Quantcast

Le marketing utilisera l’empathie artificielle pour vous vendre plus de trucs

Nos expressions faciales aident les spécialistes marketing à bâtir la dystopie dont ils ont toujours rêvé.

Daniel Oberhaus

Daniel Oberhaus

Image: Wikimedia Commons

L'empathie est un concept difficile à aborder. La gamme et la complexité des émotions humaines rendent difficile, si ce n'est impossible, la compréhension des émotions d'autrui. Malgré tout, l'empathie est considérée comme un aspect crucial de notre humanité. Même nos cerveaux semblent conçus pour utiliser cette capacité en permanence. Cela ne surprendra donc personne si certains s'attendent déjà à ce que le machine learning atteigne un stade de raffinement suffisant pour imiter certaines des fonctions cérébrales les plus complexes, comme l'empathie. Apprendre l'empathie à l'ordinateur est déjà un objectif concret en intelligence artificielle, mais aussi dans des domaines plus inattendus.

On décrit sous le nom « d'empathie artificielle » l'idée d'entrainer des machines à reconnaître des signaux sociaux chez les humains sous forme de « données visuelles », avant d'y répondre de la manière la plus appropriée possible. L'émergence du traitement des signaux sociaux en tant que branche à part entière des sciences informatiques est un phénomène relativement nouveau ; cependant, le domaine a déjà attiré l'attention d'un autre champ de recherche qui s'intéresse de près à la communication entre humains : le marketing.

D'un côté, l'exploitation de l'empathie artificielle est considérée comme une étape essentielle vers l'intégration des robots et des intelligences artificielles dans les sociétés humaines, parce qu'elle pourrait permettre de rendre les interactions homme-robot plus faciles et plus authentiques. De l'autre, elle s'annonce comme une mine d'or pour le marketing, comme le montrent les travaux de Shasha Lu, maitre de conférences en marketing à la Cambridge Judge Business School.

Les recherches de Lu visent à combiner l'analyse automatique d'images et de vidéos aux techniques marketing traditionnelles afin de moderniser la vente. Il s'agirait d'apprendre à une machine à lire le comportement d'un client exposé à tel ou tel produit, puis de lui faire des recommandations en fonction des signaux sociaux ainsi analysés. Lu s'est attachée à apprendre à une machine à faire des recommandations personnalisées à un client dans le domaine de la mode et de l'habillement.

« L'idée qu'une machine puisse tirer des conclusions pertinentes des expressions et du comportement d'une personne… il n'y a rien de plus excitant, » confie Lu. « Et désormais, nous avons la technologie et la puissance de calcul nécessaires. »

« L'idée qu'une machine puisse tirer des conclusions pertinentes des expressions et du comportements d'une personne… il n'y a rien de plus excitant. »

Selon Lu, le projet est basé sur des techniques déjà utilisées par les vendeurs en prêt-à-porter.

« Quand les gens font du shopping, ils veulent essayer les vêtements avant de les acheter, » explique-t-elle. « Lorsque le client sort de la cabine afin de s'admirer dans le miroir, le vendeur en profite pour inférer des informations essentielles sur son attitude. Pour commencer, il évalue à quel point le client apprécie le vêtement à partir de sa réaction émotionnelle, qui se lit sur le visage. Ensuite, il devine les goûts du client à partir de sa sélection d'articles et de son comportement dans le magasin. Si une cliente touche son collier ou tripote l'ourlet du vêtement en faisant la moue, par exemple, on peut en déduire qu'elle n'aime pas le vêtement. »

Lu propose de placer une caméra sur un miroir près des cabines d'essayage, ce qui permettrait à un ordinateur d'examiner les réactions des clients qui essaient une tenue. Les expressions faciales des individus seraient ensuite analysées et comparées à partir d'une base de données de clients ayant essayé le même vêtement. Il serait ainsi possible de faire des recommandations en temps réel. D'autres informations sur le client, comme sa taille et ses mensurations, génèreraient des recommandations et des prédictions de consommation encore plus fines.

L'utilisation du machine learning en analyse du comportement appliquée au marketing n'a rien de nouveau : elle a déjà connu un grand succès dans les lieux publics. Cela peut prendre la forme de panneaux d'affichage qui utilisent des logiciels de reconnaissance faciale pour suivre les acheteurs (une technologie dont l'efficacité a déjà été prouvée), ou d'un algorithme Facebook très discutable d'un point de vue éthique qui utilise le « profilage racial » pour montrer à l'utilisateur des publicités qui correspondent aux caractéristiques et aux goûts de « son groupe. »

Les explications de Facebook sur son programme publicitaire insistent sur le fait qu'il ne ciblent pas des groupes ethniques particuliers, mais tire profit des « affinités culturelles » des utilisateurs. Pourtant, un coup d'œil aux publicités en question suffit à remettre en doute cette assertion : les photos des utilisateurs associés aux « groupes d'affinités » en question (Hispano-américains, Afro-américains, Asio-américains) ne représentent aucun marqueur culturel commun particulier, seulement des couleurs de peau similaires.

Cette stratégie a notamment servi à la promotion du film Straight Outta Compton, qui a utilisé la publicité ciblée de Facebook pour montrer des trailers différents aux utilisateurs en fonction de leur « groupe d'affinités » supposé (ce qui n'a pas empêché Facebook de continuer à soutenir que l'origine ethnique des utilisateurs n'a jamais été exploitée dans un but publicitaire).

Les trailers de film basés sur les préférences individuelles constituent aussi un domaine d'intérêt de Lu. Elle pense d'ailleurs que ce genre de techniques peut contribuer à améliorer son système de recommandations de vêtements.

« Mes recherches sont encore en cours, nous n'avons pas encore de résultats concrets. Actuellement, toutes les bandes annonces ciblent les mêmes groupes de personnes », explique Lu. « Si, mettons, une bande-annonce au rythme endiablé est présentée à un individu qui ne va jamais voir des films d'action au cinéma, c'est du gâchis. On peut très bien ne pas lui montrer du tout, ou lui montrer uniquement des scènes dénuées d'action susceptibles de lui donner envie de voir le film. On travaille actuellement à personnaliser les bandes annonces, afin de démultiplier leur effet et d'amener les gens à regarder des films auxquels ils ne se seraient jamais intéressés autrement. »

Selon Lu, des techniques similaires pourraient être appliquée aux sites de rencontre en ligne. Le but serait d'apparier des personnes « compatibles » en analysant leurs caractéristiques faciales et leurs préférences. Pour le moment, il est difficile de dire si ces techniques marketing très agressives seront un fléau absolu pour le consommateur, ou si on pourra en dégager quelques avantages. Pour sa part, Lu reste très optimiste : « Non seulement ce domaine est novateur et plein de potentiel, mais il porte sur le quotidien des gens. C'est le moment parfait pour s'engager là-dedans. »