Lunettes Quark d’Alibaba : pourquoi l’IA reste dépendante de l’expertise humaine

Les lunettes intelligentes promettent de faire sortir l’assistant conversationnel du téléphone pour le placer directement dans le champ de vision et à portée de voix. Avec les Quark AI Glasses, qu’Alibaba prévoit de lancer en Chine d’ici à la fin de 2025, le groupe veut transformer son assistant Quark en compagnon matériel pour les tâches du quotidien. Mais cette promesse technologique ne tient pas seulement à la qualité des modèles d’intelligence artificielle : elle repose aussi sur un travail humain discret, continu et déterminant.

Qu’il s’agisse de reconnaître ce que filme une caméra, de comprendre une demande formulée à voix haute ou de traduire une phrase dans son contexte, une IA ne devient utile qu’après avoir été entraînée, testée et corrigée. Pour un objet porté sur soi, capable de capter des images, du son et parfois des informations liées aux achats ou aux paiements, les exigences de précision et de pertinence prennent une dimension particulière.

Alibaba veut faire de Quark un assistant porté au quotidien

Alibaba prépare une première incursion dans les appareils portables avec les Quark AI Glasses. Le produit doit être commercialisé en Chine et embarquer Quark, l’assistant d’intelligence artificielle déjà proposé sous forme d’application par le groupe. L’enjeu est de rendre cet assistant accessible sans avoir à sortir son smartphone, par la voix, l’audio et la caméra intégrée.

Ces lunettes arrivent dans un marché où l’intelligence artificielle devient un argument central pour les objets connectés. Alibaba cherche ainsi à se mesurer à des groupes tels que Meta et Xiaomi, qui ont eux aussi lancé des appareils intelligents. La concurrence ne porte pas uniquement sur la miniaturisation du matériel. Elle porte surtout sur la capacité à faire fonctionner, de manière simple et fiable, un assistant au plus près des situations réelles.

Le projet illustre également la stratégie plus large d’Alibaba : faire circuler ses services et ses modèles d’IA au sein de son propre écosystème numérique. Une paire de lunettes peut devenir une porte d’entrée vers une recherche, une conversation, une prise de notes, une comparaison de produits ou une transaction, à condition que l’expérience soit suffisamment rapide et compréhensible.

Quelles fonctions sont prévues pour les Quark AI Glasses ?

Alibaba présente ses lunettes comme un appareil polyvalent. Les fonctions annoncées comprennent les appels mains-libres, la diffusion de musique, la traduction en temps réel et la transcription de réunions. Elles intègrent également un appareil photo, qui peut servir à immortaliser une scène mais aussi, plus largement, à apporter une information visuelle à l’assistant.

La reconnaissance d’images et le traitement du langage naturel sont au cœur de cette proposition. Dans le premier cas, le système doit être capable d’interpréter ce que voit la caméra. Dans le second, il doit comprendre une formulation orale, y compris lorsqu’elle est incomplète, ambiguë ou prononcée dans un environnement bruyant. Il doit ensuite fournir une réponse adaptée, idéalement sans obliger la personne à reformuler plusieurs fois sa demande.

L’intégration avec les services d’Alibaba constitue un autre élément distinctif du projet. Les lunettes doivent notamment pouvoir se connecter à Alipay pour les paiements et à Taobao pour comparer des prix. Sur le papier, cette articulation peut raccourcir certaines actions : demander un renseignement sur un produit, comparer des offres ou accéder à un service sans naviguer manuellement sur un écran.

Pourquoi les données humaines restent indispensables à l’IA

Les capacités annoncées pour les Quark AI Glasses exigent de très grandes quantités de données. Pour apprendre à reconnaître une image, à transcrire une conversation ou à répondre à une question, les modèles sont exposés à de nombreux exemples. Une partie de ces données doit être labellisée, c’est-à-dire décrite ou classée par des personnes afin d’indiquer au système ce qu’il doit apprendre à identifier.

Une image peut par exemple être associée à des objets, une scène ou une action. Un enregistrement sonore peut être transcrit. Une réponse produite par un assistant peut être comparée à une autre et jugée plus pertinente, plus exacte ou plus sûre. Ce travail permet de guider le comportement du modèle, puis de mesurer ses progrès sur des situations qui n’ont pas servi directement à l’entraîner.

Cette intervention est souvent désignée par l’expression anglaise human-in-the-loop, ou HITL. L’idée est simple : l’humain reste dans la boucle. Il ne se contente pas de fournir des données brutes, il contribue à définir les critères de qualité, à relever les erreurs et à traiter les cas où une décision automatique serait trop incertaine.

Pour des lunettes connectées, ces contrôles sont particulièrement importants. Une mauvaise transcription peut déformer le sens d’une réunion. Une traduction littérale peut manquer une nuance. Une reconnaissance visuelle peut confondre des objets proches. Et lorsqu’un assistant intervient dans des achats ou des paiements, le système doit éviter de faire croire à l’utilisateur qu’il a compris ou validé une action alors que ce n’est pas le cas.

Henry Chen, cofondateur de Sapien, entreprise spécialisée dans les données d’entraînement, souligne que cette contribution humaine dépasse le simple étiquetage. Les situations complexes demandent des décisions éclairées. C’est notamment le cas lorsqu’il faut tenir compte d’une formulation locale, d’un métier spécialisé, d’un contexte culturel ou d’une information rare.

L’automatisation réduit certaines tâches, pas le besoin de jugement

La montée en puissance de l’IA entraîne une demande croissante pour l’annotation et l’évaluation de données. En Chine, cette demande est désormais présentée comme comparable à celle observée aux États-Unis. Les cadres réglementaires diffèrent, mais les projets d’IA rencontrent souvent les mêmes besoins : disposer de données fiables, de jeux de tests variés et de personnes capables de juger la qualité d’un résultat.

L’automatisation peut accélérer une partie du processus. Un modèle peut pré-annoter une image, proposer une transcription ou signaler un contenu douteux. Des humains peuvent ensuite valider, corriger ou rejeter le résultat. Cette méthode réduit le temps consacré aux cas simples et permet de concentrer les efforts sur les erreurs les plus significatives.

La progression de l’apprentissage auto-supervisé pourrait également réduire la quantité de données devant être annotées manuellement. Dans cette approche, les modèles apprennent des régularités à partir de grandes masses de données sans recevoir une étiquette humaine pour chaque élément. Cela ne supprime toutefois pas le besoin de contrôle : il faut encore évaluer le modèle, encadrer ses usages et vérifier qu’il se comporte correctement face à des demandes réelles.

Des experts sont nécessaires pour les cas sensibles

Toutes les erreurs ne se valent pas. Confondre deux objets dans une demande anodine est une chose. Donner une interprétation erronée dans un cadre médical, juridique ou financier en est une autre. Le développement d’assistants capables de traiter des demandes multicouches exige donc des connaissances spécialisées, notamment dans les domaines de la médecine, du droit et de la technologie.

Ces experts ne remplacent pas les ingénieurs ni les modèles. Leur rôle est d’apporter le contexte qui manque à une lecture purement statistique des données. Ils peuvent aider à déterminer si une réponse est suffisamment précise, si une formulation risque d’induire en erreur ou si une catégorie de données est sous-représentée dans un jeu d’entraînement.

Cette diversité est essentielle pour des produits destinés au grand public. Un assistant conçu à partir d’exemples trop homogènes peut être moins performant face à certains accents, habitudes de langage, situations sociales ou références culturelles. À l’inverse, des données trop larges mais insuffisamment vérifiées peuvent introduire des erreurs et des biais difficiles à détecter après le lancement d’un produit.

Sapien s’appuie sur une main-d’œuvre mondiale et des outils visant la transparence des paiements et l’engagement des contributeurs. Ce type d’organisation témoigne d’une évolution du secteur : la production de données pour l’IA devient elle-même une activité structurée, avec des exigences de qualité, de traçabilité et de conditions de contribution.

Vie privée et éthique : le défi particulier des lunettes équipées d’une caméra

Les lunettes intelligentes soulèvent des questions éthiques qui dépassent la seule performance technique. Un appareil placé sur le visage peut capter l’environnement de son porteur de manière plus spontanée qu’un téléphone. L’utilisateur doit donc comprendre ce qui est enregistré, ce qui est traité par l’IA et la façon dont les informations servent à produire une réponse ou à accéder à un service.

La protection des données, la minimisation des informations collectées et la représentation équitable dans les ensembles de données sont des enjeux centraux de la création de tels systèmes. Ils concernent autant les personnes qui utilisent l’appareil que celles qui pourraient apparaître dans son champ de vision ou être entendues par ses microphones.

Le texte disponible ne détaille pas les mécanismes précis qu’Alibaba entend appliquer aux Quark AI Glasses en matière de données personnelles. Il rappelle toutefois que l’évaluation continue et l’intervention humaine sont essentielles pour développer des systèmes responsables. Pour le public, la confiance dépendra aussi de garanties concrètes : clarté des réglages, compréhension des autorisations et capacité à maîtriser les usages de la caméra, du microphone et des services connectés.

Ce qu’il faut surveiller avant le lancement

La commercialisation annoncée des Quark AI Glasses d’ici à la fin de 2025 sera un test pour Alibaba sur plusieurs plans. Le premier sera celui de l’usage réel : les fonctions de traduction, de transcription ou de comparaison de prix devront être assez fluides pour éviter que les lunettes ne deviennent un simple accessoire technologique.

Le deuxième sera l’intégration de Quark dans l’écosystème du groupe. Alipay et Taobao peuvent constituer des atouts importants en Chine, où les services numériques sont fortement intégrés aux usages quotidiens. Mais connecter davantage de services dans un objet porté implique aussi de rendre les interactions limpides et maîtrisables.

Enfin, le succès dépendra de la capacité à maintenir une supervision humaine à mesure que les modèles gagnent en autonomie. Les données, l’évaluation par des spécialistes et le suivi des erreurs ne sont pas des étapes provisoires de l’IA : ils sont les conditions de sa fiabilité. Les lunettes d’Alibaba résument cette réalité. Même lorsqu’une interface semble s’effacer derrière une simple voix ou un regard, l’intelligence qui la rend utilisable reste, en grande partie, façonnée par des choix humains.