LG et Microsoft ont monté sur scène à Séoul pour présenter un assistant vocal domotique co-développé, et c’est LG qui prête sa maison connectée. L’objet tournera dans ThinQ ON, la plateforme maison de la marque coréenne. Au menu, du speech-to-speech, du « Voice Live » signé Microsoft, et une promesse qui revient à chaque keynote depuis Alexa : une conversation qui ressemble à celle d’un humain, pas un ping-pong de questions-réponses.
Le détail qu’on met en avant, c’est que l’assistant peut être coupé en pleine phrase. Tu l’interromps, il encaisse, il rebondit. Commercialement, c’est joli. Techniquement, c’est là que se joue toute la difficulté.
Parce qu’un agent vocal qui te répond en trois secondes, ça se vend. Un agent qui te laisse lui couper la parole sans perdre le fil, c’est un autre métier. Ça s’appelle le barge-in dans le jargon, et ça oblige à traiter l’audio entrant et sortant en même temps, à repérer ta voix par-dessus la sienne, à décider s’il faut la fermer. La latence, voilà le vrai sujet. Pas la poésie du dialogue « presque humain ».
Et pendant que LG faisait le show, la branche IA de Microsoft sortait ses moteurs. MAI-Transcribe-2-Streaming, un modèle de transcription temps réel taillé pour les agents vocaux, plus une fournée de modèles text-to-speech. C’est moins sexy qu’un assistant qui te comprend au salon, mais c’est la plomberie qui fait tourner le bazar.
Là, tu vois la stratégie se dessiner. Microsoft ne vend pas un assistant, il vend la couche vocale. Transcription, synthèse, dialogue, le tout empilé dans Azure et glissé dans les produits des autres. LG n’est pas un client, c’est un canal de distribution. La voix dans ton salon, c’est un micro ouvert en permanence chez toi, et ça, ça vaut plus que quelques enceintes.
On en parlait il y a quelques jours : le Japon vient de donner à ta voix les mêmes droits qu’à ton visage. Tant mieux, parce que les boîtes qui empilent de la biométrie vocale dans ta cuisine ne sont pas toutes des philanthropes. Et rappelle-toi qu’ElevenLabs vaut 22 milliards sans qu’un centime rentre dans la boîte. Le marché de la voix IA carbure à l’anticipation, pas encore au chiffre d’affaires.
Reste la question que personne ne pose sur scène. Tu vas vraiment causer à ta machine à laver ? Le Google du salon connecté, on l’a déjà vu ouvrir sa maison à tous les agents de passage. À un moment, faut arrêter de confondre la démo et l’usage.
L’assistant qui sait se taire quand tu l’interromps, c’est peut-être ça la vraie avancée. Dommage que la seule chose qu’on ne puisse pas débrancher, ce soit le micro.
Sources :
Comments are closed