Analyse des émotions : les machines peuvent-elles comprendre ce que nous ressentons ?

• Auteur :
• Nom de l'auteur

  Prévision quantique
• 10 octobre 2023

Résumé des informations

L'analyse des émotions utilise l'intelligence artificielle pour évaluer les émotions humaines à partir de la parole, du texte et des signaux physiques. La technologie se concentre principalement sur le service client et la gestion de la marque en adaptant les réponses des chatbots en temps réel. Une autre application controversée concerne le recrutement, où le langage corporel et la voix sont analysés pour prendre des décisions d'embauche. Malgré son potentiel, la technologie a suscité des critiques pour son manque de fondement scientifique et ses potentiels problèmes de confidentialité. Les implications incluent des interactions clients plus personnalisées, mais également la possibilité de davantage de poursuites et de préoccupations éthiques.

Contexte de l'analyse des émotions

L'analyse des émotions, également connue sous le nom d'analyse des sentiments, permet à l'intelligence artificielle (IA) de comprendre ce que ressent un utilisateur en analysant la structure de son discours et de ses phrases. Cette fonctionnalité permet aux chatbots de déterminer les attitudes, opinions et émotions des consommateurs à l'égard des entreprises, des produits, des services ou d'autres sujets. La principale technologie qui alimente l’analyse des émotions est la compréhension du langage naturel (NLU).

NLU fait référence au moment où un logiciel informatique comprend une entrée sous forme de phrases via du texte ou de la parole. Grâce à cette capacité, les ordinateurs peuvent comprendre les commandes sans la syntaxe formalisée qui caractérise souvent les langages informatiques. De plus, NLU permet aux machines de communiquer avec les humains en utilisant le langage naturel. Ce modèle crée des robots capables d'interagir avec des humains sans supervision. 

Les mesures acoustiques sont utilisées dans les solutions avancées d’analyse des émotions. Ils observent la vitesse à laquelle quelqu'un parle, la tension de sa voix et les changements dans les signaux de stress au cours d'une conversation. Le principal avantage de l’analyse des émotions est qu’elle n’a pas besoin de données volumineuses pour traiter et personnaliser une conversation de chatbot en fonction des réactions des utilisateurs par rapport à d’autres méthodes. Un autre modèle appelé Traitement du langage naturel (NLP) est utilisé pour mesurer l'intensité des émotions, en attribuant des scores numériques aux sentiments identifiés.

Impact perturbateur

La plupart des marques utilisent l'analyse émotionnelle dans le support et la gestion client. Les robots analysent les publications sur les réseaux sociaux et les mentions de la marque en ligne pour évaluer l'opinion actuelle à l'égard de ses produits et services. Certains chatbots sont formés pour répondre immédiatement aux plaintes ou diriger les utilisateurs vers des agents humains pour répondre à leurs préoccupations. L'analyse des émotions permet aux chatbots d'interagir plus personnellement avec les utilisateurs en s'adaptant en temps réel et en prenant des décisions en fonction de l'humeur de l'utilisateur. 

Une autre utilisation de l’analyse des émotions concerne le recrutement, ce qui est controversé. Principalement utilisé aux États-Unis et en Corée du Sud, le logiciel analyse les personnes interrogées à travers leur langage corporel et leurs mouvements faciaux à leur insu. HireVue, basée aux États-Unis, est une entreprise qui a reçu de nombreuses critiques concernant sa technologie de recrutement basée sur l'IA. L'entreprise utilise des algorithmes d'apprentissage automatique pour déterminer les mouvements oculaires d'une personne, ce qu'elle porte et les détails vocaux pour établir le profil du candidat.

En 2020, l'Electronic Privacy Information Center (EPIC), un organisme de recherche axé sur les questions de confidentialité, a déposé une plainte auprès de la Federal Trade Commission contre HireVue, déclarant que ses pratiques ne favorisent pas l'égalité et la transparence. Néanmoins, plusieurs entreprises s'appuient encore sur la technologie pour leurs besoins de recrutement. Selon Financial Times, le logiciel de recrutement d'IA a permis à Unilever d'économiser 50,000 2019 heures de travail de recrutement en XNUMX. 

Le journal d'information Spiked a qualifié l'analyse des émotions de « technologie dystopique » dont la valeur devrait atteindre 25 milliards de dollars d'ici 2023. Les critiques insistent sur le fait qu'il n'y a aucune science derrière la reconnaissance des émotions. La technologie ne tient pas compte des complexités de la conscience humaine et s’appuie plutôt sur des indices superficiels. En particulier, la technologie de reconnaissance faciale ne prend pas en compte les contextes culturels ni les nombreuses façons dont les gens peuvent masquer leurs véritables sentiments en prétendant être heureux ou excités.

Implications de l'analyse des émotions

Les implications plus larges de l’analyse des émotions peuvent inclure : 

• Les grandes entreprises utilisent un logiciel d'analyse des émotions pour surveiller les employés et accélérer les décisions d'embauche. Cependant, cela pourrait donner lieu à davantage de poursuites et de plaintes.
• Des chatbots qui proposent différentes réponses et options en fonction de leurs émotions perçues. Cependant, cela peut entraîner une identification inexacte de l’humeur du client, conduisant à davantage de clients mécontents.
• De plus en plus d’entreprises technologiques investissent dans des logiciels de reconnaissance des émotions pouvant être utilisés dans les espaces publics, y compris les magasins de détail.
• Des assistants virtuels capables de recommander des films, de la musique et des restaurants en fonction des sentiments de leurs utilisateurs.
• Des groupes de défense des droits civiques déposent des plaintes contre les développeurs de technologies de reconnaissance faciale pour violation de la vie privée.

Questions à commenter

• Selon vous, dans quelle mesure les outils d’analyse des émotions peuvent-ils être précis ?
• Quels sont les autres défis liés à l’apprentissage des machines pour comprendre les émotions humaines ?