Pourquoi Alexa+ et Gemini for Home peinent encore à éteindre une simple lumière

Le problème des assistants domestiques dopés à l’intelligence artificielle n’est pas qu’ils ne comprennent pas le langage naturel. C’est que comprendre une demande et l’exécuter de façon fiable sont deux défis d’ingénierie très différents.

Alexa+ et Gemini for Home peuvent tenir des conversations plus fluides et créer des automatisations complexes en langage courant. Pourtant, des utilisateurs et des testeurs continuent de signaler des échecs sur les tâches les plus élémentaires d’une enceinte connectée : éteindre une lampe, lancer le morceau demandé, donner la bonne date, préparer un café ou conserver une routine existante. 167

Des échecs banals, et c’est précisément le problème

Lors d’un essai du Google Home Speaker avec Gemini, l’assistant a ignoré des demandes musicales, changé de sujet en pleine conversation, affirmé que nous étions mardi alors que le test avait lieu un mercredi, puis refusé d’éteindre des lumières connectées. 1 Il ne s’agissait pas d’un appareil exotique ou d’une commande marginale : ce sont les fonctions de base attendues d’une enceinte intelligente.

Alexa+ affiche un bilan tout aussi contrasté. Des essais décrivent une routine de préparation du café qui échouait à répétition. Des utilisateurs ont également affirmé que des routines déjà configurées avaient disparu après leur passage à la nouvelle version. 6734

La musique peut elle aussi tourner au jeu de devinettes. Dans un test, une demande concernant Charli XCX a lancé un titre d’un autre artiste. Une requête moins précise pour écouter un morceau de Lucy Dacus a été répétée comme une recherche au lieu d’être exécutée. 36

Le tableau n’est toutefois pas entièrement négatif. Alexa+ a aussi réussi à créer uniquement à la voix une routine combinant un détecteur de mouvement, des lumières de terrasse, une plage horaire et une caméra Ring. 33 Ce résultat est important : il suggère que le problème n’est pas l’absence totale de capacités, mais leur manque de constance. Or un système qui impressionne une fois et échoue la fois suivante reste difficile à intégrer dans les habitudes d’un foyer.

Quand la conversation devient une couche de contrôle fragile

Les anciens assistants vocaux reposaient généralement sur une chaîne assez prévisible : reconnaissance de la parole, identification d’une intention, repérage du nom de l’appareil, puis déclenchement d’une action prédéfinie. La phrase « éteins les lumières de la cuisine » pouvait ainsi être associée à une intention connue et transmise à une interface de commande fixe.

Un assistant fondé sur un grand modèle de langage — ou LLM — fonctionne autrement. Il interprète le contexte, estime ce que l’utilisateur veut dire et peut générer l’appel vers un outil ou une interface de programmation, une API. Google décrit d’ailleurs Gemini comme « non déterministe » : le système ne suit pas simplement un script fixe, mais s’appuie sur l’inférence et le raisonnement. 15

Cette souplesse est précieuse pour une demande ouverte. Elle permet de décrire une automatisation en plusieurs étapes sans apprendre une syntaxe rigide, ou de poursuivre une conversation sans répéter tous les détails. Mais elle devient une faiblesse lorsque le résultat attendu est binaire : la lampe doit s’éteindre, le minuteur doit être annulé et la routine doit se lancer.

Le modèle peut sélectionner le mauvais appareil, passer par une intégration incompatible, mal interpréter le contexte ou prendre davantage de temps pour décider de l’action à effectuer. Deux formulations presque identiques peuvent alors produire des résultats différents. Des analystes estiment que ce caractère non déterministe entre en tension avec la domotique, où l’exécution prévisible compte davantage qu’une réponse élégante. 3

La fiabilité et la rapidité comptent plus que la personnalité

La critique récurrente ne se résume pas au fait que ces assistants commettent des erreurs. Ils peuvent aussi être plus lents et moins fiables que les systèmes qu’ils remplacent. Un état des lieux du marché de la maison connectée dopée à l’IA cite la fiabilité, la vitesse et la valeur apportée comme les principaux défis. 12

D’autres essais font état, avec Alexa+, de délais, de réponses incorrectes et de commandes ignorées. Gemini for Home a, de son côté, été décrit comme plus lent que l’ancien Google Assistant et incapable de contrôler certains appareils qu’il devrait pourtant reconnaître. 56

La latence est particulièrement pénalisante dans une interface vocale. Quand quelqu’un demande d’éteindre une lumière, il attend généralement une action immédiate — pas une explication, un long silence ou une invitation à recommencer. Le fait qu’une mise à jour de Gemini for Home ait réduit le temps de réponse d’environ 30 à 40 % montre d’ailleurs que la vitesse reste un chantier actif, et non un problème déjà réglé. 11

La solution la plus sûre est donc probablement hybride. Un LLM peut interpréter une formulation libre, mais une couche déterministe devrait vérifier l’appareil visé, limiter les actions possibles, demander confirmation pour les changements sensibles et envoyer la commande finale via des API fiables. Le modèle de langage devrait servir d’interface au système de contrôle, pas constituer à lui seul le système de contrôle.

Les retards de Siri révèlent le même problème de maturité

Apple n’échappe pas à cette difficulté. Les fonctions promises pour un Siri plus personnalisé ont rencontré des problèmes d’ingénierie et des bugs logiciels. Apple a reporté cette évolution après avoir initialement prévu une sortie liée à iOS 18.4. 1820 L’entreprise a ensuite visé en interne une sortie au printemps 2026 pour des fonctions exploitant les données personnelles et permettant un contrôle plus précis des applications. 19

Ces retards ont aussi pesé sur la stratégie domotique d’Apple. Bloomberg a rapporté que l’entreprise avait repoussé un écran domestique attendu de longue date, le temps de finaliser le nouveau Siri, qui doit constituer une pièce centrale de son interface. 17

D’autres articles ont associé les reports à la difficulté de faire fonctionner les nouvelles capacités d’IA sur du matériel de la famille HomePod. Ces informations restent toutefois des éléments de presse et ne doivent pas être présentées comme des spécifications produit définitivement confirmées. 2125

Le calendrier plus prudent d’Apple peut frustrer les clients, mais il rappelle le niveau d’exigence auquel ces produits doivent répondre avant leur commercialisation : un comportement fiable au quotidien, des temps de réponse acceptables, des messages d’échec compréhensibles et un matériel capable de soutenir l’expérience annoncée.

La leçon générale : une démonstration n’est pas un produit fini

L’IA générative sait produire un langage plausible. Un assistant pour la maison connectée doit accomplir quelque chose de plus strict : produire le bon résultat physique, de manière répétée.

La distinction dépasse largement les lumières et la musique. Un assistant qui gère un calendrier, un achat, un message ou un dispositif de sécurité doit lui aussi avoir un comportement prévisible, des solutions de secours et des garde-fous clairs.

La course à l’IA domestique ne devrait donc pas se résumer à déterminer quel assistant paraît le plus humain. Elle mesure surtout la capacité des entreprises à associer le langage probabiliste à une ingénierie de systèmes déterministe. Tant que cette combinaison ne sera pas maîtrisée, les clients ne seront pas seulement des utilisateurs : ils participeront, de fait, au programme de test de fiabilité du produit.