Aujourd’hui, les assistants vocaux ne font pas encore l’unanimité dans nos foyers. Selon l’appareil, la marque, ou le type d’utilisateurs, ces assistants présentent souvent des faiblesses expliquant cette non adoption globale de la recherche vocale pour le moment, bien que de plus en plus présente. Ici, nous allons essayer de comprendre à quoi cela est dû, et quelle place pourrait occuper les assistants vocaux dans notre quotidien dans le futur.
LE MARCHÉ DES ASSISTANTS VOCAUX
Quelle place pour les acteurs du marché des assistants vocaux ?
Avant toute chose, il paraît important de placer les assistants vocaux dans le marché mondial. Il existe principalement 3 marchés distincts : Les États-Unis, la Chine et l’Europe. Les GAFAM (Google, Amazon, Facebook, Apple, Microsoft) et BATX (Baidu, Alibaba, Tencent, Xiaomi) sont ainsi les acteurs les plus emblématiques et représentés de ce marché. Seuls 2 dominent plus de la moitié du marché des ventes d’enceintes connectées mondial en Q4 2019, avec plus de 50% de part de marché, ce sont Amazon (28,3%) et Google (24,9%) selon Statista. A contrario on observe que plus le temps passe, plus la situation de monopole au début 2016 par Amazon se régule avec les arrivées de Google et plus récemment d’acteurs asiatiques cités ci-dessus.
D’après Business Insider, la Chine représente d’ailleurs le plus gros marché en termes d’utilisateurs d’enceintes connectées (terminal le plus représentatif des assistants vocaux) en 2019 avec 85,5 millions de personnes, contre 74,2 millions pour les États-Unis, premier marché historique. On note un écart assez important avec les autres marchés européens comme le Royaume-Uni (12,6 millions), l’Allemagne (11,6 millions) et la France (7,6 millions). Le taux de pénétration est aussi beaucoup plus élevé dans les pays anglophones : les États-Unis (26% des utilisateurs d’internet) et le Royaume-Uni (22,4%) ; que les autres pays : l’Allemagne (17,2%), la France (14%) et la Chine (10%).
Quelle stratégie pour les leaders du marché ?
L’étude du CSA et d’Hadopi sur les assistants vocaux nous explique ces chiffres grâce aux stratégies des principaux acteurs. En effet, Amazon tirant sa force de son expertise en e-commerce, la société performe dans la vente d’enceintes connectées sur les marchés où Amazon est très présent : États-Unis (leader), Royaume-Uni (leader), Allemagne (leader). Amazon est très bon dans les marchés anglophones, et c’est pour cela qu’en 2017, Echo est lancé dans 80 pays, même ceux dont la langue principale n’est pas l’anglais comme la France, l’Italie, les pays Scandinaves, etc.
Google quant à lui n’hésite pas à prendre le temps de développer le langage local sur son assistant vocal avant de commercialiser ses enceintes dans le marché en question, “ce qui constitue un élément de différenciation important par rapport à ses concurrents” comme le souligne cette même étude. A la différence d’Amazon, Google n’est présent “que” dans une vingtaine de pays. Apple suit aussi cette stratégie, mais avec un retard certain, ce qui explique en partie sa place minime dans le marché mondial.
LA TECHNOLOGIE DES ASSISTANTS VOCAUX
Comment fonctionnent les assistants vocaux ?
Prenons un exemple très précis proposé par Doring et Srivastava (2017) concernant le mécanisme de fonctionnement d’Alexa. Pour cette innovation réellement nouvelle (selon la représentation de Garcia et Calantalone), tout commence avec le wake word qui permet de “réveiller” l’assistant, suivi des instructions de l’utilisateur détectées grâce à son microphone et qui capture la commande vocale de l’utilisateur afin de l’envoyer au Cloud Service d’Amazon où il se passera différentes actions. La première est la reconnaissance vocale automatique (ASR pour Automatic Speech Recognition), c’est à ce moment que la commande orale est retranscrite en texte par les algorithmes. Vient après cela la compréhension du langage naturel (NLU pour Natural Language Understanding) qui a pour but de comprendre le sens des mots. L’étape du machine learning à pour objectif de traiter au mieux la commande vocale, donc plus l’assistant aura emmagasiné d’expérience, plus il sera efficace. Une fois l’intention comprise elle va être rédigée textuellement en repassant de nouveau par le Cloud Service d’Amazon qui va la transformer en réponse audio. Le terminal doté d’Alexa met en place l’action demandée et prononce la réponse audio en lançant.
Quelles problématiques liées à l’analyse et la compréhension du langage ?
L’étude du CSA et d’Hadopi met en lumière que la compréhension orale est bien plus complexe que la compréhension écrite car la majorité du temps les utilisateurs tournent leur requête sous forme de question alors qu’à l’écrit beaucoup rédigent en mots clés. De ce fait, un nombre de mots plus élevé entraîne plus facilement une mauvaise interprétation de l’assistant (mauvais vocabulaire, accent très prononcé, environnement bruyant). Cette compréhension dépend d’une autre part de l’expérience de l’assistant vocal lui-même, notamment avec le machine learning qui est très important pour la traitement de la question. C’est donc un autre élément qui creuse l’écart entre les principaux acteurs, qui sont aussi les plus anciens, et les autres.
La différence entre les marques est aussi les langues qu’elles développent pour chaque pays. Comme nous l’avons vu plus tôt, Google et Amazon possède deux stratégies bien différentes. Cette même étude nous l’explique encore : “L’adaptation d’un assistant vocal à différentes langues est l’un des gros enjeux de ce type de produits”. En effet, en son sein le marché européen est divisé en plusieurs langues, ce qui le rend compliqué à intégrer comparé aux marchés américain et chinois monolingue. Une fois que les marques possèdent la connaissance de la langue, cela rend évidemment plus simple la création de contenu pour leurs assistants, amenant à une utilisation plus poussée de ces terminaux.
QUELLE UTILISATION DES ASSISTANTS VOCAUX PAR LES UTILISATEURS ?
3 profils pour 3 utilisations différentes
Il est possible de différencier 3 types de profils, et donc d’utilisation chez les propriétaires d’assistants vocaux, et plus précisément d’enceintes connectées. Cette fois ci c’est l‘étude quantitative du CSA et d’Hadopi qui nous aide à les séparer comme suit :
- les profils “domotiques”. Ils sont généralement jeunes, technophiles et cherchent à contrôler tous les objets connectés de leur maison avec un ou plusieurs appareils vocaux.
- les profils “expérimentateurs ludiques”. Le plus souvent dans des foyers avec des enfants qui sont très friands de l’interaction proposée par ces assistants.
- les profils “contenus”. Ceux-ci ont plutôt pour but de consommer du média comme de la musique ou de la radio et faire des recherches avant un achat par exemple.
Une utilisation plutôt gadget ou réellement utile ?
Les actions réalisées dépendent aussi grandement de l’appareil qui est utilisé. L’utilisation principale est la recherche d’information et de contenu sur internet que ce soit sur les smartphones ou les enceintes connectées (78% et 75%), mais ensuite la messagerie (lancer un appel – 71%, envoyer/lire un SMS/mail – 68%) ainsi que la recherche d’itinéraire (66%) sont les usages principaux avec des smartphones, quand la gestion de son quotidien (consultation de la météo – 78%, réglage du réveil – 62%, de l’agenda – 43%) et la consultation de médias (écouter la radio – 65%, des flash infos – 64%, de la musique – 62%) sont les plus importants pour les enceintes connectées (chiffrées tirées de l’étude quantitative du CSA et d’Hadopi).
Pour les profils expérimentateurs ludiques ils semblent être plus présents sur les enceintes connectées (65%) que sur les mobiles (51%). On peut faire le même constat avec les profils domotiques qui sont 36% sur enceintes contre 15% sur smartphones. La réservation/achat en ligne font parti des usages les plus faibles sur les deux appareils (18%/17% sur smartphones vs. 24%/25% sur enceintes). Avec ces chiffres, on remarque que les actions plus complexes comme la domotique sont moins développées, ainsi que plus souvent réalisées sur les enceintes connectées et “jugés très intéressants et porteurs d’une véritable valeur ajoutée pour le quotidien des utilisateurs” selon l’étude.
Du point de vue usager, ils considèrent leur utilisation comme basique : 23% des utilisateurs d’enceintes connectées qualifient de gadget ce terminal. Cette opinion peut être expliquée par le fait que les principaux usages mis en lumière ci-dessus pourraient être réalisés aussi bien sur smartphones, il y a donc une redondance des appareils qui, malgré leurs différences proposent sensiblement les mêmes interactions. En revanche, 53% pensent que c’est une révolution qui bouleversera notre quotidien.
QUELS CRITÈRES D’ACCEPTABILITÉ POUR LES UTILISATEURS ?
Quelles motivations d’utilisation de la part des utilisateurs ?
- Recherche de praticité : Les motivations les plus importantes sont celles-ci. En effet, toujours selon l’étude quantitative proposée par le CSA, nous retrouvons la simplification du quotidien (78%), poser des questions sans taper sur un clavier (61%), gagner du temps (58%), ou encore pouvoir exercer plusieurs tâches simultanément (52%) mais aussi de pouvoir garder ses mains libres (N/A) comme motivations.
- Recherche de divertissement : Parmi les interrogés de l’étude, 62% mentionnent l’écoute de radio et de musique, la qualité du son pour 37% des interrogés, et enfin, 31% mettent en avant dans leur motivation l’amusement et le divertissement pour les enfants et le développement de leur autonomie.
- Centralisation de la domotique : 34% des individus citent la domotique, avec le contrôle centralisé et simplifié d’objets connectés comme la vidéosurveillance, l’éclairage, les volets, le chauffage. Selon D. Lahoual et M. Fréjus (De l’utilisabilité à l’appropriabilité des assistants vocaux. Étudier les interactions vocales en situation domestique à partir d’une démarche centrée utilisateurs, 2018), cette volonté d’automatiser et d’intellectualiser son domicile est bien réel, il l’illustre notamment dans un contexte de conflit dans le couple, ou encore la sécurisation du domicile en simulant une présence par exemple.
- Curiosité et développement d’un écosystème : Cette typologie peut être associée à ce que l’on appelle les early adopters. Loin d’être anecdotique, elle représente tout de même 63% des interrogés de l’étude du CSA. Le but est d’avoir un écosystème riche et personnalisable mis à disposition. Le développement d’applications et l’élargissement des gammes de produits permettent donc une démultiplication de tâches plus poussées et en simultané.
Quelles limites pour les utilisateurs d’assistants vocaux ?
- Des limites technologiques : L’une des premières critiques est axée sur la confiance existant entre l’homme et la machine qui sera caractérisée comme “pas encore très fiable” à la suite des expériences de l’étude du CSA. Cette approche se justifie selon eux par une difficile compréhension des différentes allocutions, langues, ou environnement bruyant. Lahoual et Fréjus énoncent aussi les difficultés à l’utiliser en groupe car les voix sont difficilement voire pas du tout reconnues.
- Des limites perçues par les consommateurs : La principale limite est la remise en cause de l’utilité des assistants vocaux, plus précisément des enceintes connectées selon l’étude du CSA. Pour certaines tâches les assistants vocaux ne sont pas aptes à répondre à la demande, de par le manque d’écran (envoyer un message, achats en ligne, …). La troisième remarque est celle du respect de la vie privée (61%) et de la protection des données (62%). Enfin, de manière plus marginale il ressort le manque d’applications en service, les efforts à produire en terme d’articulation et d’élocution, ou encore le modèle de transaction.
- Les limites de l’écosystème professionnel : L’absence d’écran amène d’autant plus un enjeu métier pour les UX et UI Designer, mais aussi dans une autre mesure celui de référenceur car selon l’assistant, la question doit être posée différemment pour avoir une réponse. Ceci pose de très nombreuses questions opérationnelles notamment concernant le shema.org “Speakable”, permettant de solliciter Google pour adapter une portion du site à de la recherche vocale. Tisserand-Barthole (De la recherche par mot-clé à la recherche vocale et visuelle, 2018) mettra aussi en avant qu’une grande majorité des données sur le web sont déstructurées, et donc non interprétables par les assistants vocaux. De manière intimement liée, les entreprises sont en droit de se remettre en question sur la dimension budgétisation allouée au paid media puisque les assistants vocaux ne proposent qu’une seule et unique réponse.
QUELS AXES D’AMÉLIORATION ENTREVOIR POUR LE FUTUR ?
Quelles sont les attentes des utilisateurs d’assistants vocaux ?
Il est tout d’abord important de mettre en lumière qu’une partie des utilisateurs des assistants vocaux n’ont pas connaissance des capacités de cette technologie et leurs attentes peuvent être biaisées, par exemple en ayant la même attente pour une conversation entre humains que d’humains à assistant vocal (Luger et Sellen, Like Having a Really Bad PA : The Gulf Between User Expectation and Experience of Conversational Agents, 2016). Selon Jost (Are robots our future coaches ?, 2013) certains autres peuvent ne pas réellement savoir ce qu’ils attendent dans le futur, voulant de leur assistant vocal qu’il parle comme un humain sans en avoir l’apparence.
A court terme, les utilisateurs attendent une multiplication des services disponible à l’image des nouvelles applications sur les smartphones pour avoir une utilisation plus poussée, et une amélioration quant aux réponses négatives de l’assistant pour aider l’utilisateur à reformuler sa demande. A plus long terme, ils veulent voir arriver plus d’objets connectés, notamment dans leur foyer via la domotique (étude qualitative du CSA et d’Hadopi). De nombreuses autres attentes sur l’anticipation dans les transports, ou la gestion de la localisation de l’utilisateur sont aussi énoncées.
Quelles opportunités de marché et des acteurs ?
Aujourd’hui, nous savons que les terminaux avec ou sans écran n’ont pas la même utilisation. Un des enjeux futurs pour appréhender le marché des assistants vocaux serait de savoir quel appareil deviendra le numéro un pour la requête vocale mais il est encore trop tôt pour en être sûr. De son côté Lovato (Young Children and Voice Search : What We Know From Human-Computer Interaction Research, 2019), reprenant les dires du CBO de Youtube, précise qu’en 2020 90% du trafic internet utiliserait la vidéo. C’est dire le poids potentiel que représente le visuel dans notre habitude de consommation d’internet et cela porté par une nouvelle génération d’enfants eux-mêmes très friands de ce type de contenu. Dans ce cas, ces générations qui sont les clients et consommateurs de demain, pourraient avoir une forte dépendance à la vidéo dans le futur, donc au visuel, et il serait difficile d’avoir des terminaux munis d’assistants vocaux sans écrans.
A un niveau plus global, nous savons grâce au baromètre Arcep-GCE-Agence du numérique que la France possède environ 2 ans de retard comparé au marché des États-Unis en ce qui concerne le taux d’équipement des appareils électroniques, en témoigne l’évolution des smartphones et des tablettes entre les deux marchés (étude du CSA et d’Hadopi). Nous pouvons donc suivre la courbe des USA pour estimer l’évolution du marché français.
La concurrence amène aussi son lot d’incertitudes. Selon les interventions de l’Autorité de la Concurrence dans l’étude du CSA et d’Hadopi (2019) et aux vus des positions dominantes que possèdent les GAFAM, ceux-ci peuvent aisément mettre en avant leurs produits aux détriments d’autres concurrents gênants. Amazon pourrait ainsi pousser leurs produits de marques directement sur Amazon, alors que Google pourrait aussi prioriser ses services, dû au fait qu’un assistant vocal sans écran ne puisse présenter qu’une seule réponse. Ce marché étant dominé par des géants, il limite grandement l’arrivée de nouveaux acteurs par les coûts à l’entrée de la technologie comme l’intelligence artificielle et le temps que le machine learning soit efficace.
ÉLÉMENTS DE RÉPONSE
Les assistants semblent avoir un bel avenir devant eux, tant l’utilisation du vocal est de plus en plus présente dans les tâches du quotidien ou le divertissement, notamment par de nouveaux utilisateurs, les enfants, qui seront les consommateurs de demain. Ils devraient donc occuper une place importante dans le futur mais pas à court terme, dû à une technologie qui pose encore de nombreux problèmes de compréhension entre l’humain et la machine, celle-ci va continuer à se développer au fil des années pour répondre au mieux aux besoins des utilisateurs malgré un questionnement sur son utilité aujourd’hui. Cependant, ceux-ci attendent encore beaucoup des assistants, notamment au niveau de fonctionnalités plus complexes comme la domotique, mais se montrent patients sachant que cette technologie reste assez récente ce qui explique ses faiblesses.
Baptiste ANSSELIN & Axel MASIA
0 commentaires