Les gens explorent moins lorsqu'ils reçoivent des recommandations de plates-formes vocales telles qu'Alexa d'Amazon ou Siri d'Apple, ce qui rend plus probable qu'ils entendent les options choisies par un algorithme que celles qu'ils pourraient réellement préférer.

Une étude des chercheurs de Cornell, explorer les implications plus larges de la façon dont le contenu sera découvert à mesure que les haut-parleurs intelligents se répandront, ont constaté que les personnes qui lisaient les choix en ligne consommaient les informations neuf fois plus rapidement et exploraient au moins trois fois plus que celles qui les avaient entendues.

"Nous avons constaté que ce problème est assez important, " dit Longqi Yang, doctorant en informatique à Cornell Tech et premier auteur de l'article, « Comprendre les interactions des utilisateurs avec les recommandations de podcast fournies via la voix, " qui a été présenté lors de la conférence ACM sur les systèmes de recommandation en octobre. " Avec ces appareils devenant de plus en plus populaires et de plus en plus de personnes les adoptant, ce genre d'interface devient très important, parce que c'est l'un des principaux canaux d'exposition des personnes à l'information."

Les haut-parleurs intelligents et les assistants virtuels pourraient être conçus différemment pour relever ce défi, dit Yang. Les chercheurs ont recommandé que les haut-parleurs intelligents offrent des choix de premier ordre qui sont diversifiés, personnalisé et fréquemment changé, les utilisateurs ont ainsi accès à un plus large éventail d'informations, même s'ils choisissent parmi les premiers éléments.

"Nous ne voulons pas que les gens se voient proposer un ensemble trop restreint de contenus et d'opinions ou qu'ils ne soient exposés qu'à ce qui est le plus populaire, " a déclaré Yang. " Cela pourrait être acceptable pour recommander des chaussures, mais pas lorsqu'il recommande des informations et du contenu culturel."

Selon une étude de consommation, 16% des Américains possèdent un haut-parleur intelligent – ​​environ 40 millions de personnes – et 65% d'entre eux disent qu'ils ne reviendraient pas à la vie sans un.

Dans cette expérience, les chercheurs ont demandé à 100 personnes de choisir un podcast qu'elles s'engageraient à écouter pendant cinq minutes. La moitié des participants ont vu la liste des titres de podcast et la moitié d'entre eux ont entendu la même liste prononcée à haute voix. On leur a ensuite demandé s'ils aimaient le podcast qu'ils avaient choisi.

Les chercheurs ont découvert que les auditeurs étaient beaucoup plus susceptibles de choisir l'un des premiers choix proposés, tandis que les personnes qui ont lu les choix ont exploré six fois plus profondément la liste des recommandations. Les personnes lisant leurs choix ont également fait plus d'écrémage et de navigation.

Les algorithmes de recommandation priorisent généralement les contenus populaires, créant potentiellement un effet de chambre d'écho, dit Yang. Dans l'étude, les personnes qui ont lu leurs recommandations étaient moins susceptibles de choisir les options les plus populaires ou les mieux notées.

Il n'y avait pas de différence statistique dans la mesure dans laquelle les personnes des deux groupes ont apprécié les podcasts qu'elles ont choisis.

"Un problème important avec ces types de systèmes de recommandation est qu'ils partagent sélectivement des informations avec les utilisateurs, votre exposition à l'information est donc déterminée par ce que le système vous offre explicitement, " a déclaré Yang. " Dans l'interface Web, vous avez la possibilité de naviguer, vous pouvez faire défiler et parcourir. Vous obtenez une exposition très large et large à différents types d'informations qui sont disponibles. Avec la voix, les gens n'ont pas vraiment la patience ou n'attendront pas vraiment autant d'articles pour décider ce qu'ils veulent consommer."