1+1 ̸ = 2: Appearance and utterance to determine the virtual agent’s intellectual impression

Dans le monde croissant des assistants numériques, nous nous posons souvent une question simple : qu'est-ce qui fait qu'un programme informatique semble intelligent ? Pendant des années, les concepteurs et les chercheurs ont opéré selon une hypothèse directe. Si vous voulez qu'un personnage virtuel paraisse intelligent, vous devez lui donner un aspect qui suggère l'intelligence — peut-être un visage vif et sérieux ou un design élégant et moderne — et l'associer à un discours qui semble savant, utilisant des faits précis et un vocabulaire d'expert. Il semble logique que la combinaison d'un visage intelligent et de paroles intelligentes crée l'expert le plus convaincant. Cette idée repose sur la croyance que la perception humaine fonctionne comme un simple problème d'addition, où l'impression totale est simplement la somme de ses parties. Cependant, le jugement humain est rarement aussi linéaire. Nous savons par la psychologie que les gens ne font pas toujours des choix rationnels ; parfois, notre cerveau réagit étrangement aux contradictions ou aux combinaisons inattendues, menant à des conclusions qui défient les mathématiques simples. Comprendre comment nous percevons l'intelligence artificielle est crucial car ces agents numériques deviennent courants dans les écoles, les hôpitaux et les entreprises. Si nous voulons que les gens leur fassent confiance, nous devons savoir ce qui fonctionne réellement, plutôt que de nous fier à ce qui semble évident.

Une équipe de chercheurs issus d'universités japonaises s'est lancée dans le test de cette idée de sens commun. Ils voulaient voir si le mélange de traits « intelligents » et « non intelligents » rendait en réalité un agent virtuel plus intelligent, ou si l'approche traditionnelle consistant à accumuler des caractéristiques intelligentes était la meilleure voie. Pour ce faire, ils ont créé une série de courtes vidéos présentant un agent virtuel féminin recommandant un voyage dans un château célèbre du Japon. Avant de filmer le test principal, les chercheurs devaient décider de ce qu'un aspect « intelligent » et un aspect « stupide » signifiaient réellement pour les gens. Ils ont construit cinq versions différentes du même personnage, en ne changeant que la coiffure pour chacune d'elles. Ils ont montré ces images à près de quatre-vingt-dix personnes en ligne et leur ont demandé de choisir quel personnage paraissait le plus intelligent. Les résultats étaient clairs : un personnage avec des cheveux courts et soignés était systématiquement jugé comme le plus intelligent, tandis qu'un personnage avec des couettes était jugé comme le moins intelligent. Ces deux aspects spécifiques sont devenus les ancres visuelles de l'expérience principale.

Ensuite, les chercheurs ont préparé deux types de scripts pour l'agent. L'un des scripts était écrit dans un style qui semblait savant et professionnel, tandis que l'autre était écrit pour paraître moins informé et moins capable. Ils ont ensuite combiné ces éléments en quatre scénarios distincts. Dans le premier, l'agent avait l'aspect intelligent et parlait intelligemment. Dans le deuxième, l'agent à l'aspect intelligent parlait dans le style non intelligent. Dans le troisième, l'agent au look non intelligent parlait dans le style intelligent. Dans le quatrième, l'aspect et le discours étaient tous deux non intelligents. Plus de 227 personnes ont regardé ces vidéos et ont évalué l'intelligence et la fiabilité perçues du personnage. Les chercheurs s'attendaient à ce que le premier scénario — celui avec l'aspect intelligent et le discours intelligent — l'emporte largement.

Les résultats, cependant, ont renversé le résultat attendu. L'agent qui combinait un aspect intelligent et un discours intelligent n'a pas été jugé comme le plus intelligent ou le plus digne de confiance. Au lieu de cela, les personnages qui mélangeaient les deux styles ont obtenu de meilleurs résultats. L'agent qui avait l'air intelligent mais parlait d'une manière simple et non intelligente, ainsi que l'agent qui avait un aspect simple mais parlait avec une connaissance experte, ont tous deux reçu des scores plus élevés que le personnage parfaitement cohérent et « tout intelligent ». Les données ont montré une différence statistique claire : lorsque le discours de l'agent était non intelligent, la version à l'aspect intelligent était davantage jugée digne de confiance que la version à l'aspect simple. Cependant, lorsque le discours était intelligent, il n'y avait pas de différence statistiquement significative dans les évaluations entre l'agent à l'aspect simple et l'agent à l'aspect intelligent, bien que les agents au style mixte aient généralement surpassé l'agent « tout intelligent » et cohérent. L'agent le plus cohérent, le « parfait », est arrivé dernier. Les chercheurs ont constaté que la combinaison de traits contradictoires créait une impression plus positive qu'une certaine cohérence.

Pour comprendre pourquoi cela s'est produit, les auteurs se sont tournés vers un concept appelé la théorie de l'intelligence innée. Cette idée suggère que lorsque nous rencontrons une contradiction — comme un visage sérieux parlant de manière ridicule — notre cerveau ne se contente pas d'additionner les deux impressions. Au lieu de cela, le conflit nous force à regarder au-delà de la surface. Le décalage entre ce que nous voyons et ce que nous entendons brise nos attentes habituelles, créant une sorte d'espace mental « extérieur » où nous commençons à imaginer la personnalité ou la familiarité du personnage. C'est comme si la contradiction rendait l'agent plus réel et moins semblable à une machine rigide. Lorsque l'agent était parfaitement cohérent, le spectateur traitait simplement l'information sans ce niveau d'engagement supplémentaire. L'étude suggère que pour les agents virtuels, un peu de friction entre l'apparence et le discours peut être plus efficace pour instaurer la confiance qu'une image parfaitement polie et cohérente.

Les chercheurs ont noté que ces conclusions s'appliquent spécifiquement aux agents humains féminins qu'ils ont testés dans un contexte de recommandation de voyage. Ils ont reconnu que les résultats pourraient différer si les agents étaient masculins, ressemblaient à des robots ou étaient utilisés dans des situations différentes. Néanmoins, l'étude remet en question la règle de conception standard. Elle montre que tenter de faire en sorte qu'un agent paraisse et sonne parfaitement intelligent en même temps ne rend pas nécessairement les gens plus confiants envers lui. En fait, introduire une légère contradiction peut rendre l'agent plus capable et plus fiable, prouvant que la perception humaine de l'intelligence est un processus complexe qui ne peut être résolu en additionnant simplement les bonnes caractéristiques.