Notre perspective sur l’intelligence artificielle pourrait être déformée : lorsque l’on discute actuellement des implications du Large Language Models (LLMs) en marketing, l’accent est principalement mis sur la façon dont nous pouvons, grâce à l’IA, automatiser les tâches fastidieuses ou sur la manière dont elle soutiendra les processus créatifs à l’avenir. Les LLMs sont envisagés comme des assistants personnels qui nous épaulent dans diverses tâches quotidiennes. Cependant, que se passe-t-il si les projets de Microsoft et de Google, visant à intégrer des chatbots dans les recherches web, se concrétisent ? Alors, il se pourrait que, finalement, ce ne soit pas l’IA qui nous assiste, mais que nous devenons au service de l’IA.
Le chatbot Microsoft prend en charge la planification d’anniversaires pour enfants, offre des conseils en matière de relations et évalue si le nouveau canapé Ikea peut être en toute sécurité transportée dans une VW Polo jusqu’à votre domicile. De plus, il est disposé à fournir des recommandations d’achat, telles que me suggérer le grille-pain Philips comme étant le « meilleur grille-pain ». Si je me fais passer pour le dirigeant d’une petite entreprise et que je mentionne mon souhait d’acquérir un logiciel ERP, il me conseille d’opter pour SAP Business One tout en expliquant immédiatement ses avantages par rapport à la concurrence.
Est-ce ainsi que l’avenir de la recherche sur le web se dessine ? Microsoft a intégré le chatbot dans Bing en février. Google teste actuellement son produit concurrent « Bard » en version bêta fermée et serait en train de travailler sur une toute nouvelle recherche basée sur la discussion sous le nom de code « Magi ». Si la technologie prend de l’ampleur, les marketeurs devront adapter leurs stratégies. Le référencement classique (SEO) et, dans une certaine mesure, le marketing de contenu pourraient perdre de leur importance car moins de trafic serait dirigé vers les sites web. À la place, émergerait la discipline de l’optimisation des chatbots. Elle englobe toutes les mesures visant à intégrer les contenus de marque dans les LLMs et à influencer les transactions des chatbots dans l’intérêt de l’entreprise.
Les chatbots, cette fois, sont réellement présents
Les marketeurs les plus expérimentés aborderont ce texte avec au moins un sourcil levé et une sensation de déjà vu. La première vague d’engouement pour les chatbots a atteint son apogée vers 2016. À l’époque, une prévision largement relayée annonçait que 80 % des entreprises disposeraient de leur propre chatbot en 2020. Beaucoup ont effectivement investi dans cette technologie, mais la grande révolution n’a jamais eu lieu. On peut également établir un parallèle avec les assistants vocaux tels qu’Alexa, Siri et Google Home. Pendant des années, on nous a dit que « 2020 serait l’année où la moitié des recherches seraient des recherches vocales » (soit dit en passant, la déclaration était basée sur des statistiques inventées). Puis, soudainement, 2020 est arrivé, et les appareils étaient déjà relégués depuis longtemps dans les placards ou étaient utilisés par leurs propriétaires principalement pour écouter de la musique, mais pas pour effectuer des recherches sur le web ou même pour faire des achats.
Les chatbots basés sur l’IA en 2023 auront-ils un destin similaire ? Ceux qui peuvent répondre par l’affirmative à cette question aujourd’hui devraient arrêter de lire l’article à ce stade et plutôt réfléchir au bon moment pour vendre à découvert les actions de Microsoft.
Okocha n’a jamais joué à Schalke
Un obstacle significatif demeure la fiabilité insuffisante de la technologie. Quand on interroge ChatGPT sur la biographie de la légende du football de Francfort, Jay-Jay Okocha, le chatbot raconte une histoire crédible d’un jeune joueur nigérian hautement talentueux qui cherchait sa chance en Allemagne dans les années 1990. Cependant, si l’on compare ensuite cela au contenu de l’article Wikipédia, on constate que le résumé des données biographiques d’Okocha fourni par ChatGPT comporte de nombreuses inexactitudes – de la date de naissance à la prétention qu’Okocha aurait joué pour Schalke 04 pendant deux ans. Si l’on pose la question à nouveau, on obtient alors une histoire complètement différente, mais tout aussi fausse.
Ces inexactitudes sont systématiques : ChatGPT ne répond pas aux questions sur la base de faits, mais en fonction de probabilités statistiques. Il génère donc des réponses plausibles, mais qui ne doivent pas nécessairement être factuellement correctes – et qui sont rarement exactes en y regardant de plus près. Comme l’a récemment expliqué Sundar Pichai, le PDG de Google, dans une interview, tous les LLMs « hallucinent » jusqu’à un certain point, et personne ne sait encore exactement comment remédier à cela.
Comment entraîne-t-on un LLM ?
Tous les observateurs sont convaincus que les modèles actuels continueront à évoluer de manière significative. Tout d’abord, il est nécessaire de veiller à ce qu’ils fournissent des informations fiables. C’est seulement alors que la plupart des cas d’utilisation envisagés peuvent fonctionner. C’est seulement à ce moment-là qu’ils peuvent servir de nouveaux canaux marketing. Les marketeurs se poseront donc la question de la manière dont ils peuvent intégrer leurs contenus dans ces LLMs. Les modèles actuellement disponibles offrent déjà certaines indications.
OpenAI offre la possibilité d’adapter GPT-3 (le modèle précédent de ChatGPT) à ses propres besoins. Cela se fait en fournissant des prompts avec des réponses pré-définies sous forme de fichiers JSONL. Il faut au moins quelques centaines de réponses d’exemple pour apprendre au modèle comment réagir à des prompts spécifiques. Cela permet notamment de s’assurer que le chatbot répond correctement aux questions sur son propre produit.
Ce processus de réglage fin, appelé « fine-tuning« , fonctionne actuellement uniquement si l’on souhaite développer ses propres applications basées sur l’API OpenAI, telles qu’un chatbot pour le service client ou un outil qui génère automatiquement des publicités textuelles. ChatGPT, Bard et Bing n’offrent pas encore d’interfaces ouvertes pour alimenter ces modèles en informations. Cependant, si une solution est trouvée pour filtrer les entrées indésirables, cela pourrait changer. En effet, une telle interface permettrait aux fournisseurs de déléguer la création de données d’entraînement structurées nécessaires à l’amélioration continue de leurs modèles. Dès que le premier fournisseur annonce une fonctionnalité de ce type, il sera temps pour les marketeurs de suivre un cours de Python.
Mentions de marque au lieu de backlinks
Même sans les interfaces décrites, il est probable que des opportunités d’influence se développeront, de manière similaire à ce que nous connaissons dans la recherche web traditionnelle. Le critère de pertinence le plus crucial dans ce contexte est celui des backlinks. Celui qui parvient à accumuler un nombre important de liens de haute qualité aura clairement l’avantage dans la compétition pour les premières positions dans les résultats de recherche. De manière analogue, il pourrait devenir essentiel pour les marques d’apparaître avec leurs messages aux endroits stratégiques des données d’entraînement.
Par exemple, si l’on demande à la fonction chat de Bing une recommandation de produit spécifique, elle ne cite jamais les pages des fabricants, mais s’appuie systématiquement sur des sources secondaires apparemment neutres telles que des médias spécialisés, des blogs ou des sites de comparaison. Il ne s’agit plus tant de savoir où vous êtes liés, mais où vous êtes mentionnés et quel contenu est associé à votre marque. Les mentions de marque semblent ainsi avoir remplacé les backlinks en tant que principal critère de pertinence – une excellente nouvelle pour les professionnels des relations publiques.
Recherche web ou conquête du monde
Que l’optimisation des chatbots puisse évoluer en une discipline marketing à part entière et que les spécialistes du marketing soient véritablement contraints de travailler avec l’IA dépend en fin de compte de deux facteurs. Tout d’abord, et malgré toute l’enthousiasme, il demeure encore incertain si les utilisateurs préféreront réellement interagir avec un chatbot plutôt qu’avec la recherche web classique. Deuxièmement, il convient de voir si et quand les défis techniques décrits précédemment pourront être résolus. Toutefois, il serait prétentieux et surement imprudent de négliger d’emblée une technologie qui serait, selon certains, susceptible de chercher un jour à dominer le monde, même dans le contexte de la recherche web.
Article rédigé par Sven Winnefeld
