For the news industry, the situation is clear. In order to retrieve and distribute relevant information, a “NewsBot” should follow two paths: a predominantly text-based interface —since most of these services are aimed at mobile (who wants to speak to a smartphone riding a train, or in a café, seriously?)— and the integration of machine learning, natural language processing and natural language generation capabilities. Here, two questions arise: How could the bot deal with the perimeter of news flows it will draw content from? How can it avoid generating “noise”, i.e. unwanted, or irrelevant pieces of information that clutter the system and eventually render it useless? The answer lies in two principles: a variable perimeter and the use of in-depth profiling.
Un majordome numérique capable de se nourrir de votre « bulle » sans s’y laisser enfermer, en somme. (Avant de s’appliquer aux actualités, le mécanisme redécouvert par Filloux pourrait trouver des applications dans le commerce en ligne, la réservation d’hôtels, ou la « simple » recherche. Ni les champs ouverts ni les formulaires fermés ne sont des interfaces tout à fait adaptées à notre manière de demander des informations, moins sans doute que de futurs assistants « conversationnels ».)