4IEEE Spectrum AI
L'IA apprend à lire les émotions
L'intelligence artificielle apprend désormais à lire les émotions humaines avec une précision croissante, et ce domaine connaît une expansion rapide dans de nombreux secteurs. Des plateformes de centres d'appels comme NiCE et Genesys utilisent déjà l'IA pour détecter la frustration d'un client au téléphone et guider les agents en temps réel. Meta et la startup Hume AI développent des systèmes vocaux capables d'ajuster leur ton selon l'état émotionnel de l'interlocuteur. Plus de 300 entreprises proposent des applications de compagnons virtuels, un marché estimé à 555 milliards de dollars d'ici 2035. Le robot ElliQ de la société Intuition Robotics, qui ressemble à une petite lampe de bureau blanche, est déjà déployé auprès de personnes âgées pour réduire la solitude par la conversation. Malgré cette omniprésence croissante, les systèmes actuels d'IA émotionnelle restent limités : ils ne font que coller une étiquette à un signal isolé, en classant une expression comme « heureux » ou « triste ». Or les émotions humaines sont contextuelles, superposées et en évolution constante. Un rire peut exprimer la joie ou la nervosité, une voix qui monte peut trahir l'enthousiasme ou l'agacement. Ces nuances varient considérablement selon la personnalité, la culture et le contexte de chaque individu. Dans un entretien d'évaluation ou une session de coaching, l'IA actuelle risque de manquer les signaux les plus importants, comme la fatigue ou l'approche du burn-out, parce qu'elle ne voit pas la scène dans son ensemble. C'est précisément cet écart qu'un nouveau champ de recherche cherche à combler, que ses promoteurs appellent la « human-context AI ». Au lieu d'analyser un seul flux de données, ces systèmes croisent dynamique du visage, voix, ton, langage et comportement, tout en tenant compte du contexte précis de l'interaction. Cette approche trouve ses origines il y a près de trente ans au MIT Media Lab, où l'ingénieure Rosalind Picard a inventé le concept d'« affective computing » : l'idée, alors radicale, que les machines pourraient reconnaître et répondre aux émotions humaines. À l'époque, la puissance de calcul, les capteurs et les données disponibles n'étaient pas au rendez-vous. Aujourd'hui, les avancées en deep learning et la multiplication des données multimodales ouvrent enfin la voie à des systèmes capables de lire non plus seulement l'écran, mais la situation dans sa globalité, avec toutes les implications éthiques que cela suppose pour le travail, l'éducation et la vie privée.
UEL'AI Act encadre les systèmes de reconnaissance des émotions en milieu professionnel et éducatif comme usage à haut risque, imposant des obligations de conformité directes aux entreprises européennes déployant ces technologies.
