Comment Google Duplex a évolué pour appeler également des entreprises à votre place dans Gemini
Google Duplex est passé d’un système restreint et spécifique à une tâche à une architecture unifiée alimentée par Gemini. Cet article examine la transition des modèles de domaine fermé pré-LLM vers les modèles fondamentaux modernes, en détaillant comment cette technologie permet désormais l’achèvement autonome des tâches dans l’application Gemini.
Tags
Résumé rapide
Google Duplex est passé d’un système restreint et spécifique à une tâche à une architecture unifiée alimentée par Gemini. Cet article examine la transition des modèles de domaine fermé pré-LLM vers les modèles fondamentaux modernes, en détaillant comment cette technologie permet désormais l’achèvement autonome des tâches dans l’application Gemini.
Comment Google Duplex a évolué pour appeler également des entreprises à votre place dans Gemini
Lorsque Google a introduit Duplex en 2018, cela a marqué un moment clé en intelligence artificielle en étant pionnier dans les conversations vocales naturelles entre l’IA et les entreprises locales par téléphone. Près d’une décennie plus tard, cette technologie est passée d’un projet de recherche spécialisé à un composant essentiel de l’écosystème Google, désormais intégré directement aux tâches de Gemini. Cette évolution représente un passage de modèles à domaine fermé à une architecture unifiée capable de gérer l’achèvement autonome de tâches dans une grande variété de scénarios réels.
Des modèles à domaine fermé à une architecture unifiée
Le parcours de Google Duplex a commencé avant l’invention du transformateur et des modèles linguistiques modernes. Dans ses premières versions, le système était limité à des domaines restreints. Les ingénieurs entraînaient des modèles de réseaux neuronaux récurrents personnalisés à partir de conversations téléphoniques anonymisées et spécifiques aux tâches. Sans connaissances pré-entraînées sur le monde, ces modèles dépendaient de grandes quantités de données d’entraînement pour chaque type de tâche spécifique, comme interpréter le flux rigide des réservations de restaurants ou vérifier les horaires pendant les vacances. Cette approche permettait au système de suivre une logique propre au domaine, mais nécessitait la création de modèles de dialogue distincts pour chaque nouvelle catégorie.
Avec l’émergence de modèles fondamentaux à domaine ouvert, l’architecture a commencé à évoluer. En 2022, Duplex a commencé à utiliser LaMDA lors des appels en direct. Ces modèles pré-entraînés simplifiaient la compréhension et le raisonnement par bon sens, permettant au système de gérer des détours ou des changements de sujet inattendus tout en restant ancré dans le contexte. Cependant, les premiers modèles génératifs étaient moins prévisibles et parfois plus lents que les normes actuelles. Pour y remédier, Google a développé des architectures hybrides qui combinaient des modèles génératifs permettant des formulations flexibles avec un suivi d’état déterministe et des règles de politique strictes.
Le saut le plus significatif a eu lieu avec l’intégration de Gemini. En passant à des descriptions de tâches en texte libre pour instruire le système, Google a complètement éliminé la contrainte des structures verticales fixes. Cela a permis aux modèles de définir des tâches simplement à l’aide d’un prompt, ce qui a facilité la généralisation à de nouveaux types de tâches et de nuances — comme demander des places près d’une fenêtre ou plus d’espace pour un poussette — sans devoir créer des modèles de dialogue distincts à partir de zéro. Aujourd’hui, la pile logicielle utilise Gemini pour unifier la compréhension multimodale, la planification et la génération de dialogue, permettant au système de gérer des demandes complexes et de s’adapter lorsque l’opératrice propose un autre créneau.
Difficultés techniques dans la téléphonie en direct
Malgré les progrès réalisés avec les modèles de base, la téléphonie en direct présente des défis uniques que le pré-apprentissage sur des ensembles de données web standard ne peut pas résoudre. Google Research souligne deux obstacles principaux que la pile actuelle doit surmonter pour fonctionner efficacement.
Le premier concerne l’ancrage pragmatique du contexte avant et pendant l’appel. Le web ne contient pas toutes les données nécessaires pour comprendre comment se déroulent les appels avec des commerçants occupés. Près d’une décennie d’expérience avec des appels axés sur des objectifs précis aide la pile à saisir les normes pragmatiques, même avant le début de l’appel. En pratique, cela signifie associer une tâche en texte libre à une entreprise en se basant sur le contexte historique des conversations passées. Par exemple, le système peut prédire si une tâche sera réalisable en sachant qu’un fournisseur donné ne prend pas de réservations pour de grands groupes le week-end. Pendant l’appel, ce contexte aide le modèle à déterminer ce qui est pertinent à demander à un moment donné, comment interpréter des refus polis et indirects, et comment garder les appels courts et efficaces.
Deuxièmement, il est nécessaire d’obtenir une latence inférieure à une seconde dans des environnements acoustiques bruyants. Les appels ont souvent lieu sur des lignes téléphoniques compressées, en présence de bruits de fond forts, tels que le vacarme dans les cuisines, les machines à espresso, le bruit de la rue et les conversations secondaires. La pile logicielle est conçue pour une inférence en streaming à faible latence, afin que les réponses arrivent à un rythme naturel. Des modèles acoustiques personnalisés ainsi que des modèles de rythme de conversation aident le système d’IA principal à gérer le bruit de fond et les pauses, garantissant que l’agent cesse de parler au bon moment pour éviter de couvrir l’autre partie.
Conception adaptée aux deux parties de la ligne
Un principe essentiel qui guide la conception de Duplex est que le système doit fonctionner tout aussi bien pour l’entreprise qui répond au téléphone que pour l’utilisateur. Cette philosophie a conduit à plusieurs choix de conception clés visant à respecter l’autonomie des commerçants et l’expérience utilisateur.
Une divulgation claire est obligatoire. Chaque appel commence par indiquer clairement qu’il s’agit d’un agent d’IA — plus précisément, d’un système automatisé appelant depuis Google. Les entreprises conservent le contrôle ; les commerçants peuvent choisir de ne pas recevoir d’appels automatisés dans les paramètres de leur Profil Business Google ou simplement dire « Veuillez cesser d’appeler mon entreprise » au cours d’un appel. De plus, Duplex ne nécessite aucune configuration ni adaptation. Il fonctionne via le téléphone que l’entreprise utilise déjà pour répondre, sans nécessiter d’installation de logiciels, de maintenance d’un système de réservation ou de formation du personnel. Quiconque répond peut gérer l’appel comme il le ferait avec n’importe quel client, même en période de forte affluence.
En outre, le système vise à fournir « une conversation, de nombreuses informations ». Les détails recueillis lors d’un appel peuvent répondre à de nombreuses questions ultérieures, évitant que les entreprises ne soient interrogées à plusieurs reprises sur les mêmes sujets. Par exemple, Google Maps peut afficher des informations recueillies par Duplex au sujet des entreprises, telles que des offres spéciales pendant l’heure heureuse, des emplacements en terrasse, la possibilité d’accueillir des animaux, des conseils de stationnement ou des soirées de quiz hebdomadaires.
Intégration dans les tâches de Gemini
La conclusion de cette évolution architecturale d’une décennie est le lancement des fonctionnalités Duplex au sein de Tasks dans l’application Gemini. Bien que cette technologie opère en coulisses dans des produits tels que Google Search et Maps depuis des années, son intégration dans un collaborateur IA personnel permet aux utilisateurs de coordonner directement les tâches du monde réel.
Effectuer des tâches comme réserver un dîner ou prendre un rendez-vous chez le coiffeur est chronophage, et les conversations téléphoniques en direct se déroulent rapidement, sans suivre presque jamais un script. En intégrant Duplex dans Tasks dans Gemini, l’interaction vocale naturelle devient une modalité parfaitement intégrée que l’agent peut utiliser chaque fois que des canaux numériques structurés tels que des API en ligne ou des formulaires de réservation n’existent pas.
Cette intégration utilise les derniers modèles Gemini 4, y compris Gemini 4 Hydrogen et Gemini 4 Neon. Grâce à ces fonctionnalités, Tasks dans Gemini peut gérer des flux de travail plus complets, tels que l’analyse des factures d’énergie, le traitement sécurisé des transactions via l’Agent Payments Protocol, ainsi que la coordination avec les utilisateurs par e-mail et via les Rich Communication Services (RCS). Cela représente une étape importante vers la résolution des tâches quotidiennes qui exigent de parler directement avec une autre personne pour coordonner fiablement les détails.
Conclusion
L’évolution de Google Duplex, d’un système restreint et spécifique à une tâche à une pile unifiée entièrement basée sur Gemini, illustre le pouvoir des modèles fondamentaux pour résoudre des problèmes complexes du monde réel. En surmontant les obstacles techniques liés à la téléphonie en direct et en concevant le système en tenant compte à la fois des utilisateurs et des entreprises, Google a créé un outil qui respecte l’interaction humaine tout en automatisant les tâches fastidieuses. À mesure que ces fonctionnalités se développent au sein de Tasks dans Gemini, elles représentent la prochaine génération d’assistance IA, comblant le fossé entre la planification numérique et l’exécution physique.
Source : https://research.google/blog/how-google-duplex-evolved-to-also-call-businesses-for-you-in-gemini



