Pourquoi les assistants IA de la maison connectée échouent encore sur les tâches élémentaires

Ces témoignages ne permettent pas de calculer un taux d’échec valable pour toute l’industrie. Ils font néanmoins apparaître un schéma récurrent : les capacités conversationnelles progressent, tandis que l’exécution des actions quotidiennes reste inconstante.

Le langage naturel complique le contrôle des appareils

Les anciens assistants vocaux étaient plus limités, mais leur fonctionnement était relativement balisé. Une phrase reconnue pouvait être associée à une intention connue et à une opération prévalidée, par exemple :

L’utilisateur devait parfois employer des formulations plus précises. En contrepartie, le système avait moins d’interprétations possibles et suivait un chemin plus prévisible entre la commande vocale et l’action physique.

Un assistant reposant sur un grand modèle de langage doit souvent :

1. comprendre ce que veut dire l’utilisateur ;
2. résoudre des références comme « ici », « celles-là » ou « les lumières » ;
3. identifier la bonne pièce, le bon appareil et ses fonctions disponibles ;
4. choisir l’outil ou l’API approprié ;
5. fournir des paramètres valides ;
6. tenir compte de l’état actuel de l’appareil ;
7. indiquer honnêtement si l’action a réussi.

Une erreur à n’importe quelle étape peut produire un mauvais résultat. L’assistant peut sélectionner le mauvais appareil, se tromper de pièce, utiliser une fonction non prise en charge, envoyer un paramètre invalide, s’appuyer sur un état obsolète ou annoncer une réussite sans vérifier que l’appareil a effectivement réagi.

Des travaux consacrés au contrôle des maisons connectées par des modèles de langage identifient précisément plusieurs obstacles : le caractère non déterministe des réponses, le coût et la latence de l’inférence, ainsi qu’une personnalisation encore limitée. Ces systèmes donnent de meilleurs résultats lorsque les demandes sont explicites et structurées, plutôt que lorsqu’ils doivent déduire seuls un contexte plus large.

Comprendre une demande et l’exécuter sont deux problèmes différents

Les fonctions mises en avant par Amazon et Google sont réellement utiles. Alexa+ doit pouvoir relier une description formulée oralement au bon appareil et à la bonne fonction, tandis que Google présente Gemini comme capable de gérer plusieurs actions, des exceptions et des corrections en cours de phrase.

Ces capacités sont pertinentes pour :

• décrire une ambiance et la transformer en scène lumineuse proposée ;
• créer une routine sans parcourir une application complexe ;
• expliquer le fonctionnement d’une automatisation ;
• convertir une demande imprécise en plan structuré.

Mais interpréter une intention n’est pas la même chose que l’exécuter. « Rends la pièce plus chaleureuse pour le dîner » laisse une place au jugement. « Règle les lumières de la cuisine à 50 % » correspond à un résultat précis et vérifiable. La première demande bénéficie de la souplesse d’un modèle génératif ; la seconde a besoin d’un parcours de contrôle étroit et contrôlable.

Cette différence explique pourquoi un assistant peut traiter brillamment une phrase complexe tout en échouant sur une commande de lumière élémentaire. La complexité du langage n’est pas celle de l’exécution. Une demande impliquant plusieurs appareils peut fonctionner si le modèle sélectionne par hasard les bons outils et paramètres, tandis qu’une phrase courte peut échouer dès que l’identification de l’appareil ou la détection de ses capacités déraille.

La latence donne aussi une impression de fiabilité — ou d’instabilité

La fiabilité ne se résume pas à obtenir le bon résultat. Une commande domotique doit aussi être exécutée dans un délai raisonnablement prévisible. Une lampe qui s’allume après une longue pause, ou seulement après que l’utilisateur a répété sa demande, donne une impression d’instabilité même si l’état final est correct.

Un test d’Alexa+ a relevé des réponses pouvant prendre jusqu’à 15 secondes, même si les commandes simples concernant l’éclairage ou le thermostat pouvaient être plus rapides dans certains cas. Des articles consacrés à Gemini for Home ont par ailleurs décrit des mises à jour visant à accélérer les réponses et à raccourcir les répliques pour les commandes quotidiennes, signe que la latence reste un chantier technique important.

Le traitement dans le cloud, le choix du modèle, la découverte des appareils et les appels aux outils peuvent tous ajouter un délai. Le système paraît alors plus capable en théorie, mais moins prévisible au moment où l’on en a besoin.

Les premiers utilisateurs servent-ils de banc d’essai ?

Le déploiement continu est devenu courant dans le logiciel. Il peut être acceptable pour des fonctions conversationnelles peu risquées. Le contrôle d’une maison est différent : les erreurs touchent des appareils physiques et des routines installées depuis longtemps.

Lorsqu’une mise à jour modifie le comportement des lumières, des alarmes ou des automatisations, l’utilisateur subit le changement chez lui, et non dans l’interface abstraite d’un chatbot. La succession de plaintes après des déploiements, puis de correctifs et de mises à jour de fiabilité, ne prouve pas que les fabricants commercialisent volontairement des produits inachevés. Elle montre toutefois que les clients rencontrent des problèmes pendant que ces systèmes sont encore réglés et stabilisés. Les signalements d’automatisations ignorées, de routines défaillantes et de réponses incohérentes rendent le modèle « lancer, recueillir des données, améliorer » particulièrement coûteux lorsqu’il s’applique au contrôle quotidien d’un logement.

Un déploiement plus prudent conserverait un parcours déterministe et fiable pour les commandes courantes, tout en ajoutant les fonctions génératives autour de ce socle. L’utilisateur pourrait parler plus naturellement sans perdre le contrat de base de la domotique : lorsqu’il formule une commande connue, l’appareil visé doit atteindre l’état demandé.

La solution la plus réaliste : une architecture hybride

Il ne s’agit probablement pas d’exclure les grands modèles de langage de la maison connectée. Il faut plutôt leur donner un rôle plus limité lorsque les erreurs ont des conséquences concrètes.

Un système robuste pourrait utiliser un modèle pour comprendre le langage et préparer un plan, puis transmettre ce plan à une couche de contrôle capable de fournir :

• une sélection des appareils et des paramètres validée par schéma ;
• des autorisations explicites pour les actions sensibles ;
• une vérification de l’état avant et après l’exécution ;
• des mécanismes de nouvelle tentative et une gestion claire des erreurs ;
• une confirmation distinguant l’action prévue de l’action réellement effectuée.

Une piste de recherche décrit une approche comparable : le modèle génère des éléments exécutables pendant une phase de compilation, puis l’orchestration du workflow gère de façon déterministe les embranchements, la sélection des outils, les nouvelles tentatives et les erreurs au moment de l’exécution.

Appliqué à la maison connectée, ce principe signifie que le modèle peut aider à exprimer une intention, mais ne devrait pas être l’unique autorité qui décide, à chaque instant, de l’action physique à réaliser. Plus une commande ressemble à une transaction fixe — par exemple modifier la luminosité d’une lampe — plus son exécution devrait être contrainte, testable et vérifiable.

À retenir

Alexa+ et Gemini for Home illustrent une leçon plus générale sur l’IA générative : mieux parler ne signifie pas automatiquement mieux fonctionner. Les essais de journalistes, les retours d’utilisateurs et la couverture spécialisée décrivent des assistants capables de comprendre un contexte plus riche et de composer des demandes ambitieuses, mais qui trébuchent encore sur les lumières, les variateurs, les alarmes et les routines.

L’assistant domotique réellement durable combinera probablement les deux approches. L’IA générative peut rendre la configuration et les échanges plus souples ; un logiciel déterministe doit garantir que l’action finale est exacte, rapide et vérifiable. Tant que cette frontière ne sera pas correctement conçue, un assistant plus bavard pourra donner l’impression d’être plus intelligent tout en accomplissant moins bien les tâches élémentaires qui rendent une maison connectée utile.