Une grande partie de la couverture de l'IA la présente comme une évolution à venir : conférences d'ouverture, couvertures de magazines, robots dans des photos de banque d'images. Le Google I/O du mois dernier portait sur ce que l'Assistant fera ensuite.
Pendant ce temps, les petites entreprises avec lesquelles nous travaillons utilisent déjà l'apprentissage automatique chaque jour, généralement sans le désigner comme tel.
Ce billet présente ce qui fonctionne actuellement, au milieu de 2019, pour une entreprise qui n'a ni scientifique des données ni budget pour en embaucher un, ainsi qu'une technologie que nous recommandons de reporter.
Quelle est l'utilité des réponses suggérées et du texte prédictif dans les courriels?
Gmail suggère des réponses courtes (« Parfait », « Merci, à bientôt ») depuis quelques années, et Smart Compose, le texte gris qui complète les phrases, est apparu l'an dernier. Pour une entreprise qui répond aux cinq mêmes questions quarante fois par semaine, comme c'est le cas d'un centre de plongée, ces fonctions font gagner un temps réel.
L'essentiel est de les réserver aux messages courants. Un « Merci! » suggéré convient; une réponse suggérée à une plainte ne convient pas. Elle se lit comme un texte généré par une machine, ce qu'elle est, et un client insatisfait le remarque immédiatement.
Nous recommandons donc d'utiliser ces fonctions pour la correspondance courante et de rédiger vous-même les messages délicats.
Que peuvent apporter l'identification et la recherche de photos?
Pour les entreprises qui possèdent de grandes collections de photos, cette fonction est très précieuse. Google Photos peut repérer « bateau », « plage », « chien » ou « gâteau » dans une photothèque qui n'a jamais été identifiée. Pour un centre de plongée qui dispose de milliers d'images sous-marines, ou pour un traiteur qui a des années de photos d'événements, elle transforme des archives désorganisées en une ressource consultable.
Une photo du bateau pour un dépliant se trouve désormais en tapant « bateau » et en faisant défiler les résultats. Il y a cinq ans, la même tâche pouvait prendre un après-midi de recherche dans des dossiers.
Depuis 2016, Facebook génère aussi des descriptions automatiques de photos pour les personnes qui utilisent un lecteur d'écran. Ces descriptions sont sommaires, par exemple « L'image contient peut-être : une personne ou plus, océan, extérieur », mais c'est l'un des rares cas où l'apprentissage automatique a apporté un avantage clair en matière d'accessibilité sans que personne ait eu à le demander.
Une recommandation s'impose toutefois : si une photo est importante sur votre site Web, rédigez vous-même le texte alternatif. La version automatique est un point de départ, mais elle ne peut pas savoir que l'image montre votre nudibranche plutôt qu'« une créature marine ».
Quand la traduction automatique est-elle appropriée?
Google Traduction est passé à un système neuronal à la fin de 2016, et l'amélioration de la qualité a été immédiatement perceptible. Pour lire le courriel d'un fournisseur dans une autre langue, l'outil est désormais plus que suffisant. Dans notre contexte, entre l'anglais, l'indonésien et la langue dans laquelle un client choisit d'écrire, il est utilisé de façon intensive.
Pour tout contenu destiné à un client, il n'est pas encore suffisant. Une page traduite automatiquement est reconnaissable comme telle, et une personne dont c'est la langue maternelle le constate dès la première phrase. Cela indique que l'entreprise n'a pas fait l'effort nécessaire pour bien faire, soit l'effet contraire de celui recherché.
La règle consiste donc à utiliser la machine pour l'ébauche et une personne qui maîtrise la langue pour la version finale. Pour une entreprise qui sert sa clientèle en deux langues, cette personne doit parfaitement maîtriser les deux.
Comment gérer les plateformes publicitaires qui s'optimisent elles-mêmes?
C'est dans ce domaine que la plupart des petites entreprises utilisent l'apprentissage automatique sans s'en rendre compte. Google Ads offre des stratégies d'enchères automatisées, appelées enchères intelligentes, qui ajustent le coût par clic selon la probabilité que chaque personne effectue une conversion. Facebook détermine qui voit une annonce selon les personnes qui, d'après ses prédictions, y réagiront.
Ces systèmes donnent souvent de meilleurs résultats que les réglages manuels. Ils dépensent aussi un budget très rapidement si on les laisse faire.
La recommandation habituelle est de « laisser le système apprendre ». C'est raisonnable, mais c'est l'annonceur qui paie la période d'apprentissage. Pour une grande marque, quelques semaines d'apprentissage coûteux sont négligeables. Pour un centre de plongée situé sur une petite île, elles peuvent absorber tout le budget marketing d'un mois avant que l'algorithme ne cerne la bonne clientèle.
À quoi ressemblent des limites appropriées en pratique?
- Un budget quotidien que vous pourriez vous permettre de perdre entièrement pendant l'apprentissage du système.
- Un suivi des conversions fondé sur un résultat réel, comme une réservation ou un appel. Les clics seuls sont trompeurs.
- Une zone géographique qui correspond à la provenance réelle de vos clients.
- Une date fixée pour examiner les résultats et prendre une décision, plutôt que de laisser la campagne se poursuivre indéfiniment.
Nous prévoyons que les plateformes poursuivront dans cette direction et que de plus en plus de réglages disparaîtront derrière une gestion automatisée. Cela rend d'autant plus important le seul élément que vous contrôlez encore : l'objectif. La machine optimise en fonction de ce qu'on lui demande de poursuivre; avec une mauvaise cible, elle atteindra la mauvaise cible avec une grande efficacité. Une gestion Google Ads efficace pour une petite entreprise repose moins sur des réglages sophistiqués que sur l'assurance que le système poursuit le bon objectif.
Pourquoi recommandons-nous de reporter les robots conversationnels?
Il y a quelques années, les robots Messenger étaient présentés comme la prochaine grande évolution, et presque chaque conférence comportait une séance à leur sujet. La plupart des robots que nous avons testés sont des arbres de décision présentés sous forme de conversation : faites le 1 pour les heures, le 2 pour les prix, et les questions qui sortent de ces options restent sans réponse.
Les clients les apprécient peu, et nous estimons qu'une bonne partie des robots lancés avec tant d'enthousiasme il y a quelques années ont depuis été désactivés discrètement.
La technologie du langage pourrait éventuellement combler cet écart. GPT-2, d'OpenAI, produit des textes d'une fluidité remarquable, et une véritable avancée pourrait en découler. Cependant, les outils qu'une petite entreprise peut acheter aujourd'hui ne comprennent rien. Si un robot rend plus difficile de joindre une personne, il fait perdre des réservations à l'entreprise. Répondre soi-même aux messages, et rapidement, est plus efficace que tous les robots que nous avons vus.
Par où un propriétaire d'entreprise devrait-il commencer à apprendre?
Pour une introduction accessible, Google a rassemblé du matériel gratuit sur sa page Learn with Google AI (surtout en anglais), dont un cours accéléré sur l'apprentissage automatique. Une grande partie s'adresse aux développeurs, et ces sections peuvent être laissées de côté. Le matériel destiné aux débutants explique ce que fait réellement une machine lorsqu'elle « apprend », ce qui suffit à faire de vous un acheteur mieux informé.
Notre principale recommandation est d'utiliser l'IA déjà intégrée aux outils que vous payez avant d'acheter tout produit présenté comme de l'IA. Très peu d'entreprises, y compris la nôtre, tirent pleinement parti des outils dont elles disposent déjà.