“Flowing Generation” — Matthew Lyons

Quelle place pour l’Homme dans les interactions de demain ?

Wladimir Delenclos
Dec 12, 2018 · 7 min read

Concevoir des interfaces et anticiper des comportements utilisateurs, c’est le quotidien des acteurs du numérique. Mais, s’il est chose aisée d’imaginer des comportements pour nos interactions d’aujourd’hui, il est plus difficile d’imaginer quelles seront les mécanismes que l’Homme emploiera pour interagir avec un système intelligent dans les décennies à venir.

Lorsque nous essayons de les imaginer, nous avons des difficultés à sortir des visions romancées des films de science-fiction. Les plus pessimistes entrevoient même un futur à travers l’imaginaire proposé par des séries plus récentes comme Black Mirror !

Après avoir vu quelques épisodes de cette série — que je recommande — une vision très sombre de l’avenir des technologies s’offre à nous : un monde où l’Homme est dépendant de la Machine.

Mais n’y a t-il pas un moyen d’envisager autre chose ? Verrons nous forcément la machine dominer nos interactions futures et sera-t-elle le lien et le filtre social principal entre les Hommes ?

Je crois au contraire qu’il est possible d’envisager que les interfaces que nous connaissons (écrans tactiles, API, enceintes connectées d’Amazon …) laissent de plus en plus de place à d’autres types d’interactions Homme-Machine. Ces interactions seront des mécanismes où l’homme reste au centre de l’action et où l’on retire un maximum les interfaces directes avec la machine. En somme, un modèle d’interaction sans interface.


No-interface ?

On a tendance à l’oublier avec tous nos appareils, mais une interaction homme machine, ne signifie pas forcément la demande d’un humain directement à une machine sous la forme d’un clavier ou d’un écran tactile. En dehors de ces interactions dites “actives” existe le domaine des interactions “passives”. Dans ce domaine, la machine interagit avec l’environnement de l’utilisateur, sans interaction directe avec lui. Ainsi, il n’existe pas d’interface directe entre l’utilisateur et la machine. A la place on se sert de l’environnement comme source d’information et déclencheur, puis on établit des règles et des logiques pour délivrer une réponse environnementale adaptée.

C’est le principe de base de la conception no-interface de Golden Krishna.

L’environnement nous procure des données que nous sommes maintenant capables de mesurer, à l’aide de différents capteurs, nous pouvons imaginer quantité de dispositifs sans interface intelligents qui répondent à merveille à nos besoins.

Des technologies permettant la récolte de données, l’analyse et la création de logiques adaptées existent déjà.

Pré-requis

Pour toute interaction no-interface, il est nécessaire, si l’on suit la logique no-interface, de se servir de l’environnement naturel de l’homme comme source et vecteur d’informations. Nous devons ensuite être en mesure d’analyser et de moduler la réponse pour qu’elle soit adaptée au besoin et au contexte.

Cela présuppose de réunir trois conditions :

  • Avoir des sources d’information fiables, sociales ou environnementales, en temps réel — grâce entre autres aux peri-technologies — .
  • Constituer des bases de données véloces, en volume et variées si le schéma d’interactions présuppose un apprentissage dans le temps.
  • Pouvoir traiter de façon méthodique pour extraire et restituer l’information adéquate au bon moment.

La généralisation du Big data, les anticipations des comportements, rendues possibles par l’IA, et la quantité incroyable de capteurs d’information existants dans notre environnement constituent déjà les ingrédients de notre recette.

Utilités et perspectives

Nous savons donc que cela est possible, voici maintenant des exemples d’applications dans 3 domaines aux contraintes variées :

  • Les transports
  • La santé
  • Le travail
“Hyperloop” — Matthew Lyons

Transport

C’est certainement un des domaines les plus en avance dans nos sociétés. Les transports collectifs sont sur la voie de l’automatisation en France depuis 2005 avec notamment la ligne 1 du métro parisien déplaçant plus de 200 millions de passagers par an.

Pourtant, à l’échelle de la planète, on assiste à un besoin croissant de vitesse dans les transports de personnes longs et moyens courrier ainsi qu’à une argumentation constante du transport de containers maritimes.

À l’échelle de nos villes, la complexification des tissus urbain et les enjeux de développement durable constituent des défis pour demain.

Sur ces deux points, l’automatisation seule ne répond qu’au problème d’augmentation des flux et n’est qu’un levier d’amélioration de nos réseaux de transport à la personne et de marchandise. Il est nécessaire d’y adosser toute l’intelligence de la modularité des transports, du temps réel et de l’apprentissage pour venir accroître l’efficacité de ces systèmes et envisager une place plus généreuse pour l’Homme.

Comment s’y prendre ? La particularité de ce domaine est qu’il traite des masses de personnes et que le feedback n’est pas à destination d’un individu mais du réseau de transport, au service de la masse.

Nous connaissons les donnés de transport des usagés grâce aux données contenues dans les titres de transport. Corrélées par exemple à des capteurs d’affluence en temps réel et traduit par des outils statistiques, de modélisation et d’anticipation — permis entre autre par l’IA — nous pouvons anticiper en temps reel le besoin d’inter-modularité d’un trajet de transports en commun avec des services VTC autonome par exemple.

À l’échelle des continents maintenant, il peut s’agir de concevoir un réseau d’informations commun aux industries, aux distributeurs et aux transporteurs pour automatiser les besoins d’approvisionnement. Ce type de réseau serait basé sur une multitude de capteurs dédiés et qui en temps réel redéfinissent le besoin et la réponse à mettre en place.

Dans ces deux exemples, l’homme ne prend pas part activement à la définition du besoin. Les capteurs, positionnés partout dans le réseau de transport ou tout le long de la chaîne de distribution, assurent la récolte de données, et le réseau lui, effectue l’analyse du besoin et la restitution de la réponse en temps réel par l’intermédiaire d’objets autonomes pilotés par le réseau.

“Hoping you are in fine fettle, not the foggy fettle.” — Matthew Lyons

Santé

C’est là un domaine où l’Homme est actuellement très réticent à la digitalisation. Et pour cause, quoi de plus compliqué que de faire confiance à un écran pour un diagnostique médical.

La particularité de ce domaine est qu’il traite de données sensibles et individualisées de personnes. Le feedback s’intègre dans une relation patient-praticien.

Il faut donc penser à un processus d’interaction à la machine individualisé qui respecte la vie personnelle et renforce le lien patient-praticien.

En ajoutant des capteurs dans les lieux de vie régulier du patient (lit, toilettes, salle de bain) et par l’analyse des données autant par le docteur que par l’extrapolation de modèles il sera facile d’anticiper et de prévoir des visites médicales avec son praticien sans avoir recours à Doctissimo.

Cela remet le praticien au cœur de la relation patient - praticien et réduit l’automédication.

“Interior” — Matthew Lyons

Travail

Beaucoup d’employés de bureau passent aujourd’hui plus de temps devant leur ordinateur qu’avant. Des méthodes de gestion de projet intégrant l’Homme et un haut niveau d’adaptation ont émergé dans les secteurs de l’innovation, tel que le Lean Design et les méthodes agiles.

Des temps de réunion dédiés aux discussions nous remettent au cœur des réflexions et des prises de décisions, bien loin des procédés souvent automatisés dans l’industrie.

Mais malgré ces évolutions, une grande partie du temps reste alloué à des tâches basiques de restitution.

Dans ce contexte le no-interfaces peut retirer des tâches répétitives et basiques en intégrant une interface homme machine dans les moments de rituel de la méthode agile.

Par exemple, rien n’empêche un système intelligent de se mettre au service d’un Scrum Master en effectuant une écoute active des réunions lors des différents rituels Agile. Il retranscrit ensuite les tâches à effectuer, les estimations d’une fonctionnalité effectuées à l’oral et restitue au responsable d’une tâche les points importants énoncés lors de la réunion entre les différents acteurs.

Nous pouvons même envisager que ce système propose intelligemment, selon des tâches similaires précédemment saisies via des modèles statistiques et du réseau neuronal, une piste de solution ou des articles pouvant aider à la résolution d’une tâche.

Un tel procédé rend la phase de débat bien plus importante dans la méthode Scrum puisqu’elle permet à un système intelligent de réduire le temps que le salarié passera à restituer les informations engendrées lors de la réunion ou même à réfléchir à une solution en valorisant l’historique de l’entreprise par l’analyse des tâches passées.

Au service de l’Humain ?

On le voit, dans ces trois exemples, la machine devient un outil complètement transparent qui se positionne en observateur des interactions humaines. Tantôt il sert de régulateur à grande échelle grâce à la relation intelligente entre réseaux, capteurs et capacité d’anticipation de l’IA, tantôt de lien transparent aux relations entre les hommes sans se positionner comme un filtre entre les deux.

Enfin, et c’est l’exemple du domaine du travail, il peut devenir une intelligence au service de l’Homme en lui facilitant les prises de décisions en créant un contexte propice au débat et à la valorisation des échanges entre les individus.

Ainsi, même si des peurs réelles peuvent exister concernant le devenir des interactions Homme-Machine, nous voyons qu’il est possible de penser des interactions au service de l’Homme avec la Machine.
Dès lors que nous sortons d’un schéma basique de conception consistant à croire qu’à tout problème correspond forcément une application mobile, et que nous valorisons des interactions naturelles vis à vis des interactions artificielles, nous voyons que l’Humain reprend une place forte dans l’équation Homme-Machine.

Cette optimisme est rendu possible aujourd’hui par l’émergence des réseaux neuronaux (IA), la quantité de capteurs et les réseaux incroyables d’informations. Il ne tient qu’à nous de concevoir ces interactions nouvelles en pensant d’abord à une solution no-interface plutôt qu’à une application traditionnelle.


Wladimir Delenclos

Written by

Digital Engineer @Thales | Co-Founder @Smapps | PWA Developer, digital thinking

Welcome to a place where words matter. On Medium, smart voices and original ideas take center stage - with no ads in sight. Watch
Follow all the topics you care about, and we’ll deliver the best stories for you to your homepage and inbox. Explore
Get unlimited access to the best stories on Medium — and support writers while you’re at it. Just $5/month. Upgrade