Au-delà de l'illusion humaine : quatre meilleurs objectifs pour la conception de chats IA
Pour les concepteurs qui façonnent une interaction de chat IA, « donner une impression de réel » est trop vague pour guider des décisions utiles. Une meilleure tâche consiste à aider quelqu'un à obtenir une réponse claire, à explorer une idée, à comprendre ce que le système a fait et à choisir ce qui se passe ensuite. Les recherches sur les indices anthropomorphiques suggèrent que les signaux de type humain peuvent modifier la perception qu'ont les utilisateurs de l'exactitude des informations d'une IA. Cela fait de la clarté, du jeu créatif, d'un état de tâche fiable et du contrôle de l'utilisateur des cibles de conception plus utiles que l'imitation d'une identité humaine.
Pourquoi le chat IA devrait-il viser au-delà de la ressemblance humaine ?
Une conversation peut sembler fluide sans pour autant donner à l'utilisateur une image fiable du système. Dans une expérience menée auprès de 2 165 participants, les chercheurs ont fait varier l'utilisation par un pseudo-modèle linguistique du texte seul ou de la parole associée au texte, ainsi que le fait qu'il se désigne par « je » ou par « le système ». L'association de la parole et du texte a augmenté les évaluations de l'anthropomorphisme et de l'exactitude des informations par les participants ; la formulation à la première personne a augmenté les évaluations de l'exactitude et réduit le risque perçu dans un contexte. Ces résultats sont spécifiques au dispositif de l'étude, mais ils montrent qu'un indice qui fait paraître un système plus humain peut également influencer le jugement porté sur ses informations. Google Research, « Believing Anthropomorphism: Examining the Role of Anthropomorphic Cues on User Trust in Large Language Models »
C'est pourquoi les indices anthropomorphiques et la qualité de l'interaction méritent des audits distincts. Un audit des indices anthropomorphiques examine ce que l'interface suggère quant à l'identité ou aux qualités humaines de l'IA. Un audit des risques de jugement examine si un indice peut amener les utilisateurs à surestimer l'exactitude ou la fiabilité de ses réponses. Les objectifs de conception ci-dessous répondent à une question différente : qu'est-ce qu'une personne devrait être capable de comprendre, de faire et de décider au cours de l'échange ? Un ton chaleureux peut coexister avec ces objectifs, à condition de ne pas obscurcir les capacités du système ou l'état de la tâche.
Le Human-AI eXperience Toolkit de Microsoft organise ses recommandations autour du comportement d'un système d'IA lors de la première utilisation, pendant l'interaction, lorsqu'il se trompe et au fil du temps. Cette structure est utile pour la conception de chats, car elle détourne l'attention de la personnalité d'un personnage pour la porter sur les besoins changeants de la personne qui utilise le système. Microsoft, « Guidelines for Human-AI Interaction »
Faire de la clarté une caractéristique visible de la conversation
La clarté commence par la tâche de l'utilisateur, et non par une voix parfaitement conversationnelle. Une personne qui demande trois idées d'activités pour le week-end a besoin d'options qu'elle peut comparer ; une personne qui demande une réécriture a besoin d'un brouillon qu'elle peut réviser. L'interface doit permettre de distinguer facilement l'action demandée et le résultat retourné. Si l'IA suggère, résume ou transforme des éléments, identifiez clairement cette contribution et préservez suffisamment de contexte pour que l'utilisateur puisse l'évaluer.
Une interaction utile peut également montrer ce que l'IA peut et ne peut pas faire au moment où cette information est importante. Par exemple, si un assistant de chat peut suggérer un plan mais ne peut pas effectuer de réservation, la réponse ne doit pas laisser l'action ambiguë. Indiquez ce qui est prêt, ce qui nécessite encore l'intervention de l'utilisateur et les détails qui restent incertains. Il s'agit d'une recommandation de conception déduite de l'accent mis par HAX sur un comportement approprié tout au long d'une interaction, plutôt que de l'affirmation qu'une seule structure de formulation fonctionne dans tous les produits.
Un test de clarté simple consiste à demander à quelqu'un après un court échange : Qu'avez-vous demandé au système de faire ? Qu'a-t-il fait en réalité ? Que devriez-vous vérifier ou décider avant d'utiliser le résultat ? Si les réponses s'écartent de ce que l'interface entendait transmettre, revoyez la formulation, la structure ou les indications de l'étape suivante avant d'ajouter plus de personnalité.
Utiliser le jeu pour encourager l'exploration
Le côté ludique offre aux gens un moyen d'explorer un outil et ses possibilités. Dans une étude portant sur 372 publications d'utilisateurs concernant ChatGPT, les chercheurs ont identifié des échanges ludiques comprenant des blagues, des défis posés au système et des tests de ses limites. Les auteurs décrivent ces interactions comme un moyen pour les utilisateurs d'explorer les capacités et l'agentivité de l'IA, tout en notant que l'échantillon reflète des publications datant des débuts de l'utilisation de ChatGPT. Nikghalb et Cheng, « Interrogating AI: Characterizing Emergent Playful Interactions with ChatGPT »
Pour les concepteurs, l'implication pratique n'est pas de transformer chaque assistant en humoriste. Il s'agit plutôt de faciliter l'expérimentation sans enjeu : offrir des moyens d'aborder un problème sous un angle différent, de comparer des alternatives ou de réviser un brouillon sans perdre la version précédente. Une courte consigne créative telle que « Donne-moi trois thèmes inattendus » peut inviter à l'exploration tout en gardant l'objectif de l'utilisateur en vue. Le jeu doit être un mode disponible, et non une performance que l'utilisateur doit subir.
La recherche sur les outils ludiques de création assistée par IA distingue l'aspect ludique de la créativité, tout en décrivant le jeu comme un catalyseur possible de réponses créatives. Elle aborde l'interface, le comportement de l'IA et le dialogue comme des opportunités de conception, tout en traitant le jeu comme une expérience à soutenir plutôt que comme un résultat pouvant être garanti. Liapis et al., « Designing for Playfulness in Human-AI Authoring Tools »
Garder l'état de la tâche lisible d'un échange à l'autre
Une interface de chat peut paraître naturelle tout en perdant le fil du travail en cours. L'état de la tâche comprend l'objectif actuel de l'utilisateur, les décisions déjà prises, les options encore ouvertes et la prochaine étape. Lorsque l'échange comporte plusieurs étapes, un récapitulatif compact peut montrer la compréhension actuelle du système : « Il vous reste deux options ; vous préférez une courte marche ; je n'ai pas encore choisi de lieu. » Cela donne à l'utilisateur la possibilité de corriger la trajectoire avant que la conversation ne se poursuive.
Le modèle d'interaction doit s'adapter à la complexité de la tâche. L'article de Ding et Chan sur la co-création de texte entre humains et IA distingue la sélection à portée fixe, les tâches créatives indépendantes et les tâches créatives complexes et interdépendantes. Il associe ces dernières à différents modèles d'interaction, de l'intervention limitée à la collaboration itérative. La déduction utile pour la conception est qu'une réponse en un seul échange peut convenir à un résumé délimité, tandis qu'une tâche créative en cours de développement bénéficie d'échanges qui exposent des choix et permettent à la personne de façonner le résultat. Ding et Chan, « Mapping the Design Space of Interactions in Human-AI Text Co-creation Tasks »
Pour un contrôle pratique de l'état, suivez une tâche représentative tout au long de la conversation. À chaque échange, demandez-vous si la personne peut discerner ce qui est terminé, ce qui reste en suspens et comment corriger une hypothèse erronée. Si la réponse dépend de la mémorisation de plusieurs échanges antérieurs, ajoutez un récapitulatif concis ou une liste visible des décisions. Si le système ne peut pas conserver un détail de manière fiable, rendez cette limitation visible plutôt que de suggérer une continuité qu'il ne possède pas.
Donner aux utilisateurs un contrôle significatif
Le contrôle consiste à donner à la personne un moyen pratique de diriger ou de réviser l'interaction. Dans un chat, cela peut être aussi simple que de permettre à quelqu'un de choisir entre plusieurs options, de modifier un brouillon généré, de changer une contrainte ou de demander au système de s'arrêter pour résumer. Ces commandes sont particulièrement précieuses lorsqu'elles ont un impact sur une décision qui importe à l'utilisateur ; un menu de réglages qui ne change rien de significatif ajoute de la complexité sans offrir d'agentivité.
Une expérience impliquant un agent conversationnel dans des discussions de groupe a comparé différentes manières de définir les attentes concernant sa capacité à identifier les participants qui contribuaient peu. Elle a testé des informations sur l'exactitude, une explication de la méthode de détection et des données, ainsi qu'une commande d'ajustement. Dans cette étude précise, l'explication a aidé les utilisateurs à comprendre l'algorithme et s'est avérée la plus efficace dans l'ensemble ; le simple fait de fournir une commande d'ajustement a conduit à une perception plus négative de l'expérience de discussion. Le résultat met en garde contre l'idée de considérer un contrôle comme utile simplement parce qu'il existe : expliquez ce qu'il modifie et rendez ses conséquences compréhensibles. Do et al., « Inform, Explain, or Control: Techniques to Adjust End-User Performance Expectations for a Conversational Agent Facilitating Group Chat Discussions »
Une séquence de conception pratique consiste à : montrer l'interprétation actuelle, proposer un nombre restreint d'actions suivantes significatives et faciliter les corrections. Par exemple, après avoir généré un plan de sortie, le système peut demander s'il faut raccourcir le parcours, remplacer une activité ou conserver le brouillon. Chaque option nomme un changement concret. L'exemple est illustratif ; il décrit un modèle d'interaction général et non une fonctionnalité d'un produit particulier.
Transformer les objectifs en une liste de contrôle
Lors de l'évaluation de la conception d'un chat, examinez une tâche ordinaire du début à la fin. Vérifiez si le premier échange clarifie le rôle du système ; si un utilisateur peut distinguer une suggestion d'une action terminée ; si un échange exploratoire invite à l'expérimentation sans imposer une personnalité ludique forcée ; et si la conversation reflète fidèlement les décisions et les étapes non résolues. Vérifiez ensuite si la personne peut corriger le système et comprendre l'effet de chaque commande disponible.
Enfin, examinez le langage et la présentation pour déceler les indices qui pourraient suggérer une identité humaine ou une fiabilité exceptionnelle. Déterminez si les affirmations à la première personne, la voix, le langage émotionnel ou un avatar anthropomorphique pourraient affecter le jugement porté par un utilisateur sur une réponse. Cet examen complète, plutôt qu'il ne remplace, la vérification du caractère compréhensible et utile de l'interaction. La mesure la plus solide de la conception d'un chat est de savoir si une personne peut mener à bien sa propre tâche avec une vision claire de la contribution de l'IA et du choix suivant — et non de savoir si l'échange passe pour une conversation avec une personne.