Une IA a discuté avec 54 personnes : 26 pensaient parler à un humain

Et si, lors d’un appel vidéo, vous ne pouviez plus savoir si votre interlocuteur était réellement une personne ?

C’est l’expérience menée par Tavus, une entreprise spécialisée dans les avatars et agents vidéo. Son nouveau modèle, baptisé Griffin, vient de franchir une étape particulièrement impressionnante : lors d’un test vidéo d’une minute, 26 personnes sur 54 ont pensé qu’elles parlaient à un véritable humain. Soit 48 %. Tavus

Tavus présente Griffin comme le premier modèle à avoir réussi un « test de Turing vidéo » en temps réel.

Mais derrière ce chiffre spectaculaire, il y a surtout une évolution importante de l’IA : les machines commencent à comprendre non seulement ce que nous disons, mais aussi quand nous parlons, quand nous hésitons, ce que nous montrons et comment nous réagissons.

Une IA qui ne se contente plus d’attendre son tour

Les assistants vocaux classiques fonctionnent généralement de manière séquentielle.

Vous parlez.

L’IA écoute.

Elle analyse.

Puis elle répond.

Griffin cherche à fonctionner beaucoup plus comme une véritable conversation humaine.

Le modèle peut écouter et parler simultanément, tout en observant la vidéo. Il peut commencer à réagir alors que l’utilisateur parle encore, interrompre sa réponse lorsqu’il est interrompu et utiliser des signaux visuels pour adapter son comportement.

Tavus appelle cette nouvelle catégorie de modèles des Human Interaction Models (HIM).

L’objectif est de passer d’une IA que l’on « commande » à une IA avec laquelle on interagit naturellement.

Le test des 54 personnes

Le test est particulièrement intéressant parce que les participants ne savaient pas qu’ils allaient parler à une IA.

Ils pensaient participer à un appel vidéo d’une minute avec une autre personne afin de discuter de ce qu’ils attendaient de leur année.

En réalité, leur interlocuteur était un personnage vidéo généré en temps réel par Griffin-Lite.

À la fin de l’appel, les participants devaient notamment indiquer s’ils pensaient avoir parlé à une véritable personne.

Résultat :

26 sur 54 ont répondu oui.

Soit 48 %.

Plus de la moitié des participants ont également indiqué que l’idée qu’ils puissent parler à une IA ne leur était même pas venue pendant la conversation. Ceux qui ont commencé à avoir des doutes l’ont généralement fait dans les 20 premières secondes.

Le résultat est d’autant plus spectaculaire que le précédent système de Tavus n’avait convaincu qu’une personne sur 41, soit 2,4 %, dans un test comparable.

Mais attention au terme « test de Turing »

Il faut ici apporter une nuance importante.

Tavus affirme que Griffin a réussi un test de Turing vidéo. C’est une manière pertinente de décrire l’expérience, mais il ne faut pas interpréter le résultat comme la preuve définitive qu’une IA est désormais indiscernable d’un humain dans toutes les situations.

Le test était limité à 54 personnes et une conversation d’une minute, et il a été conçu et publié par Tavus elle-même. Il n’y avait notamment pas de groupe de comparaison composé de véritables humains soumis exactement au même protocole. tech-ish

Autrement dit, le chiffre de 48 % est impressionnant, mais il faut le considérer comme un résultat expérimental, pas comme une mesure universelle de l’intelligence humaine d’une machine.

Et cela n’enlève rien à l’évolution technologique.

Griffin regarde aussi ce qui se passe devant la caméra

C’est probablement l’aspect le plus intéressant.

Griffin ne traite pas uniquement la conversation sous forme de texte ou de voix.

Le système analyse également les éléments visuels et les signaux non verbaux.

Il peut par exemple prendre en compte une pause, un regard, une expression ou un objet montré devant la caméra. Tavus donne notamment l’exemple d’une personne utilisant un Rubik’s Cube : Griffin peut observer les mouvements, suivre la situation et continuer à dialoguer pendant que la personne manipule l’objet.

Cela change considérablement la nature de l’interaction.

Une conversation humaine ne repose pas uniquement sur les mots.

Un silence peut signifier que quelqu’un réfléchit.

Un regard peut indiquer une hésitation.

Une expression peut modifier le sens d’une phrase.

Un geste peut expliquer quelque chose sans aucun mot.

Griffin cherche à intégrer toutes ces informations simultanément.

Une architecture différente des avatars traditionnels

La technologie utilisée est également intéressante.

Les systèmes d’avatars IA classiques fonctionnent souvent avec plusieurs briques :

voix → modèle de langage → génération de réponse → avatar vidéo

Chaque étape ajoute potentiellement de la latence.

Griffin fonctionne plutôt comme un système vidéo-à-vidéo en full duplex, avec perception, décision et génération qui fonctionnent en parallèle.

Le modèle continue donc à observer et écouter pendant qu’il répond.

C’est cette capacité à gérer simultanément plusieurs flux qui permet notamment des comportements beaucoup plus proches d’une conversation naturelle.

Cela s’inscrit dans une tendance plus large que nous avons déjà abordée sur AdrienTech avec la génération d’images et de vidéos par l’IA.

La prochaine étape n’est plus seulement de générer une vidéo.

C’est de générer une personne virtuelle capable d’interagir avec nous en temps réel.

NVIDIA confirme une partie des progrès

Griffin a également été évalué sur VideoFDB, un benchmark développé par NVIDIA et David AI pour mesurer les capacités des agents capables de converser simultanément avec l’audio et la vidéo. NVIDIA

Sur le volet génération, Griffin-Lite obtient un score de 3,83 sur 5, contre 3,92 pour les références humaines.

Sur le volet perception, il obtient 3,73, contre 4,20 pour les humains.

Il reste donc un écart avec une véritable conversation humaine.

Mais Griffin arrive en tête des systèmes évalués sur plusieurs critères du benchmark, notamment la capacité à gérer le moment où il doit intervenir dans une conversation. NVIDIA

Cela montre surtout que la performance ne dépend plus uniquement de la qualité de la voix ou du visage.

Le timing devient lui-même une compétence de l’IA.

Une IA qui peut vous interrompre

Cela peut sembler anecdotique, mais c’est probablement l’une des évolutions les plus importantes.

Dans une conversation réelle, nous ne nous comportons pas comme deux robots qui attendent chacun leur tour.

Nous nous coupons parfois la parole.

Nous disons « oui », « mm-hmm » ou « attends ».

Nous changeons de rythme.

Nous faisons une pause.

Nous comprenons qu’une personne n’a pas terminé sa phrase.

Griffin essaie de reproduire ces comportements.

Selon Tavus, le modèle évalue en permanence s’il doit parler, réagir ou attendre, tout en continuant à écouter et à regarder.

C’est ce fonctionnement « full duplex » qui pourrait être l’une des prochaines grandes étapes des assistants IA.

Le vrai problème : comment savoir si l’interlocuteur est une IA ?

Et c’est là que le sujet devient beaucoup plus sérieux.

Plus une IA devient convaincante, plus la question de la transparence devient importante.

Une vidéo d’une personne qui parle face caméra peut déjà être générée artificiellement.

Une voix peut être clonée.

Un visage peut être créé.

Avec Griffin, ces éléments peuvent désormais être combinés avec une conversation interactive en temps réel.

Une personne pourrait donc potentiellement avoir devant elle un visage crédible, entendre une voix naturelle et recevoir des réponses adaptées à ce qu’elle dit et montre.

La frontière entre avatar et interlocuteur humain devient alors extrêmement difficile à percevoir.

Tavus reconnaît elle-même ce problème et indique que les mêmes capacités qui rendent Griffin plus naturel peuvent aussi permettre de tromper une personne sur le fait qu’elle parle à une IA. L’entreprise indique travailler sur des mécanismes de divulgation et de sécurité avant une diffusion plus large.

Griffin n’est pas encore disponible pour tout le monde

Il ne faut donc pas s’attendre à pouvoir télécharger Griffin aujourd’hui.

Griffin-Lite est actuellement proposé uniquement à un groupe limité de testeurs, sous la forme d’une préversion de recherche.

Tavus indique qu’il ne sera pas encore disponible pour ses clients tant que les questions de sécurité et de divulgation ne seront pas suffisamment traitées.

Le modèle n’est donc pas encore un produit grand public.

Mais la démonstration montre clairement la direction prise par le secteur.

Le prochain test de Turing pourrait être une conversation vidéo

Pendant des décennies, le test de Turing était essentiellement associé à une conversation écrite entre un humain et une machine.

Cette époque paraît désormais lointaine.

Une IA moderne peut parler, voir, reconnaître un objet, analyser une expression, interrompre son interlocuteur et générer simultanément son visage et sa voix.

Le véritable défi devient alors beaucoup plus subtil :

peut-on encore savoir que l’on parle à une machine ?

Avec Griffin, la réponse commence à devenir inquiétante.

Dans un test limité, 26 personnes sur 54 n’ont pas reconnu l’IA après une minute de conversation vidéo.

Ce n’est pas encore la preuve que les machines ont atteint le niveau humain.

Mais c’est peut-être le signe que nous entrons dans une nouvelle génération d’interfaces : des IA que l’on ne se contente plus d’utiliser, mais avec lesquelles on converse réellement.

Et demain, la question ne sera peut-être plus « Est-ce que cette IA peut parler comme un humain ? »

Mais simplement :

« Comment puis-je être certain que la personne que je vois à l’écran est bien humaine ? »

À propos de l’auteur

Je suis Adrien Hassler, créateur d’AdrienTech, un média consacré à l’intelligence artificielle, aux nouvelles technologies, aux sciences, à l’astronomie et à la blockchain. Passionné par l’innovation, j’explore les technologies qui transforment notre environnement numérique et scientifique, avec l’envie de continuer à apprendre, de comprendre et de partager mes découvertes de manière accessible et documentée.