Les espaces de discussion intégrés aux sites web pour poser des questions à un bot sont pénibles, mais ils se limitent à du texte. Google, jamais en panne d’une idée pour emmerdifier le web, propose de franchir une nouvelle étape : les bots IA animés à qui on peut parler et qui voient tout.
Le lancement le 15 septembre de Gemini 3.8 Live a donné des idées à Google. Ce modèle IA spécialisé dans les interactions vocales peut désormais s’incarner dans des bots animés, baptisés Live Avatar. Cette « présence visuelle en temps réel » crée une « expérience qui écoute, voit et parle avec une persona visuelle dynamique », selon le moteur de recherche.
Personnages animés façon cartoon ou représentations photoréalistes d’humains synthétiques, les exemples donnés par l’entreprise frayent généreusement dans l’uncanny valley. Ces avatars bénéficient pourtant d’une « synchronisation labiale précise, d’expressions naturelles et d’une alternance fluide des prises de parole » mais rien à faire, il y a quelque chose qui ne va pas. Ils comprennent la parole, mais ils peuvent aussi voir ce qui se passe dans l’environnement de l’utilisateur.
Ces personnages ne se contentent pas de faire la causette. Les avatars peuvent exécuter des tâches en arrière-plan sans interrompre la conversation en cours, et collecter des données pour répondre correctement à une requête. Dans une démonstration, l’un d’eux procède ainsi à l’enregistrement d’un client dans un hôtel tout en continuant à échanger avec lui. Il est même possible de les interrompre, ils ne s’offusqueront pas.
L’idée de parler à ces avatars fait presque froid dans le dos, mais il va falloir s’y habituer. À en croire Google, on pourrait les retrouver au guichet de services clients en ligne, de réceptions virtuelles d’hôtels ou comme guides interactifs. Et ce, partout dans le monde : les Live Avatars parlent 97 langues.
Google propose cette nouveauté aux entreprises et aux organisations (via Gemini Enterprise). Elles pourront piocher dans une bibliothèque d’avatars tout faits, ou personnaliser leur propre personnage. La production vidéo et audio générée par cette fonction est marquée par SynthID.
