L'analyse vocale, de la détection de mensonge à l'écoute du client

L'information, largement relayée par la presse (par exemple, le Wall Street Journal), pourrait donner l'impression d'un poisson d'avril tardif mais elle semble pourtant bien réelle : la banque russe Sberbank testerait un guichet automatique de banque (GAB) équipé d'un détecteur de mensonges, issu des travaux d'une entreprise spécialiste de l'analyse vocale dont un des clients n'est autre que la FSB (ex-KGB).
L'objectif du dispositif est de compléter la panoplie d'outils de contrôle et de validation des souscriptions de cartes de crédit, dans un processus totalement automatisé. Lorsque le client soumet sa demande, le GAB enregistre une copie de son passeport ainsi que ses empreintes digitales et sa photo (en 3D). Il doit ensuite répondre à quelques questions (par exemple : avez-vous des crédits en cours ?) et l'analyse de la voix, en détectant des motifs de nervosité ou d'inquiétude, permet de vérifier la sincérité de la réponse, ce qui déterminera le sort réservé à la demande.
Si, pour la population russe qui considère presque normal d'être soumise à des écoutes arbitraires, le principe du détecteur de mensonge n'est pas particulièrement choquant, ce ne serait probablement pas le cas pour les occidentaux. Pourtant, à y regarder de plus près, l'analyse de la voix commence à s'introduire aussi dans nos contrées, certes sous une forme moins intrusive a priori, mais néanmoins tout aussi insidieuse.
Pour illustrer cet état de fait, je ne prendrai qu'un exemple : Saygent. Cette jeune startup américaine propose aux grandes entreprises un système d'analyse de sentiment par la voix, adapté à divers usages : enquêtes, recrutement, évaluations...
Son fonctionnement est assez particulier car il s'appuie sur un principe de crowdsourcing. Ce sont en effet les participants à la plate-forme Mechanical Turk d'Amazon qui réalisent l'analyse, retranscrivant les émotions perçues à travers les enregistrements de conversations qui leurs sont soumis.
La solution de Saygent, qui aurait déjà été utilisée, entre autres, par la Banque Royale du Canada, peut par exemple permettre d'enrichir les réponses à des questionnaires, avec des informations difficiles à extraire des réponses formelles, telles que l'excitation pour un nouveau produit. Pour d'autres solutions similaires, ce sont les opérateurs de centres d'appel qui bénéficient d'une détection automatique du niveau d'irritation de leur interlocuteur avant même d'avoir décroché leur téléphone...
L'intérêt de ces technologies est évident, car elles permettent d'enrichir le contexte de la relation avec les clients et donc d'affiner les informations qui peuvent en être retirées. Mais seront-elles acceptables pour les consommateurs ? Et jusqu'à quel point ? Ces questions restent ouvertes, pour l'instant...