Avec Yann Ferguson, docteur en sociologie, directeur scientifique du LaborIA à l’INRIA, nous avons co-écrit un article dans la Nouvelle revue de sociopsychologie 2023/2 (n°36). J’ai rencontré Yann à l’Icam site de Toulouse lorsque je réalisais mon post-doctorat. Grâce à lui, j’ai découvert le monde fantastiques des assistances vocales. Il m’a permis de pouvoir mettre mon travail d’ethnographe au service de la recherche IHM (interactions homme machine).
Je publie ici la partie sur laquelle j’ai travaillé. Si vous souhaitez lire l’article dans son intégralité, vous pouvez vous rendre sur cairn.org.
Bonne lecture !
La domination organisationnelle ou l’impossible conversation
Un dialogue pas si naturel
Il n’est pas si facile de parler avec une assistance vocale (av). Les observations menées auprès de techniciens de maintenance de réseaux ont mis en lumière quelques invariants. L’av devait permettre de remplir une fiche de maintenance à l’oral en lieu place d’un remplissage écrit via le clavier de l’ordinateur qui accompagne toujours les techniciens sur leur lieu de travail.
Au cours des tests, les répétitions ont été nombreuses tant du côté
des participants que de celui de l’av. Reconnaissant mal les mots (ou pas du tout) ou en en faisant une mauvaise interprétation, l’av produisait une réponse incongrue ou restait muette, ce qui obligeait les testeurs à répéter leur demande, laquelle finissait par perdre son sens. Ainsi s’installait un psittacisme mécanique dans lequel plus aucun sens n’était accordé à la phrase autre que de se faire comprendre par l’av. C’est aussi vrai dans les réponses de validation émises par l’av, lesquelles ne sont absolument pas flexibles. Pour parler avec l’av, le testeur devait connaître la liste des mots et des phrases préétablies qu’il était possible d’utiliser. Bien qu’il fût question d’enrichir cette liste, celle-ci demeurait assez maigre au moment des tests. « Ok » pour valider ou encore « J’ai oublié quoi ? » pour identifier la liste des cases non remplies sur la fiche de maintenance. Finalement, ces deux types de répétitions rendent la communication insipide : ils la stérilisent. En perdant le signe et le symbole, ne reste que le signal (Labarrière, 1993 ; Gaborieau, 2017). Il y a aussi une ambiguïté apparente dans le langage dit naturel. C’est sur un langage formel que repose la programmation de l’av : un code informatique. Ce code s’emploie à utiliser et à agencer des phonèmes prononcés par l’humain. Ce n’est pas parce que l’av utilise des mots du langage naturel qu’elle est dotée de parole. Il n’est pas question de voix mais bien d’un artifice de voix puisque celle-ci est préenregistrée.
Aucune intention ne pénètre les phrases diffusées par l’av. « La voix, en effet, est un son exprimant quelque chose » (Aristote, 420b, paragraphe 9). Ce n’est qu’une composition de sons qui fera sens pour l’utilisateur capable de symbolisation. La machine, elle, ne fait que jouer un programme. Se répéter de la sorte au point que les mots s’épuisent jusqu’à perdre leur sens, n’est pas du ressort du langage.
À cela s’ajoute une dimension écholalique. Quand le testeur dit :
« Représentant, Tom », l’av répond : « Représentant est noté Tom. »
Les techniciens ont besoin de ce retour pour confirmer que ce qui a été communiqué a été correctement pris en compte. Cette validation crée un étrange échange écholalique qui n’est pas de l’ordre d’une conversation courante avec quelqu’un. S’il nous arrive parfois de répéter une phrase par jeu ou plaisanterie, jamais nous ne répétons les propos de notre interlocuteur pour valider le fait que nous l’avons bien compris. La réponse que nous formulons en retour suffit à faire naître un accord pratique de compréhension mutuelle (Goffman, 1981). Ici, l’interaction avec l’av est rigide, sans autre intérêt que de communiquer une information puis de la valider. Notons toutefois que cette façon de procéder s’inspire de certains métiers dont la validation repose sur la répétition. C’est une interaction verbale spécifique dans un cadre donné. Il arrive parfois que le retour de validation donné par l’av pour lever toute ambiguïté en crée paradoxalement plus encore : parce qu’elle valide soudainement une tout autre information mais surtout parce qu’elle revient valider plusieurs fois et de la même façon une même donnée, provoquant alors chez le testeur un doute soudain qui vient remettre en cause l’ensemble du processus. L’utilisateur se sent perdu, dans l’incapacité de pouvoir sortir de l’ambiguïté où cet échange écholalique l’a plongé. Et parce que le technicien en vient lui aussi à prononcer des phrases en écho, le vide s’amplifie vertigineusement (Milon, 1993). Finalement, encore méfiants vis-à-vis de la fiabilité de cette av et pour garder le contrôle sur les données énoncées et validées, les testeurs préfèrent être prudents et ont tous préconisé un retour visuel sur leur écran d’ordinateur. L’audio ne supplante pas encore le visuel.
La validation évince la pensée sauvage
L’emploi de l’av auprès de techniciens n’est pas chose nouvelle. Par
exemple, certaines grandes enseignes de distribution utilisent la commande vocale auprès de leurs préparateurs de commandes depuis plusieurs années déjà. La différence entre l’assistance vocale et la commande vocale tient à peu de chose. Elle se loge dans un argument éthique : la commande dirige et aliène quand l’assistance accompagne et rend autonome. Les testeurs réclament un échange plus rapide avec l’av : les phrases sont trop longues. Ils voyaient dans cette av l’opportunité de pouvoir remplir leur fiche bien plus vite qu’à l’écrit. L’échange par mots-clés maximise le gain de temps, temps qui pourra être utilisé à d’autres tâches ou bien à remplir plus de fiches. Parmi les divers risques psychosociaux à utiliser fréquemment une commande vocale : « l’apparition d’un sentiment de robotisation lié à la perte d’autonomie et à la diminution des communications verbales entre préparateurs et avec la hiérarchie » (Govaere, 2009). Cette diminution des communications verbales est aussi un point saillant auprès des testeurs. Ces derniers travaillent toujours en binôme, permettant ainsi des échanges professionnels tout autant que personnels (Jeanjean, 2004). Des liens se tissent. Avec l’av, promue « collègue de travail », quels types de liens vont se créer ? Quel genre de binôme sera cette av ?
Au-delà du vocabulaire technique, les testeurs ont leur propre jargon (diminutifs, acronymes, etc.). Si les concepteurs de l’av ont bien pris en compte certains termes, ils n’étaient pas au fait de leur appropriation qui vient souligner dans un même mouvement l’appropriation du métier par le technicien mais aussi son appartenance à ce corps de métier. Ce jargon manquant à l’av, les échanges, déjà difficiles à cause des répétitions et des chevauchements de voix, perdent en fluidité. Le testeur doit s’adapter au vocabulaire contenu dans l’av : le programme devient la règle langagière. À ce stade, plusieurs questions se posent. Qui va déterminer le vocabulaire contenu dans l’av : le concepteur de l’av, le technicien ou la hiérarchie ? Que vont devenir les informations échangées informellement entre les techniciens ? Ces informations peuvent être d’ordre personnel, participant au tissage des liens sociaux. Mais elles peuvent être également des conseils précieux sur un savoir-faire qui se transmet aussi dans les interstices du prescrit. Les techniciens risquent de se retrouver isolés à parler à l’av dans un dialogue proche d’un soliloque (Tisseron, 2020). La validation supplantera la pensée sauvage : de l’astucieux et ingénieux technicien ne restera que le besogneux (Lévi-Strauss, 1962). Le prescrit sera à suivre à la lettre avec, pour conséquence, une certaine ubérisation du geste technique qui ne fera plus sens. D’abord, car le technicien suivra doctement les instructions données par la voix de l’av. Ensuite, car il peut se retrouver assigné à une tâche spécifique sans avoir une vision d’ensemble de la production ni même de l’entreprise (Simondon, 2014). Enfin car, évoluant sous l’emprise de la voix, le travailleur perd en flexibilité cognitive, pris dans une tunnelisation attentionnelle (Pizziol, 2013).
Les essais ont conduit les testeurs à être force de propositions pour
pallier ce manque de vocabulaire. Ils souhaiteraient pouvoir implémenter le jargon par eux-mêmes dans l’av. Cette préconisation a été prise en compte par les concepteurs. Ceci permettrait de créer un dictionnaire en interne, partageable entre utilisateurs de l’av. De plus, les utilisateurs, en ayant la possibilité de customiser cette av, auraient le sentiment d’en avoir le contrôle. Gageons aussi qu’ils sauront trouver quelques moyens de contourner, voire de détourner, l’av à des fins humoristiques (Gaborieau, 2017). Durant les tests, l’av a été anthropomorphisée : tutoiement, insultes, remerciements, etc. Cette capacité vicariante à ériger une machine parlante au même niveau qu’une personne crée une conversation là où il n’y en a pas. Ceci est un avantage quant à l’aisance qu’il peut y avoir à parler à une av. Mais cette capacité de substitution réveille les mêmes sentiments vécus dans un dialogue de sourds, sentiments d’autant plus décuplés qu’on a pu s’énerver contre une machine, pris dans un « piège anthropomorphique » (Vidal, 2012). Ainsi, une nouvelle lutte s’installe contre une voix sortie de nulle part et dont les testeurs ont bien senti les effets pernicieux : un cadre de pratiques limité par un programme rigide. L’av, vendue comme un collègue de travail, cache plutôt un outil de pouvoir. N’importe quelle direction pourrait alors insidieusement imposer un modèle de travail ainsi que sa volonté décisionnaire au détriment des choix des employés.
OpenEdition vous propose de citer ce billet de la manière suivante :
Stéphanie Messal (8 janvier 2024). [Anthropobotic] Ce que la machine parlante veut dire. De la révolution technologique à la reproduction sociale. Misanthropologue. Consulté le 14 octobre 2024 à l’adresse https://doi.org/10.58079/vk28