Dans le monde des critiques de vins, l’écriture évocatrice est essentielle. Considérez ce qui suit: «Bien que le nez soit un peu fermé, le palais de ce Riesling demi-sec regorge de saveurs juteuses de pamplemousse blanc et de mandarine. Ce n’est pas un vin profondément concentré, mais il est parfaitement équilibré par une touche d’acidité citron-lime qui persiste en finale.
En lisant la description, vous pouvez presque sentir le verre frais transpirer dans votre main et goûter une explosion d’agrumes sur votre langue. Mais l’auteur de cette revue n’a jamais eu cette expérience, car l’auteur était un logiciel.
Un groupe interdisciplinaire de chercheurs a développé un algorithme d’intelligence artificielle capable d’écrire des critiques de vin et de bière qui sont en grande partie indiscernables de celles rédigées par un critique humain. Les scientifiques ont récemment publié leurs résultats dans le Revue internationale de recherche en marketing.
L’équipe espère que ce programme pourra aider les producteurs de bière et de vin à regrouper un grand nombre d’avis ou à donner aux examinateurs humains un modèle à partir duquel travailler. Les chercheurs affirment que leur approche pourrait même être étendue à l’examen d’autres produits « expérientiels », comme le café ou les voitures. Mais certains experts avertissent que ce type d’application a un potentiel d’utilisation abusive.
Théoriquement, l’algorithme aurait pu produire des avis sur n’importe quoi. Cependant, quelques caractéristiques clés ont rendu la bière et le vin particulièrement intéressants pour les chercheurs. D’une part, “il s’agissait simplement d’un ensemble de données très unique”, explique l’ingénieur en informatique Keith Carlson du Dartmouth College, qui co-développé l’algorithme utilisé dans l’étude. Les critiques de vins et de bières constituent également un excellent modèle pour le texte généré par l’IA, explique-t-il, car leurs descriptions contiennent de nombreuses variables spécifiques, telles que la région de culture, la variété de raisin ou de blé, le style de fermentation et l’année de production. De plus, ces critiques ont tendance à s’appuyer sur un vocabulaire limité. “Les gens parlent du vin de la même manière, en utilisant le même ensemble de mots”, dit Carlson. Par exemple, les connaisseurs peuvent utiliser régulièrement des adjectifs tels que « boisé », « floral » ou « sec ».
Carlson et ses co-auteurs ont formé leur programme sur une décennie de critiques professionnelles – environ 125 000 au total – extraites du magazine Passionné de vin. Ils ont également utilisé près de 143 000 avis sur la bière du site Web RateBeer. L’algorithme a traité ces analyses écrites par l’homme pour apprendre la structure générale et le style d’une critique. Afin de générer ses propres critiques, l’IA a reçu des détails spécifiques sur le vin ou la bière, tels que le nom de la cave ou de la brasserie, le style, le pourcentage d’alcool et le prix. Sur la base de ces paramètres, l’IA a trouvé des critiques existantes pour cette boisson, a extrait les adjectifs les plus fréquemment utilisés et les a utilisés pour écrire sa propre description.
Pour tester les performances du programme, les membres de l’équipe ont sélectionné un avis humain et un avis généré par l’IA chacun pour 300 vins différents et 10 avis humains et un avis IA chacun pour 69 bières. Ensuite, ils ont demandé à un groupe de sujets de test humains de lire à la fois des critiques générées par des machines et écrites par des humains et ont vérifié si les sujets pouvaient distinguer lequel était lequel. Dans la plupart des cas, ils ne le pouvaient pas. « Nous avons été un peu surpris », dit Carlson.
Bien que l’algorithme semble bien réussir à collecter de nombreuses critiques et à les condenser en une seule description cohérente, il présente des limites importantes. Par exemple, il peut ne pas être en mesure de prédire avec précision le profil de saveur d’une boisson qui n’a pas été échantillonnée par des papilles gustatives humaines et décrite par des écrivains humains. “Le modèle ne peut pas goûter le vin ou la bière”, explique Praveen Kopalle, spécialiste du marketing à Dartmouth et co-auteur de l’étude. “Il ne comprend que les 0 et les 1 binaires.” Kopalle ajoute que son équipe aimerait tester le potentiel prédictif de l’algorithme à l’avenir – pour lui faire deviner le goût d’un vin qui n’a pas encore été évalué, puis comparer sa description à celle d’un critique humain. Mais pour l’instant, du moins dans le domaine de la bière et du vin, les critiques humains sont toujours essentiels.
L’IA de génération de langage n’est pas nouvelle et un logiciel similaire a déjà été utilisé pour produire des recommandations pour les plateformes de révision en ligne. Mais certains sites permettent aux utilisateurs de filtrer les avis générés par les machines, et l’une des raisons est que ce type de génération de langage peut avoir un côté sombre. Une IA de rédaction d’avis pourrait, par exemple, être utilisée pour amplifier synthétiquement les avis positifs et noyer les avis négatifs, ou vice versa. “Une évaluation de produit en ligne a la capacité de vraiment changer l’opinion des gens”, note Ben Zhao, un expert en apprentissage automatique et en cybersécurité à l’Université de Chicago, qui n’a pas participé à la nouvelle étude. En utilisant ce type de logiciel, quelqu’un avec de mauvaises intentions “pourrait complètement saccager un concurrent et détruire son entreprise financièrement”, dit Zhao. Mais Kopalle et Carlson voient plus de potentiel de bien que de mal dans le développement de logiciels générateurs d’avis, en particulier pour les propriétaires de petites entreprises qui n’ont peut-être pas suffisamment de temps ou de maîtrise de l’anglais pour rédiger eux-mêmes des descriptions de produits.
Nous vivons déjà dans un monde façonné par des algorithmes, des recommandations Spotify aux résultats des moteurs de recherche en passant par les feux de circulation. Le mieux que nous puissions faire est de procéder avec prudence, dit Zhao. “Je pense que les humains sont incroyablement faciles à manipuler à bien des égards”, dit-il. “C’est juste une question d’avoir besoin d’identifier la différence entre les utilisations correctes et les mauvaises utilisations.”
