00:05Voilà, dernière demi-heure ici à Station AF à l'occasion de ce rendez-vous dédié à l'intelligence artificielle,
00:12les iPulse organisés par Scaleway.
00:14Je suis très heureux maintenant de faire un focus sur une boîte qui est en train de bouleverser en fait
00:19l'interface entre l'homme et l'intelligence artificielle.
00:23C'est la voix. Il s'agit d'Eleven Labs et j'accueille Julien Lecéchère.
00:28Bonsoir Julien. Vous êtes le directeur général France d'Eleven Labs.
00:32Vous avez travaillé dans l'écosystème des grandes plateformes technologiques, notamment chez Meta.
00:38Avant de rejoindre E-Level Labs il y a quelques mois à peine, c'est tout frais le fait qu
00:41'il y a cette localisation française.
00:44Oui, tout à fait. On a ouvert nos bureaux il y a seulement trois mois.
00:46Et c'est une bonne nouvelle. Et l'idée, c'est que vous êtes là pour promouvoir l'IA vocal
00:52qui arrive évidemment dans les entreprises,
00:55toutes les hotlines bien sûr, mais aussi dans le doublage, les agents conversationnels, la traduction.
01:00Enfin, vous êtes partout. Et c'est très intéressant de voir que finalement, l'une des meilleures interfaces de l
01:05'intelligence artificielle, c'est la voix.
01:08On est d'accord ?
01:09En fait, ce qu'on voit, c'est que globalement, l'intelligence est quasiment réglée.
01:13Pour 99% des usages, on va utiliser des modèles qui, à l'heure actuelle, nous surpassent largement.
01:20Le vrai point clé, en fait, c'est à quel point on va pouvoir communiquer avec l'IA et comment
01:24l'IA va communiquer avec nous.
01:25Comment l'IA va pouvoir vraiment comprendre exactement ce que nous souhaitons.
01:29Et ce qu'on s'aperçoit, c'est que le clavier, on n'est pas né avec.
01:32Le clavier, il a fallu apprendre à taper. On est souvent limité par le texte.
01:35Notre capacité aussi à exprimer ce qu'on souhaite est beaucoup moins rapide lorsqu'on tape que lorsqu'on parle.
01:41En langue anglaise, c'est environ trois fois moins rapide à la minute.
01:45Et donc, de la même manière, il faut que l'IA puisse nous retranscrire de l'information.
01:49Et là-dessus, la voix, on estime que c'est ce qu'il y a de plus authentique, de plus
01:52naturel, de plus expressif.
01:54Il faut dire que l'humain communique par la voix la plupart du temps.
01:58Souvent, ce qu'on nous dit, en fait, c'est la manière la plus inclusive, certainement,
02:01de ramener tout le monde dans l'IA.
02:02La plus précise, peut-être, pour inscrire ce qu'on veut dire.
02:06Parce qu'il y a toute la partie contexte. Au-delà de ce qu'on dit, c'est la manière
02:08dont on le dit.
02:09C'est-à-dire qu'est-ce qu'on fait des pauses, par exemple ?
02:11Est-ce qu'on met l'intonation sur une partie démo ?
02:14Combien de temps on va pouvoir aussi passer à s'exprimer ?
02:17Tout ça va être autant d'informations que le modèle LLM derrière va interpréter
02:21pour pouvoir nous fournir, on va dire, une réponse qui correspond bien à notre besoin.
02:25Alors, E-Level Labs a été créé en 2022.
02:27C'est tout frais, finalement. Déjà, valorisation de 22 milliards, je crois.
02:33Boîte anglaise qui a été fondée par un Polonais.
02:37Deux Polonais.
02:37Deux Polonais.
02:38Et ce qu'il y a d'intéressant, c'est qu'aujourd'hui, vous dites que, finalement,
02:42la voie est la porte d'entrée.
02:44Mais qu'est-ce que vous faites, en fait ?
02:45Vous êtes à quel moment, à quel endroit de cette technologie ?
02:51C'est une super question. En fait, on estime un peu comme les humains, d'ailleurs.
02:54On va retrouver un cerveau, donc il y a souvent le LLM.
02:57Et derrière, on va trouver des moyens d'expression qui vont être effectivement la voix,
03:02mais aussi des oreilles qui vont être le transcript.
03:04Donc, je vais parler à la machine.
03:07Et là, à ce moment-là, on va faire ce qu'on appelle du speech to text,
03:10donc du transcript le plus fidèle possible, le plus rapide possible.
03:13Et là, nous, on a des modèles de transcript qui sont utilisés, d'ailleurs,
03:15dans le milieu médical, dans le milieu financier, évidemment, dans le consumer.
03:19Et après, on a des modèles de synthèse vocale qui vont pouvoir, en fait,
03:22permettre à la machine de passer du texte au speech.
03:26Et à ce moment-là, de pouvoir s'exprimer dans toutes les langues possibles et inimaginables.
03:30Donc, l'idée, c'est que vous allez pouvoir vous pluguer à plein d'IA différentes.
03:35À quasiment tout.
03:36Donc, on a la chance d'avoir Salesforce, Harvey, que vous connaissez peut-être
03:39dans le monde juridique, Zoom et plein, plein d'autres acteurs
03:43qui nous utilisent dans leur propre technologie.
03:47Les géants de l'IA développent leur propre technologie ?
03:50Je veux dire, aujourd'hui, la voie de ChatGPT, celle de Claude, etc., etc.,
03:55c'est leur solution. Ils ne font pas appel à vous ?
03:58Ça dépend des acteurs.
04:01Certains acteurs font appel à des certes parties
04:03et d'autres acteurs proposent leur propre modèle de voie.
04:06D'accord.
04:07Aujourd'hui, vous disiez que, finalement, les IA sont capables de tout comprendre
04:12et de répondre à tout.
04:13Mais est-ce que la voie, en fait, elle a encore une marge de progression ?
04:18Où est-ce qu'on en est aujourd'hui ?
04:20On vient de sortir.
04:21C'est plutôt une bonne actualité.
04:23Il y a deux semaines, notre nouveau modèle qui s'appelle V4.
04:25Ce n'est pas très original comme titre.
04:27Mais en gros, ce nouveau modèle, non seulement, il permet d'avoir une justesse
04:30dans la capacité à transcrire, on va dire, le transcript, le texte,
04:35mais surtout de l'expressivité.
04:39Pouvoir susurrer, pouvoir crier, pouvoir chanter, pouvoir s'extasier, avoir peur.
04:44En fait, toute cette palette d'expressions et d'émotions de l'humain
04:47va pouvoir être capable d'être retranscrite dans ce modèle de voie.
04:51On ne dit pas encore qu'on a passé le Turing test de la voie,
04:54mais on est quand même très, très, très proche.
04:57Demain, comment vous imaginez l'interaction qu'on pourrait avoir au quotidien ?
05:02Ça serait forcément la voie pour discuter avec, je ne sais pas moi,
05:06via ses lunettes connectées à son IA pour l'interroger sur notre agenda de la journée,
05:13pour checker nos mails, etc.
05:15Ça sera la voie, à votre avis, la killer app ?
05:19On pense que ce sera multimodal parce que ça dépend vraiment de la situation dans laquelle on est.
05:23Moi, je trouve que quand on est en train de marcher,
05:25qu'on regarde son téléphone et qu'on est en train de taper son téléphone,
05:28non seulement c'est un peu risqué parce qu'il y a quand même des voitures,
05:31il y a aussi parfois des problèmes de sécurité et autres.
05:34Le mieux, en fait, c'est quand même de parler directement à la machine.
05:37D'autre part, votre capacité à laisser, on va dire, s'exprimer vos idées,
05:41elle est beaucoup plus naturelle quand vous vous exprimez oralement,
05:44quand on parle à voix haute.
05:45C'est comme ça, c'est naturel, c'est notre cerveau, en fait, qui est câblé comme ça.
05:49On va pouvoir s'évader un petit peu plus, aller pousser nos idées un petit peu plus,
05:52plutôt qu'avec le texte, on se dit bon, allez, on va prompter ça,
05:55on va avoir une réponse, on va voir ce que ça donne.
05:56Là, on va pouvoir vraiment avoir, on va dire, des pensées un petit peu plus profondes
06:00qu'on va réussir à exprimer.
06:01Vous êtes au cœur de cette transformation de la société, finalement,
06:04avec des conséquences sociales.
06:06Il ne faut pas se voiler la face.
06:08Les traducteurs, les doubleurs,
06:12qui aujourd'hui font des métiers qui existent depuis,
06:14pour certains, des dizaines, voire des centaines d'années,
06:18est-ce que ces métiers risquent de disparaître ?
06:21J'allais dire, à cause ou grâce à vous, finalement,
06:25aujourd'hui, on peut doubler une série avec des solutions d'IA, finalement.
06:31Alors, on pense plutôt que les métiers vont être transformés comme souvent.
06:34Nous, ce qu'on voit, on fait un des partenariats, en fait,
06:36avec ce qu'on appelle les acteurs de voix,
06:37donc les doubleurs en France,
06:39et on a créé une place de marché de la voix.
06:41Et donc, si vous êtes doubleur à l'heure actuelle,
06:43vous pouvez cloner votre voix de manière professionnelle,
06:46évidemment, en certifiant que ce soit bien votre voix,
06:48donc on a tout un mécanisme de sécurité.
06:50Et derrière, vous allez pouvoir décider comment votre voix peut être utilisée.
06:54Un audiobook, un reportage scientifique, et ainsi de suite, et ainsi de suite.
06:58Et à ce moment-là, les gens qui vont utiliser votre voix dans ce cadre d'usage
07:01vont vous reverser de l'argent.
07:03C'est vous qui définissez, en fait, ça.
07:04On a reversé plus de 10 millions de dollars auprès des doubleurs
07:08depuis qu'on a lancé la marketplace de voix.
07:10Et certains doubleurs nous ont dit, en fait,
07:12en six mois, j'ai gagné plus d'argent qu'en quatre ans de doublage.
07:15Parce que d'un coup, vous avez une liquidité, en fait, d'offres qui est absolument incroyable.
07:19Et surtout, votre voix, vous pouvez la passer demain en coréen, si vous voulez.
07:23Vous pouvez la passer en anglais, en espagnol, même si, évidemment, vous ne parlez pas ces langues.
07:26Je suis d'accord, mais c'est un intérêt pour des voix connues.
07:29Pour des voix lambda, vous pouvez très bien la créer aujourd'hui, cette voix lambda.
07:33Vous pouvez effectivement créer des voix avec du voice design, ce qu'on appelle.
07:36Néanmoins, ce qu'on voit à l'heure actuelle, c'est que la plupart des entreprises font quand même appel
07:40à des acteurs vocaux, pas forcément pour des voix connues, mais des gens qui passent en studio
07:45parce qu'ils veulent une voix bien spécifique pour le support client,
07:48une voix bien spécifique pour être advisor ou ambassadeur d'une marque.
07:52C'est leur identité audio qui est également en jeu.
07:56Et parfois, de pouvoir faire appel à quelqu'un pour pouvoir traverser les âges,
08:00traverser les temps, traverser, on va dire, les époques, c'est aussi important.
08:03Donc, on voit quand même beaucoup d'usages de notre côté des voix humaines clonées ensuite.
08:09Et ça, ça se fait comment, en fait ?
08:11Il suffit que la personne parle, enregistre des phrases, des textes,
08:15pour qu'après vous, grâce à votre IA, vous arriviez à retrouver exactement ces intonations ?
08:23Alors, si c'était si simple.
08:25Ce qu'ils ont fait, en fait, c'est que si vous doublez votre voix demain,
08:28d'ailleurs, vous allez sur Eleven Labs, vous souhaitez cloner votre voix
08:32après avoir, évidemment, fourni les informations de sécurité.
08:34Oui, oui, n'importe qui peut le faire en fournissant les informations, évidemment,
08:37de garantie d'identité.
08:39Si vous lisez juste un texte, le problème, c'est que notre modèle
08:43va juste comprendre que c'est votre type de voix,
08:46c'est-à-dire très plate, monotone.
08:49Donc, c'est pour ça que si vous voulez vraiment cloner une voix
08:51de manière professionnelle, comme on l'a fait avec Michael Caine,
08:53comme on l'a fait avec Matthew McAnaway et plein d'autres,
08:56eh bien, en fait, on va reprendre des extraits de leurs films,
08:59on va reprendre des extraits, on va dire, de leurs interviews
09:01pour pouvoir avoir toute la palette d'émotions
09:03qu'ils sont capables de donner.
09:05Et donc, lorsqu'on travaille avec des acteurs de voix,
09:07eux-mêmes passent en studio et puis jouent la crainte,
09:11la peur, l'étonnement, la surprise et ainsi de suite.
09:13C'est la palette d'émotions qu'ils représentent.
09:14Et c'est là que ça va marcher le mieux.
09:17Ça veut dire qu'on prend l'exemple d'un Michael Caine.
09:21Il sort une série ou un film.
09:23On pourrait doubler en français la voix de Michael Caine
09:28avec ses intonations, en fait, c'est ça ?
09:32Si c'était le souhait, oui, tout à fait.
09:33D'ailleurs, sur Eleven Labs, on a Eleven Reader
09:35qui a un applicatif sur lequel vous pouvez mettre du contenu
09:40et le contenu va être lu.
09:41Donc, vous pouvez mettre des PDF, des liens Internet
09:43ou même, vous avez des audiobooks.
09:45En fait, vous pouvez lire, plutôt écouter,
09:47l'Odyssée, qui a fait un grand carton en ce moment au cinéma,
09:51par Michael Caine et qui vous lit l'Odyssée.
09:54Et franchement, la voix de Michael Caine, elle est quand même assez...
09:55Et dans n'importe quelle langue.
09:56Et dans n'importe quelle langue.
09:58Donc là, malgré tout, ça va avoir un impact
10:00sur les doubleurs de séries et de films.
10:02Parce qu'on peut très bien imaginer que demain,
10:04quoi de mieux que d'avoir la voix originale d'un comédien
10:08dans la langue locale ?
10:10Alors, pas toujours, pour plein de raisons.
10:13D'une part, parce que vous avez créé une émotion
10:14ou un attachement, en fait, à la voix que vous connaissez.
10:18Donc, la voix que vous connaissez,
10:20vous voulez la retrouver dans le prochain film,
10:21sinon, ça vous fait bizarre.
10:23Deuxièmement...
10:23Oui, mais si c'est la voix originale du comédien,
10:25c'est compliqué de faire mieux, non ?
10:27Si vous êtes habitué à une voix, vous êtes habitué à une voix.
10:29OK.
10:30Le deuxième point, c'est que certaines voix,
10:31elles vont bien passer en japonais,
10:35pas forcément aussi bien en français.
10:37D'accord.
10:37OK.
10:37Donc, il y a quand même tous ces aspects-là.
10:38Nous, ce qu'on pense surtout,
10:39et lorsqu'on travaille avec les grands groupes de médias,
10:43HarperCollins et d'autres,
10:44en fait, on voit qu'on va pouvoir surtout
10:46faire une diffusion du contenu
10:48de manière beaucoup plus importante.
10:49Parce qu'à l'heure actuelle,
10:50Eleven Labs est quand même née de cette idée.
10:52C'est-à-dire qu'en Pologne,
10:53lorsque vous êtes en Pologne,
10:54vous avez des films internationaux,
10:55ils ne sont pas doublés.
10:56C'est-à-dire qu'ils sont doublés
10:57par une seule personne
10:58qui va jouer le méchant,
11:00la grand-mère,
11:02la petite fille,
11:03avec une voix monotone.
11:05Et pourquoi ?
11:05Parce que ça coûte beaucoup trop cher de doubler.
11:06C'est un peu comme les télé-achats
11:08ou les télé-novelas au kilomètre.
11:09Le doublage n'est pas très chirurgical,
11:13on va dire.
11:14Là-bas, c'est une seule personne pour tout.
11:16C'est ça.
11:17C'est comme ça qu'est née Eleven Labs.
11:18Ils se sont dit,
11:19ce n'est pas possible.
11:19On va pouvoir créer
11:21de la liquidité de contenu et de talent
11:24en réduisant les coûts.
11:25Donc ça aussi,
11:26c'est vraiment un avantage qu'on voit
11:27avec un grand nombre de sociétés de médias
11:28avec lesquels on travaille.
11:29Un dernier mot sur les interprètes.
11:31Là aussi, même manière.
11:32Vous pensez que ça va bouleverser ce métier-là ?
11:37Justement, l'arrivée de l'IA dans la voix ?
11:39Encore une fois,
11:40il y a beaucoup de choses
11:41qui vont être bouleversées,
11:42je pense, avec l'IA.
11:43On n'en a pas parlé,
11:44mais toute la partie agentique également,
11:45parce qu'on fait beaucoup d'agents vocaux
11:47qui vont pouvoir justement,
11:48là ce qu'on voit des conseillers clientèles
11:52qui vont travailler par exemple
11:53de 9h à 6h30 du soir.
11:55Mais vous,
11:56si vous avez un problème sur vos téléphones,
11:58comment vous faites ?
11:59Vous attendez le lendemain.
12:00Donc peut-être,
12:01vous aussi en tant que client,
12:02vous allez souhaiter avoir
12:03des agents vocaux
12:05qui vont pouvoir répondre à vos besoins
12:07à n'importe quelle heure de la journée,
12:09même les jours fériés
12:10ou le lendemain de Noël.
12:11Merci beaucoup Julien.
12:13Merci.
12:13Une boîte à suivre,
12:15bien évidemment,
12:15Eleven Labs,
12:16Julien Le Secher,
12:17qui est directeur général France.
12:18Donc, merci.
12:20Merci.
12:20Merci.
