La voix quand les mains sont occupées : converser sur le terrain

Dans un entrepôt, un préparateur porte des gants, un scanner au poignet et pousse une palette sur un transpalette. Une étiquette est abîmée et ne se scanne pas. Le système exige une confirmation manuelle sur un terminal fixé à un pilier, à plusieurs mètres. Le préparateur gare son transpalette, retire un gant, fait défiler trois écrans, remet son gant et revient.

Un technicien de maintenance est agenouillé près d’une machine chez un client. La question est simple : quand cette unité a-t-elle été entretenue pour la dernière fois, et quelle pièce a été remplacée ? La réponse est dans le système. La tablette est dans la camionnette.

Aucun de ces cas n’est un bug logiciel. L’interface suppose un bureau, et une grande part du travail d’une entreprise ne se fait pas à un bureau. Il se fait debout, en marchant, en portant, les deux mains prises. Pour ce travail, la voix n’est pas un gadget. C’est le seul canal encore libre.

La voix en entrepôt n’est pas nouvelle non plus : la préparation guidée par la voix, avec des commandes fixes et des codes de contrôle lus à voix haute à chaque emplacement, est utilisée depuis des années. Ce qui a changé, c’est que la reconnaissance vocale et les modèles de langage savent désormais traiter des questions libres, et pas seulement un jeu de commandes fixe. La voix devient plus utile, et plus facile à mal mettre en œuvre.

Où la voix au travail échoue

Le bruit. Chariots élévateurs, compresseurs, extracteurs, vent, une radio. Une reconnaissance qui fonctionne au bureau échoue sur le terrain. Le seul test qui compte se fait sur place, à l’heure réelle de travail.

La parole libre pour des actions fixes. Confirmer un prélèvement doit passer par une phrase courte et fixe avec une valeur de contrôle, pas par une conversation. Une phrase libre est plus facile à dire, et plus facile à mal comprendre.

L’absence de relecture. La mauvaise quantité est entendue, donc la mauvaise quantité est enregistrée. Chaque écriture dans le référentiel exige une confirmation que la personne peut entendre et corriger.

Un système qui ignore le contexte. « C’est lequel, celui-là ? » n’a de réponse que si le système sait où se trouve la personne, sur quelle tâche elle travaille et quel article elle vient de scanner.

Des micros qui entendent tout le monde. Un micro toujours ouvert enregistre les collègues autant que l’utilisateur. Les règles sur la surveillance des salariés et le droit de la protection des données s’appliquent. Ce qui est enregistré, où c’est traité et combien de temps c’est conservé doit être décidé et expliqué aux personnes avant la remise du premier casque.

Une seule langue supposée. Beaucoup d’équipes parlent plusieurs langues, avec des accents variés. La reconnaissance doit être testée avec les personnes qui l’utiliseront réellement.

Ce qui fonctionne

Deux modes, bien séparés. Des commandes courtes et fixes pour les transactions (confirmer, enregistrer, compter), chacune avec une valeur de contrôle. Des questions libres pour l’information : quand cette unité a-t-elle été entretenue, où est la pièce de rechange, que signifie ce code d’erreur.

Le contexte d’abord. Le système connaît la tâche, l’emplacement et l’article, et interprète chaque question dans ce contexte. « Il en reste combien ? » veut dire : de cet article, à cet emplacement.

Relire avant d’écrire. « J’enregistre douze unités de l’article se terminant par 4471 à l’emplacement B7. Vous confirmez ? » Rien ne change dans le référentiel tant que la personne n’a pas dit oui.

Des propositions pour tout ce qui sort de l’ordinaire. Une étiquette abîmée décrite à la voix devient une non-conformité préparée, avec photo, en attente de l’approbation d’un responsable, plutôt qu’une note libre que personne ne lit.

Un traitement local quand c’est possible. La reconnaissance vocale peut tourner sur du matériel local, ce qui garde la voix des collaborateurs dans l’entreprise et retire le réseau du chemin critique. Le raisonnement est le même que pour décider quelles données doivent rester dans l’entreprise.

Le même référentiel, une autre porte d’entrée. La voix doit être une interface vers le même modèle, les mêmes droits et les mêmes approbations que l’écran, et non une application à part avec sa propre copie de la vérité. Le cas général est exposé dans une fenêtre de chat n’est pas une interface conversationnelle.

Hurukan est conçu pour que toute façon de travailler avec le système, qu’il s’agisse d’un écran, d’une conversation dans les outils que les personnes utilisent déjà ou de la parole, aboutisse au même référentiel et aux mêmes règles d’approbation de la couche Logique agentique. Le travail qui en bénéficierait le plus est décrit sur la page Stocks et logistique (réceptions, sorties, inventaires) et sur la page Opérations et qualité (contrôles et non-conformités). Le système est en construction.

Un test à faire dès aujourd’hui

Passez une heure à côté d’une personne dont les mains sont occupées : un préparateur, un technicien, quelqu’un à un poste d’emballage. Faites une marque chaque fois qu’elle s’arrête, pose quelque chose ou va jusqu’à un écran pour lire ou saisir une information. À côté de chaque marque, notez s’il s’agissait de lire une information ou d’enregistrer une transaction.

Enregistrez ensuite une minute du bruit de fond ordinaire de son poste avec un téléphone, et réécoutez-la. C’est ce que toute reconnaissance vocale devra traverser.

Les marques vous disent si la voix vaut la peine d’être explorée à cet endroit. La répartition entre lecture et enregistrement vous dit lequel des deux modes construire en premier. L’enregistrement vous dit à quel point ce sera difficile.