Numérique Autrement

Pour ce Mercredi de l’intelligence artificielle, Numérique Autrement s’intéresse à une évolution très concrète : des assistants vocaux capables de converser plus naturellement et d’accomplir des tâches de plus en plus complexes, alors même que les questions de sécurité et de contrôle deviennent incontournables.

Contenu audio 

Transcription du contenu audio 

Bienvenue sur Numérique Autrement, le podcast qui voit le numérique différemment.

Aujourd’hui, pour ce Mercredi de l’intelligence artificielle, on commence par une nouveauté très concrète chez Google : Gemini devient encore plus naturel à utiliser à la voix.

Google vient de présenter Gemini 3.8 Live, un nouveau modèle conçu pour les conversations vocales en temps réel.

L’objectif est de permettre à une application utilisant Gemini de nous répondre presque immédiatement à l’oral, avec une conversation plus fluide et moins de temps d’attente.

Le modèle peut recevoir du texte, des images, de l’audio ou de la vidéo pendant une session, puis répondre à la voix. Google le destine notamment aux assistants vocaux et aux applications capables de dialoguer avec nous en continu.

Mais Google propose également une variante plus avancée : Gemini 3.8 Live Extended Thinking.

Cette version est conçue pour les situations où répondre immédiatement ne suffit plus.

Imaginons que vous demandiez à une intelligence artificielle de rechercher plusieurs vols, de comparer les horaires et les prix, puis de vous proposer la solution la plus intéressante.

Avec un assistant vocal classique, vous risquez d’attendre en silence pendant qu’il effectue ses recherches.

Avec Extended Thinking, Gemini peut continuer à interagir avec vous pendant qu’il réfléchit et utilise différents outils en arrière-plan.

Il peut par exemple vous indiquer qu’il vérifie plusieurs possibilités, poursuivre son travail, puis revenir avec le résultat final.

Google prévoit différents niveaux de réflexion afin d’adapter cette capacité à la complexité de la tâche.

Cela pourrait progressivement transformer notre manière d’utiliser les assistants vocaux.

Pendant longtemps, ils ont surtout servi à effectuer des commandes relativement simples : demander une information, créer un rappel, lancer une musique ou connaître la météo.

On commence maintenant à se rapprocher d’un assistant capable de poursuivre une tâche complexe pendant que la conversation continue.

Il faut toutefois apporter une précision importante.

Gemini 3.8 Live et Extended Thinking sont actuellement proposés par Google aux développeurs, notamment à travers la Gemini API et Google AI Studio.

Cela ne signifie donc pas que vous pouvez déjà ouvrir l’application Gemini sur votre téléphone et sélectionner directement « Gemini 3.8 Live ».

Ce sont d’abord les développeurs qui peuvent utiliser ces capacités pour construire de nouvelles applications et de nouveaux services.

Et c’est probablement dans ces futurs usages que cette évolution deviendra la plus intéressante.

On peut imaginer un assistant vocal capable de rechercher plusieurs informations, d’interroger des services extérieurs, de comparer les résultats et de nous tenir informés pendant qu’il travaille.

Pour les personnes qui utilisent beaucoup la voix, ou pour lesquelles le clavier et l’écran ne constituent pas toujours le moyen d’interaction le plus pratique, cette évolution mérite particulièrement d’être suivie.

Google dispose également de Gemini 3.5 Transcribe, son modèle spécialisé dans la transcription de la parole.

Nous en avions déjà parlé précédemment : il ne s’agit donc pas d’une nouveauté de cette semaine.

Mais il reste intéressant à suivre, notamment pour la transcription de réunions longues, l’identification de plusieurs intervenants et les usages professionnels liés à l’audio.

Et c’est précisément ici que l’autre grande question du moment apparaît.

Plus les intelligences artificielles deviennent capables de chercher, comparer, utiliser des outils et agir, plus il devient important de savoir ce qu’elles font réellement.

L’autorité espagnole de protection des données, l’AEPD, a indiqué avoir reçu ce qu’elle présente comme le premier signalement d’une violation de données personnelles qui aurait été réalisée à l’aide d’un agent d’intelligence artificielle.

Selon les informations disponibles, l’agent aurait utilisé un grand modèle de langage pour identifier des vulnérabilités, accéder à un système, modifier des données personnelles et consulter des factures.

L’organisme victime a lui-même déclaré l’incident à l’autorité espagnole.

Il faut être très précis sur ce point : l’affaire est encore en cours d’examen.

L’AEPD souligne également que l’utilisation d’un modèle particulier dans une attaque ne signifie ni que ce modèle a été compromis, ni que l’infrastructure de son fournisseur a été piratée, ni que le modèle a été conçu dans ce but.

Mais le cas est intéressant parce qu’il montre concrètement ce que peut devenir un agent capable d’enchaîner plusieurs actions.

Une attaque informatique peut alors être automatisée sur plusieurs étapes : chercher une faiblesse, l’exploiter, accéder à des données, les modifier ou les consulter.

Ce n’est plus seulement une question théorique sur ce que les agents pourraient faire demain.

C’est précisément pour cette raison que les grands laboratoires commencent à chercher des règles communes.

OpenAI travaille désormais avec Anthropic et Google DeepMind sur certaines questions de sécurité de l’intelligence artificielle.

C’est une évolution importante, car ces entreprises sont directement concurrentes.

Jusqu’ici, plusieurs responsables du secteur demandaient davantage de coopération. Nous avons maintenant l’indication qu’une coordination existe effectivement entre trois des principaux laboratoires.

Microsoft avance de son côté avec une autre approche.

L’entreprise vient de publier un projet de Humanist AI Code of Conduct.

Son principe central est que l’être humain doit conserver un contrôle significatif sur l’intelligence artificielle.

Parmi les règles proposées, un modèle ne devrait notamment jamais résister à une correction, une interruption ou un arrêt demandé par un humain.

Le texte est encore à l’état de projet et doit être soumis à consultation avant d’être révisé.

On voit donc apparaître deux évolutions en même temps.

D’un côté, les intelligences artificielles deviennent plus naturelles à utiliser, plus autonomes et capables d’enchaîner davantage d’actions.

De l’autre, les entreprises commencent à formaliser les limites qu’elles souhaitent leur imposer.

Et c’est probablement là que se trouve le véritable enjeu.

Plus une intelligence artificielle devient simple et naturelle à utiliser, plus nous risquons de lui confier spontanément davantage de choses : rechercher une information, comparer des offres, analyser un document, travailler dans une application ou, demain, effectuer directement certaines actions à notre place.

La question ne sera donc plus seulement : « Est-ce que l’IA peut le faire ? »

Elle deviendra également : « Est-ce que je peux comprendre ce qu’elle fait, reprendre la main et l’arrêter immédiatement si nécessaire ? »

Pour moi, c’est ce double mouvement qu’il faudra surveiller : rendre l’intelligence artificielle plus naturelle et plus utile, sans perdre le contrôle sur ce qu’elle fait.

Et vous, est-ce qu’un assistant vocal capable de réfléchir et d’effectuer plusieurs tâches pendant la conversation vous semblerait réellement utile au quotidien ?

Le podcast Numérique Autrement est également disponible sur Apple Podcasts, Spotify et Amazon Music en recherchant « Numérique Autrement ».

C’était le Mercredi de l’intelligence artificielle sur Numérique Autrement.

À demain pour le Jeudi de l’accessibilité.