Inter-2 peut détecter des signaux dans une conversation, pas lire dans les pensées

Interhuman AI veut donner aux systèmes d’intelligence artificielle des indices qui ne figurent pas toujours dans une transcription : le ton de la voix, les expressions du visage ou le langage corporel. La start-up de Copenhague présente Inter-2 comme un modèle qui analyse des signaux sociaux en temps réel. Il faut toutefois comprendre ses résultats comme des évaluations de comportements observables, et non comme une lecture certaine des pensées ou des émotions d’une personne. 25

Ce qu’Inter-2 dit repérer

Le modèle est présenté comme capable d’identifier dix signaux : l’accord, le désaccord, le scepticisme, la confiance, l’hésitation, la frustration, l’intérêt, l’incertitude, la confusion et le stress. Il fournit aussi une indication générale du niveau d’engagement. 18

L’objectif est de tenir compte à la fois des mots prononcés et de la manière dont ils le sont, ainsi que d’indices visuels. Tech.eu décrit une analyse du texte, de l’audio et de la vidéo, tandis qu’une fiche du modèle évoque une détection à partir de vidéo avec audio. Les sources publiques étayent donc l’idée d’une analyse multimodale, sans préciser entièrement le traitement de chaque entrée selon les configurations des produits. 2518

Pourquoi ajouter une « couche d’intelligence sociale » ?

Interhuman AI a été fondée à Copenhague en 2023. Parmi ses cofondateurs figurent Paula Petcu, Frederik Sally et Line Clemmensen. 179

Le principe défendu par l’entreprise est qu’un assistant d’IA peut avoir besoin de davantage qu’une transcription pour répondre de façon appropriée. S’il repère des signes de confusion ou de désengagement, il pourrait, par exemple, adapter la suite de l’échange. Tech.eu décrit l’approche d’Interhuman comme une analyse de l’audio et de la vidéo venant compléter les grands modèles de langage. 2

Il s’agit d’un objectif de produit, pas de la preuve que le modèle interprète correctement les intentions de chacun dans toutes les situations. Une pause, une expression ou une variation de ton peuvent avoir plusieurs explications : aucun de ces signaux ne devrait être pris pour un diagnostic ou une interprétation universelle.

Des usages envisagés, mais des performances difficiles à évaluer

Interhuman cite les agents conversationnels et le coaching d’entretien parmi les applications possibles. Son site présente un entraînement aux entretiens d’embauche qui porte notamment sur la façon de s’exprimer. L’entreprise décrit aussi un outil pour les entretiens de recherche, où des signaux peuvent être associés aux passages pertinents d’une réponse. Cet exemple concerne Inter-1, un modèle antérieur : il ne prouve pas que toutes ces fonctions sont disponibles de la même façon dans Inter-2. 524

Ces exemples montrent comment une couche d’analyse des signaux sociaux pourrait servir au coaching ou aider des chercheurs à revoir des entretiens. Ils ne démontrent pas, à eux seuls, que le modèle fonctionne avec la même fiabilité selon les personnes, les cultures ou les contextes. Les sources disponibles ne donnent pas assez d’éléments pour évaluer indépendamment ses performances.

Traçabilité, vie privée et risques de détournement

Interhuman indique que son modèle précédent, Inter-1, peut expliquer quels indices comportementaux ont contribué à une évaluation. L’entreprise décrit également un système qui associe des signaux à des phrases précises dans des réponses d’entretien. Ces éléments peuvent aider à comprendre les résultats lorsqu’ils sont disponibles, mais les sources ne permettent pas d’établir que toutes les sorties d’Inter-2 offrent les mêmes explications ou le même niveau de traçabilité. 2524

Les conditions d’utilisation de l’entreprise mentionnent des usages restreints, notamment l’inférence des émotions d’une personne dans le cadre du travail ou de l’enseignement. En revanche, les informations publiques ne suffisent pas à décrire les règles de conservation des données, les modalités de consentement ou la façon dont ces restrictions sont appliquées en pratique. 19

Ces questions comptent d’autant plus que la technologie analyse des visages, des voix et des conversations. Les signaux sociaux peuvent être mal interprétés ou servir à surveiller des personnes ; les éléments disponibles ne permettent pas de savoir comment les garde-fous d’Interhuman répondent à tous ces risques.

Une feuille de route encore incertaine

Les articles et documents de l’entreprise cités ici décrivent l’approche multimodale actuelle d’Inter-2. Ils ne confirment pas de calendrier ni d’engagement technique précis concernant l’analyse de la voix seule, les conversations à plusieurs, de futurs modèles ou un développement au-delà de l’Europe. Ces sujets restent donc des questions ouvertes, et non des fonctions ou des dates annoncées. 25