Réponse courte
Le 6 novembre 2014, Amazon a dévoilé l’Echo, un haut-parleur en forme de cylindre qui reste allumé et répond quand on prononce le mot d’éveil « Alexa », son intelligence fonctionnant dans le nuage d’Amazon. Vendu d’abord sur invitation seulement, il a fait de l’assistant vocal, jusque-là une fonction du téléphone, un appareil pour toute la maison.
Question de suivi En quoi Alexa diffère-t-elle d’un modèle de langage comme GPT-3?
La plupart d’entre nous ont découvert les ordinateurs qui parlent grâce à leur téléphone. Apple a mis Siri dans l’iPhone en 2011. Mais il fallait prendre le téléphone, appuyer sur un bouton et parler dedans. Le 6 novembre 2014, Amazon a essayé autre chose : un haut-parleur qu’on laisse dans la cuisine ou le salon, toujours prêt à écouter, d’un bout à l’autre de la pièce, sans rien toucher.
Ce haut-parleur, c’était l’Echo, et la voix à l’intérieur, Alexa. Aujourd’hui, au milieu de 2021, Alexa fonctionne sur une immense gamme d’appareils, et l’idée de simplement parler à une boîte dans un coin ne semble plus étrange.
Ce qu’Amazon a annoncé
La page produit d’Amazon pour le lancement décrivait un grand cylindre surmonté d’un anneau lumineux. Le discours était simple : demandez de l’information, de la musique, les nouvelles ou la météo, et obtenez une réponse instantanément. L’appareil se mettait en marche quand il entendait le mot d’éveil, « Alexa ».
Au lancement, l’Echo pouvait :
- faire jouer de la musique d’Amazon Music, de Prime Music, d’iHeartRadio et de TuneIn, ou diffuser d’autres services depuis un téléphone par Bluetooth;
- lire les nouvelles et la météo, y compris des stations de radio locales, NPR et ESPN;
- régler des alarmes et des minuteries, et tenir des listes d’épicerie et de tâches;
- répondre à des questions courantes à l’aide de sources comme Wikipédia.
Le prix était de 199 $ US, mais l’Echo était vendu sur invitation seulement. Les clients demandaient une invitation, et les membres Prime qui en recevaient une pouvaient l’acheter pour 99 $ US pendant une période limitée. Une application d’accompagnement sur Fire OS, Android et les navigateurs Web servait à la configuration, aux alarmes et aux listes.
La période d’invitation a duré environ sept mois. Le 23 juin 2015, Amazon a annoncé depuis Seattle que tout client aux États-Unis pouvait désormais commander l’Echo pour 179,99 $ US, avec expédition à partir du 14 juillet. Alexa avait alors appris, selon l’entreprise, des dizaines de nouvelles fonctions, dont Pandora, les résultats sportifs et la commande de la maison intelligente, et des développeurs externes testaient une trousse gratuite pour créer de nouvelles « compétences » (skills).
Qui l’a construit, et d’où vient le nom
Le matériel de l’Echo venait d’Amazon Lab126, le laboratoire d’appareils interne de l’entreprise. Le logiciel d’Alexa est né en partie de deux entreprises achetées par Amazon : Evi, un service britannique de réponse aux questions acquis en 2012, et Ivona, un synthétiseur vocal polonais acquis en 2013. Evi a fourni la capacité de répondre aux questions; Ivona, la voix.
Les développeurs d’Amazon ont dit avoir choisi « Alexa » en partie à cause du son dur de son « x », qui permet à une machine de le repérer plus facilement dans une conversation ordinaire, et en partie parce qu’il évoque l’ancienne bibliothèque d’Alexandrie.
Comment fonctionne une requête vocale
Le principal tour de force de l’Echo était de vous entendre à l’autre bout d’une pièce bruyante. Sous son anneau lumineux se trouvent sept microphones. Grâce à une technique appelée formation de faisceau (beam-forming), l’appareil combine leurs signaux pour se concentrer sur la direction d’où vient votre voix, et la suppression du bruit lui permet de vous entendre même pendant qu’il fait jouer de la musique. C’est ce qu’on appelle la reconnaissance vocale en champ lointain (far-field), par opposition au fait de parler directement dans un téléphone.
Le gros du travail se fait ailleurs. Amazon décrivait le « cerveau » de l’Echo comme logé dans le nuage, sur Amazon Web Services, où il pouvait continuer de s’améliorer et s’adapter à la façon de parler de chaque foyer. Voici le trajet d’une requête simple :
| Étape | Ce qui se passe | Où |
|---|---|---|
| 1 | Vous dites « Alexa, quel temps fait-il aujourd’hui? » | votre cuisine |
| 2 | L’appareil remarque le mot d’éveil et commence à envoyer le son | dans l’Echo |
| 3 | La reconnaissance vocale transforme le son en texte | le nuage d’Amazon |
| 4 | La compréhension du langage dégage l’intention (la météo) et les détails (aujourd’hui, votre ville) | le nuage d’Amazon |
| 5 | Un service météo va chercher les prévisions | le nuage d’Amazon |
| 6 | La synthèse vocale transforme la réponse en phrase parlée | le nuage d’Amazon |
| 7 | L’Echo fait entendre la réponse par son haut-parleur | votre cuisine |
Tout cela prend une seconde ou deux. Chaque étape repose sur l’apprentissage automatique, des modèles entraînés sur de grandes quantités de paroles enregistrées et de texte, ce qui explique pourquoi Amazon pouvait promettre que l’appareil deviendrait « plus intelligent » sans qu’on ait à acheter de nouveau matériel.
À essayer : la prochaine fois que vous utiliserez un assistant vocal, formulez votre demande de trois façons différentes (« météo aujourd’hui », « ai-je besoin d’un parapluie », « va-t-il pleuvoir »). Notez les formulations qu’il comprend. Vous testez l’étape 4, celle qui associe la demande à une intention.
Pourquoi c’était important
L’Echo a créé une nouvelle catégorie : le haut-parleur intelligent. Amazon a ouvert Alexa aux développeurs externes grâce à l’Alexa Skills Kit, et le nombre de compétences est passé d’environ 1 000 en juin 2016 à plus de 90 000 en avril 2019. D’autres fabricants pouvaient intégrer Alexa à leurs propres produits, et à la fin de 2016, Amazon a commencé à offrir aux développeurs la technologie de la parole et du langage qui la sous-tend, sous forme de service infonuagique appelé Amazon Lex. En janvier 2019, Amazon a dit avoir vendu plus de 100 millions d’appareils compatibles avec Alexa.
L’Echo a aussi soulevé une question durable. Un appareil muni de microphones, toujours allumé, au milieu de la maison, rend les gens mal à l’aise quant à ce qui est enregistré et à qui l’entend. La réponse d’Amazon, c’est que les appareils n’envoient le son vers le nuage qu’après avoir entendu le mot d’éveil, mais les inquiétudes liées à la vie privée suivent les haut-parleurs intelligents depuis.
En quoi Alexa diffère-t-elle d’un modèle de langage comme GPT-3?
Alexa est surtout construite autour d’intentions : une demande est associée à une tâche connue, comme vérifier la météo ou ajouter du lait à une liste, et une compétence précise s’en occupe. Cela la rend fiable pour des commandes courtes et pratiques, mais elle peut trébucher sur une conversation ouverte ou sur une question pour laquelle aucune compétence n’a été conçue.
Un grand modèle de langage comme GPT-3 d’OpenAI, lancé en 2020, fonctionne à l’inverse. Il n’a pas de liste de tâches; il prédit simplement le texte qui devrait suivre, ce qui lui permet d’écrire, de résumer et de clavarder sur presque n’importe quel sujet. Le prix à payer : il peut produire des réponses fluides qui sont fausses, et il n’a aucun lien intégré avec votre agenda, vos lumières ou votre liste d’épicerie.
Bien des chercheurs s’attendent à ce que les futurs assistants combinent les deux : la conversation ouverte d’un modèle de langage et les actions fiables d’un assistant vocal. Pour l’instant, au milieu de 2021, ils restent en grande partie des outils distincts.
Sources
- Amazon Echo - Official site - Request an invitation (archived 7 November 2014) — Amazon.com (Wayback Machine snapshot), 6 novembre 2014
- Amazon Echo Now Available to All Customers — Amazon (press release, Business Wire), 23 juin 2015
- Amazon Alexa — Wikipedia, 13 juillet 2021