Virtual Assistant

Un assistant virtuel est un logiciel qui comprend les demandes vocales ou écrites et les exécute : répondre aux questions, régler des minuteries et des rappels, envoyer des messages, diffuser des contenus multimédias, contrôler des appareils domestiques connectés et effectuer des tâches dans des applications. Les expressions assistant numérique et assistant IA sont synonymes ; les assistants vocaux sont ceux auxquels les gens s’adressent oralement. Siri a popularisé l’idée : le service est issu du projet de recherche CALO, financé par la DARPA et mené par SRI International ; Apple a racheté la jeune pousse en 2010 et l’a intégré à l’iPhone 4S en octobre 2011. Alexa d’Amazon est arrivée avec l’enceinte Echo en novembre 2014, Google Assistant en 2016, et les enceintes pour maison connectée ont fait de la voix un moyen courant de contrôler l’éclairage, les thermostats et les serrures. Dans le monde professionnel, la même expression désigne aussi une personne travaillant à distance et chargée de tâches administratives.

Fonctionnement des assistants virtuels#

Un assistant vocal classique suit un pipeline fixe. Un petit modèle exécuté sur l’appareil détecte le mot de déclenchement ; l’audio ne quitte donc l’appareil qu’après « Dis Siri » ou « Alexa ». La reconnaissance vocale transcrit la demande, puis la compréhension du langage naturel (NLU) la transforme en intention et en paramètres : « réveille-moi demain à 7 h » devient une intention de réglage d’alarme avec un paramètre d’heure, extrait de façon semblable à la reconnaissance d’entités nommées (NER). Un gestionnaire de dialogue demande les informations manquantes, la requête est exécutée par l’intermédiaire d’une application ou de l’API d’un appareil, puis la synthèse vocale lit le résultat à voix haute.

Les assistants fondés sur des intentions ne traitent que les requêtes anticipées par leurs développeurs ; ils répondent donc à toute demande inconnue par une recherche Web ou des excuses. Les assistants reposant sur de grands modèles de langage (LLM) interprètent les demandes ouvertes et accèdent aux mêmes API d’appareils et d’applications par appel de fonctions, ce qui permet à une seule phrase de déclencher plusieurs actions en séquence. Amazon a présenté Alexa+, fondé sur un LLM, en février 2025, et Google a annoncé en mars 2025 que Gemini remplacerait Google Assistant sur la plupart des appareils mobiles. Les modèles de conversion de la parole en parole, comme GPT-4o, publié en mai 2024, évitent les étapes distinctes de transcription et de synthèse, ce qui réduit la latence de réponse et permet à l’assistant de percevoir et d’exprimer le ton. Les assistants multimodaux acceptent aussi les images d’une caméra et utilisent des modèles de langage et de vision (VLM) pour répondre aux questions sur ce que voit un téléphone ou une paire de lunettes connectées.

Les assistants accèdent à des données personnelles et les utilisent ; la confidentialité des données détermine donc où chaque étape est exécutée. La détection du mot de déclenchement se fait localement, et l’IA en périphérie a transféré une plus grande partie du pipeline sur les appareils : depuis iOS 15, en 2021, les iPhone dotés d’une puce A12 Bionic ou plus récente traitent par défaut sur l’appareil l’audio de nombreuses demandes adressées à Siri.

Les assistants intégrés aux logiciels#

Le même schéma — demande, action et réponse — fonctionne au sein d’un même produit, dont les fonctionnalités servent d’outils à l’assistant. L’action Ask AI de la plateforme Ultralytics exécute des demandes comme « Entraîne YOLO26n sur ce jeu de données et nomme l’exécution xview-baseline » ou « Déploie le modèle terminé ayant le meilleur mAP de validation dans ce projet » à l’aide de la propre clé API Platform de l’utilisateur. Elle recherche et clone des jeux de données, annote automatiquement des images, lance et compare des entraînements pour YOLO26, puis exporte ou déploie des modèles.

Assistants virtuels et termes apparentés#

• Robot conversationnel : programme qui tient une conversation écrite ou vocale, souvent limitée à un site Web ou une application et axée sur les réponses aux questions. Les assistants virtuels fonctionnent sur plusieurs applications et appareils, et sont évalués selon les tâches qu’ils accomplissent.
• Agent d’IA : tout système qui poursuit un objectif en choisissant et en exécutant des actions. Un assistant virtuel est un agent conçu pour répondre aux demandes quotidiennes d’une personne, généralement une demande à la fois, tandis que les flux de travail agentiques peuvent exécuter sans surveillance de longues tâches à plusieurs étapes.
• Enceinte connectée : matériel, comme une enceinte Amazon Echo ou Google Nest, qui héberge un assistant vocal doté de microphones longue portée conçus pour capter le mot de déclenchement dans toute une pièce.