Apple apprend à lire sur les lèvres : pourquoi Cupertino s'offre la start-up israélienne Q.ai

Apple refait ce qu'elle sait faire de mieux : racheter discrètement des technologies que nous trouverons banales dans quelques années. Cette fois, c'est la start-up israélienne Q.ai qui a retenu son attention. Son équipe travaille sur un sujet très spécifique, mais extrêmement prometteur : apprendre aux algorithmes à comprendre la mimique humaine et à lire, au sens propre, les signaux non verbaux. Si votre iPhone se contentait jusqu'ici de reconnaître votre visage pour se déverrouiller, il pourrait bientôt comprendre ce que vous ressentez et ce que vous comptez faire, même sans que vous prononciez un son.

Pour mesurer l'ampleur de l'opération, il faut rappeler l'histoire d'Apple avec les ingénieurs israéliens. Ce n'est de loin pas la première fois que Cupertino cherche des talents dans la région. C'est là qu'est née la technologie qui a servi de base à Face ID, après le rachat de PrimeSense. Apple bâtit méthodiquement un écosystème où l'interaction avec l'appareil devient aussi naturelle que possible. Nous sommes déjà passés des boutons aux écrans tactiles, puis des écrans tactiles à la voix. Vient maintenant l'ère de l'interface silencieuse, où même la voix devient un outil superflu.

Que sait faire exactement Q.ai, et pourquoi est-ce important maintenant ? Ses travaux permettent d'analyser les micro-expressions et les mouvements des muscles du visage avec une précision remarquable. Dans le contexte du Vision Pro, cela ressemble à la pièce manquante du puzzle. Deux des principaux problèmes des casques VR et AR actuels restent la transmission des émotions réelles de l'avatar et le contrôle sans manettes encombrantes. Si le système sait que vous avez légèrement serré la mâchoire ou plissé les yeux, il peut y voir une commande ou un changement de contexte. Cela règle le malaise social qu'il y a à devoir donner des ordres à Siri à voix haute dans un lieu public, en attirant l'attention.

Mais il n'est pas question que de casques de réalité mixte. Imaginez une Siri qui n'attend pas seulement le mot-clé, mais comprend à votre expression que la réponse ne vous satisfait pas ou que vous cherchez la confirmation d'une idée. C'est un passage fondamental d'une IA réactive, qui se contente de répondre aux requêtes, à une IA proactive, qui lit le contexte avant que vous l'ayez formulé. Apple mise clairement sur la multimodalité. Pendant que Google et OpenAI se disputent le chatbot qui rédige les meilleures dissertations, Tim Cook et son équipe construisent un pont entre la biologie et le silicium, en faisant de la caméra un véritable organe sensoriel.

Il se pose bien sûr une question légitime sur la vie privée. Si Apple se met à collecter des données détaillées sur la façon dont les muscles de notre visage bougent face à tel ou tel contenu, ce serait une mine d'or pour l'analyse comportementale et, en même temps, un cauchemar potentiel pour les défenseurs des données personnelles. Cependant, la firme a passé des années à se forger une image de protectrice de la vie privée en déplaçant tous les calculs sur l'appareil lui-même.

Il est fort probable que les algorithmes de Q.ai tournent en local dans les puces des séries A et M, ce qui donnerait à Apple un avantage considérable sur les solutions cloud de ses concurrents, qui doivent envoyer les données à un serveur.

La technologie de parole silencieuse, ou silent speech, ne concerne pas seulement le confort, mais aussi l'inclusion. Pour les personnes ayant des troubles de la parole, les travaux de Q.ai pourraient être une vraie planche de salut, en leur permettant de communiquer avec le monde via un intermédiaire numérique qui comprend la moindre articulation. Apple a toujours accordé une grande attention aux fonctions d'accessibilité, et cette acquisition s'inscrit parfaitement dans sa philosophie. On voit la firme rassembler différents axes, des moteurs de réseaux de neurones aux capteurs avancés de capture d'image, pour créer une plateforme en vue du prochain bond technologique.

À long terme, cela pourrait conduire à l'abandon complet des méthodes de saisie habituelles dans certains scénarios. Pourquoi taper ou parler si l'appareil comprend vos intentions grâce à votre mimique ? Cela ouvre la porte à l'usage des appareils dans un silence absolu ou dans des lieux très bruyants où la voix est inutile. Cupertino joue la carte du long terme, et Q.ai est un investissement dans la décennie où la frontière entre l'humain et l'ordinateur deviendra presque transparente, et où les appareils commenceront à nous comprendre mieux que nous-mêmes.

L'essentiel : Apple prépare le terrain pour les interfaces du futur, où le contrôle se fera au niveau des intentions et des expressions du visage. Sommes-nous prêts à ce qu'un smartphone en sache plus sur notre humeur que nos proches ?