La voix plutôt que le texte : ElevenLabs parie sur la mort du clavier

Soyons honnêtes : taper sur un clavier, surtout sur celui, en verre, d'un smartphone, est une béquille. Nous avons inventé cette façon de communiquer avec les machines parce qu'elles étaient bêtes et ne comprenaient que des commandes exactes. Mais au Web Summit Qatar, le PDG d'ElevenLabs, Mati Staniszewski, a dit tout haut ce qui flotte dans l'air de la Silicon Valley : cette béquille finira bientôt à la décharge de l'histoire. La voix est la véritable interface native du futur.

Cette déclaration ne sort pas de nulle part. Il suffit de regarder autour de soi. Pendant des années, nous nous sommes entraînés à être de bons « ingénieurs de prompts », en choisissant nos mots pour les chatbots, mais l'industrie change brutalement de cap. OpenAI déploie des modes vocaux capables de glousser et de vous interrompre, et Google intègre Gemini à Android pour que vous parliez à votre téléphone au lieu de le taper. Apple, selon les rumeurs, prépare une Siri qui cessera enfin d'être la risée des utilisateurs. Staniszewski n'a fait que souligner une tendance évidente : la barrière entre la pensée humaine et l'action de la machine doit disparaître.

Pourquoi cela compte-t-il maintenant ? Autrefois, les assistants vocaux étaient bêtes. Ils entendaient les mots, mais ne comprenaient pas le contexte. Désormais, avec un puissant LLM derrière les « oreilles », la situation a changé. ElevenLabs, qui a débuté comme start-up de clonage vocal (et fait beaucoup de bruit dans le monde des deepfakes), se présente maintenant comme l'architecte de ce nouveau monde. Sa technologie permet à l'IA non seulement de réciter un texte, mais aussi de transmettre des émotions, des pauses et des intonations. Cela supprime l'effet de « vallée de l'étrange » et rend la conversation avec une machine étonnamment naturelle.

Ce qui est intéressant, c'est la façon dont cela modifie notre rapport au matériel. Si la voix devient l'interface principale, pourquoi aurions-nous besoin d'écrans de 6,7 pouces ? Cela ouvre la voie à ces gadgets portables qui s'effondrent encore côté ventes (salut, Humane AI Pin et Rabbit R1). Peut-être que le problème ne venait pas du format, mais du fait que le logiciel n'était pas encore prêt pour un vrai dialogue. ElevenLabs et ses confrères tentent de résoudre le problème du délai de réponse, la latence. Pour remplacer le clavier, l'IA doit répondre instantanément, comme un interlocuteur en chair et en os, et non réfléchir trois secondes à la météo.

Bien sûr, des questions de confidentialité demeurent. Parler à une IA dans le métro ou dans un open space est une mauvaise idée. Mais à la maison, en voiture ou au casque, cela devient la nouvelle norme. Nous revenons au point de départ de la communication humaine, la parole, sauf que notre interlocuteur sera désormais une puce de silicium qui ne se fatigue jamais et sait tout.

À retenir : les interfaces deviennent invisibles. Si la prévision se réalise, le design des applications et des sites passera au second plan, et le principal avantage concurrentiel sera le degré d'« humanité » et d'intelligence de la voix de votre service.