôle. Adopter une approche emplacement par emplacement permet également à Facebook d’abandonner plus facilement le projet s’il ne réussit pas.
L’élément crucial dans les étapes initiales du projet M sera la précision et la vitesse – si Facebook peut fournir un excellent service, cela augmentera l’adoption par les utilisateurs et leur permettra de développer les fonctionnalités du système. Compte tenu de l’étendue des données de Facebook et de l’accent mis sur la formation et le raffinement de leur IA, M est peut-être le mieux placé parmi les services d’assistance pour réussir et être le plus utile. Mais cela dépend de la façon dont les utilisateurs de Messenger le voient, qu’il s’agisse d’une nouvelle fonction intéressante ou d’une intrusion dans ce qui est considéré comme un espace privé.
C’est l’un des nombreux défis auxquels le projet doit faire face, mais la logique derrière M est solide, l’approche – une approche différente du processus d’IA – est solide. Maintenant, nous devons juste attendre et voir si M peut gagner les masses.
