Après l’école de production (EDP), retour à la société de gestion de maintenance de réseau (SGMR).

SGMR

Profil des participants

Les six participants ont entre 29 et 36 ans. Ces trentenaires sont à l’aise avec les outils informatiques et possèdent tous au moins un ordinateur et un smartphone. Ils sont inscrits à au moins un réseau social sur lequel ils se connectent en majorité tous les jours. 

Dans leur vie professionnelle, les participants utilisent au moins deux heures par jour les outils numériques mis à leur disposition. Il faut toutefois prendre garde à notre perception du temps d’autant plus quand l’humain est accaparé à une tâche. Aussi, il se peut que nos participants utilisent bien plus de deux heures par jour ces outils. Dans l’ensemble, ils s’accordent à dire que ces outils leur facilitent la tâche. 

Participant 1 utilise l’AV OK Google et Participant 5 utilise de la reconnaissance vocale pour rédiger quelques textes. Les quatre autres participants qui n’ont jamais utilisé d’AV ne se sont pas sentis perdus en découvrant cette technologie. Ils ont été à même d’interagir spontanément et rapidement avec l’AV (au-delà des problèmes de reconnaissance vocale). 

Synthèse des observations

Le moment de clôture de l’échange avec l’AV (assistance vocale) étudiée est plutôt évident. Est-ce que cette fin est auditivement et visuellement claire grâce à l’outil ? Ou bien est-elle significative d’une volonté nette du participant de stopper son utilisation ? 

La fluidité est apparue comme mauvaise pour la majorité des participants¹. Ceci s’explique notamment par les nombreux chevauchements de voix. Les participants étaient agacés de se voir la parole coupée par l’AV d’autant qu’aucun moyen technique n’était prévu pour arrêter son laïus (par un mot clé ou un bouton par exemple). Ils ont aussi été très perturbés de découvrir que l’information donnée à l’AV pour remplir une cellule précise de la fiche de maintenance était renvoyée vers une toute autre cellule, ou bien que cette information était remplacée par une autre. 

Dans l’ensemble, il était possible de remplir la fiche en l’état mais les participants ont précisé qu’il manquait quelques termes spécifiques au langage métier qu’il serait bon d’ajouter pour se sentir plus à l’aise².

Le sentiment de frustration était élevé. Cet énervement était provoqué par la nécessité à se répéter très souvent afin d’être compris par l’AV. Par compris, nous entendons que le programme de l’AV fasse une interprétation correcte du texte prononcé par le participant. Cette frustration s’incarnait dans un énervement visible sur le visage (froncement de sourcils), sur le corps (crispation, posture statique) ; et aussi audible (phrases de mécontentement et jurons). 

Le casque à conduction osseuse a fait l’unanimité chez tous les participants : il est vraiment confortable à porter, de plus il permet de porter des bouchons d’oreille. 

En général, les participants ont trouvé que l’AV pouvait avoir une utilité sur le terrain mais à la condition qu’elle fonctionne correctement pour ne pas dire parfaitement. 

Enfin, quasiment tous considèrent qu’une formation sur l’utilisation de l’AV est nécessaire au préalable afin d’être opérationnel efficacement sur le terrain. Ce ne serait pas uniquement pour apprendre à s’en servir basiquement mais aussi pour découvrir les astuces inhérentes à l’outil qui permettent d’en optimiser son usage.

Retour sur quelques invariants

• Frustration

Chaque participant s’est retrouvé à de nombreuses reprises face à un problème de reconnaissance vocale. Lorsque cela arrivait, ils répétaient leur demande plusieurs fois. En moyenne, au bout de trois fois, le participant commençait à perdre patience. Son agacement et son énervement se manifestaient la plupart du temps de la même façon : les sourcils se fronçaient, le ton était plus sec, le participant soufflait, il riait nerveusement ou encore il interpellait avec emportement l’AV comme s’il s’était adressé à une personne qui aurait mal compris sa demande. 

Le chevauchement des voix (celle du participant avec celle de l’AV) a aussi été mal vécu. Il convient de souligner qu’à ce stade, l’AV ne s’arrête pas lorsqu’elle prend la parole et cela même si le participant n’a pas fini sa phrase. Il y a un véritable problème de rythme dans l’échange verbal d’informations entre le participant et l’AV. Il n’est pas aisé de parler avec une machine. Les hésitations, les bégaiements, les blancs ou les pauses ne sont pas interprétées comme des éléments de langage par l’AV. Il faut être direct, énoncer clairement, fermement et intégralement sa demande sous peine de générer une réponse en retour qui ne correspond pas du tout à la demande. Le langage phatique du participant (les petits mots de validation pour soi-même comme « ok » ou « oui » ou « tac tac tac », etc.) génère aussi de la cacophonie. Dès que le participant parle, même pour lui-même, l’AV l’interprète comme une commande et répond quelque chose.

• Anthropomorphisation 

C’est dans ces moments de frustration que les participants ont anthropomorphisé l’AV comme s’il s’adressait à quelqu’un. Cela ne durait pas très longtemps. C’était plutôt fugace, dans les moments où l’énervement et l’incompréhension face à la machine était à leur comble, comme si le simple fait d’agir de la sorte allait permettre de mieux se faire comprendre.

Si les participants au cours des tests ont tous plus ou moins anthropomorphisé l’AV à certains moments, au cours de l’entretien semi directif ils ont affirmé faire la différence entre parler avec un collègue et avec une machine. Pour eux, cela n’a rien à voir. Ils n’ont donc pas été conscients de s’être parfois adressés spontanément à l’AV, essentiellement sous le coup de l’énervement, comme à une personne.

Nous esquissons ici une réflexion. Il n’est pas rare que deux personnes parlant la même langue se retrouvent prises dans un sentiment de frustration engendré par un manque de compréhension. Plusieurs manifestations peuvent alors apparaître : parler plus fort ou crier avec l’espoir que ce haussement de ton permettra à l’interlocuteur de mieux nous entendre et de fait nous comprendre ; utiliser la négation (de façon plus ou moins répétitive) pour signifier que la personne en face ne comprend pas notre propos ; la volonté de convaincre absolument en insistant sur ceci ou cela, etc. Il est déjà bien difficile de s’entendre entre nous : nous ne sommes pas toujours à l’unisson, il y a parfois des temps de dissonances. De même, lorsque deux personnes qui parlent la même langue se rencontrent pour la première fois, elles doivent passer par une étape d’ajustement. Nous ne nous connaissons pas de fait : il nous faut un temps d’adaptation pour commencer à se cerner l’un et l’autre et ainsi pouvoir communiquer de façon plus intelligible. Nous finissons par connaître les manies, les tics et les façons de dire de l’autre. Le dialogue trouve petit à petit son rythme de croisière. 

Face à une machine parlante, il pourrait en être de même. Certes nous n’atteindrons pas le même niveau de discours que celui échangé avec un collègue de travail. Mais les informations échangées finiront par trouver un rythme convenable. Il faudra pour cela en passer par un temps d’adaptation où l’utilisateur trouvera les astuces nécessaires à établir une communication suffisamment bonne pour être efficace. C’est en ce sens qu’il est nécessaire de développer ces machines parlantes dans un travail de conception conjoint avec l’informaticien mais aussi le futur utilisateur (technicien) qui pourra donner de précieuses informations sur le vocabulaire métier employé au quotidien. Ceci pourrait participer à faciliter l’acceptation de l’outil par les utilisateurs³.

Enfin, nous tenons à souligner qu’il sera quasiment impossible pour le technicien de réaliser sa tâche en même temps qu’il parle avec l’AV, tout du moins dans les premiers temps. Ce sont deux actions cognitives distinctes : agir et parler demandent chacun une attention particulière. Ici, il ne s’agit pas de parler avec quelqu’un du quotidien. Il s’agit d’échanger des informations avec une machine parlante, c’est-à-dire prendre en main un nouvel outil technique. Cette phase d’apprentissage est tout à fait normale. Il ne faut ni l’accélérer ni l’empêcher. C’est d’ailleurs en ce sens que les participants ont majoritairement suggéré une formation préalable pour pouvoir utiliser l’AV au mieux sur le terrain. Cette formation est une introduction. La suite de l’apprentissage se fera sur le terrain. Jusqu’au jour où l’utilisateur se sentira probablement⁴ à la  l’aise avec son outil : il l’aura intégré.

• Performance

À plusieurs reprises, nous avons pu voir que les participants remplissaient la fiche pour la remplir. Bien sûr, ils avaient conscience d’être dans un test et il n’y avait pas d’enjeu professionnel particulier, ceci pouvant expliquer cette attitude performative. Nous avons aussi entendu de nombreuses fois que l’AV n’aurait d’intérêt que s’il faisait gagner du temps au technicien. Remplir verbalement la fiche doit être plus rapide que de la remplir par écrit sur un ordinateur comme c’est le cas actuellement. Si le but visé est celui d’un gain de temps pour optimiser la productivité, il faut veiller à ne pas glisser vers deux écueils possibles que nous avons relevés : la monomanie de la fiche à remplir dans un faire pour gagner de type gaming ; et l’appauvrissement du langage.

En effet, pour aller plus vite, les techniciens ont suggéré de raccourcir les phrases prononcées par l’AV. Si la possibilité de stopper l’AV dans son propos est une option non négligeable, il ne faudrait pas en arriver à uniquement fonctionner en mots-clés sous peine de se diriger doucement mais sûrement vers le format d’une commande vocale dont de nombreuses études, notamment dans la santé au travail, ont montré les risques médicaux et psychologiques sérieux qui pouvaient survenir (Gaborieau, 2012⁵ et Govaere, 2009⁶).

Enfin, la gamification du travail peut avoir des effets pervers. L’idée d’aller toujours plus vite dans son travail peut être perçue comme un challenge à soi-même (ou entre collègues) en se proposant de dépasser ses performances ici de vitesse. Ceci peut avoir des répercussions sur le plan de la santé mentale avec des possibles troubles de captation de l’attention. Par un biais cognitif, toute l’attention du technicien est accordée à la performance de vitesse de la réalisation de la tâche et non plus à sa bonne réalisation : ceci s’apparente à l’effet tunnel largement étudié dans le domaine de l’aéronautique. Ceci peut être dangereux tant pour le technicien que pour l’entreprise qui peut soudainement se retrouver face à un problème de défaillance technique grave. La performance dans le gain de temps est une chose mais elle ne doit pas se faire au détriment de la bonne réalisation de la tâche.

A suivre

1. Pour rappel, il y avait six participants. [↩]
2. Nous ne donnons pas d’exemple précis pour préserver l’anonymat. [↩]
3. C’est ce que nous avons mis en place à l’EDP avec le maître professionnel qui a partagé avec nous l’ensemble de son jargon technique. Ceci a facilité la prise en main de l’AV par l’élève. [↩]
4. Cela a des chances de se produire mais il se peut aussi que d’autres personnes rejettent cet outil. [↩]
5. Gaborieau, D. (2012). « Le nez dans le micro ». Répercussions du travail sous commande vocale dans les entrepôts de la grande distribution alimentaire. La nouvelle revue du travail, 1, Article 1. https://doi.org/10.4000/nrt.240 [↩]
6. Govaere, V. (2009). La préparation de commandes en logistique. Mutations technologiques et évolution des risques professionnels. INRS, Santé et sécurité au travail, 214. https://www.inrs.fr/media.html?refINRS=ND%202302 [↩]

---

---