Gagner plus et réserver plus vite grâce à Uber et OpenAI
Uber utilise OpenAI pour propulser des assistants IA et des fonctions vocales qui permettent aux chauffeurs de gagner plus et aux passagers de réserver plus vite, en temps réel.
Chaque jour, des millions de personnes comptent sur Uber pour réserver des trajets, commander des repas, envoyer des colis et gagner un revenu avec flexibilité. Derrière chaque toucher se trouve une place de marché complexe en temps réel, façonnée par la circulation, la météo, les arrivées à l’aéroport, les événements locaux et la demande. Uber exerce ses activités à très grande échelle : 40 millions de trajets par jour, 10 millions de chauffeurs et de livreurs dans 15 000 villes de plus de 70 pays. Chaque ville a sa propre dynamique opérationnelle, sa réglementation et le comportement de ses passagers, ce qui crée un système qui doit s’adapter en continu à l’échelle mondiale.
Uber utilise depuis longtemps l’apprentissage machine pour soutenir sa place de marché. Et maintenant, grâce aux grands modèles de langage et aux modèles de pointe d’OpenAI, Uber peut raisonner sur des signaux complexes plus rapidement, offrir des réponses conversationnelles rapides et alimenter des expériences vocales dans l’application.
La collaboration entre Uber et OpenAI aide Uber à créer des produits alimentés par l’IA qui simplifient les occasions de gains pour les chauffeurs et les livreurs et réduisent les frictions pour les passagers. Et grâce aux modèles d’OpenAI, Uber peut lancer des produits et des expériences simplifiés plus vite que jamais.
« Pour la première fois, la technologie mène ce qu’il est possible de résoudre. Des problèmes qui semblaient autrefois hors de portée peuvent maintenant être abordés. »
Pour les chauffeurs, la flexibilité est l’un des plus grands atouts d’Uber. Certains conduisent à temps plein, d’autres seulement les fins de semaine, tandis que d’autres conduisent entre les cours ou les quarts de travail. Cette flexibilité signifie aussi que les chauffeurs évaluent constamment leurs options et se posent des questions : Où devrais-je me placer en ce moment? Est-ce que ça vaut la peine d’aller à l’aéroport? Devrais-je passer des trajets aux livraisons pendant l’heure du lunch? Pourquoi mes gains avaient-ils l’air différents aujourd’hui?
Pour aider à répondre à ces questions, Uber a développé Uber Assistant, un assistant alimenté par l’IA conçu pour aider les chauffeurs tout au long de leur parcours sur la plateforme — de l’intégration et des premiers trajets jusqu’à l’optimisation quotidienne des gains.
« Nous voulons permettre aux chauffeurs de prendre de meilleures décisions pour eux-mêmes en leur fournissant une vue d’ensemble résumée de la place de marché et des informations en temps réel », affirme Dharmin Parikh, directeur de la gestion de produit chez Uber.
L’Assistant aide les chauffeurs à savoir où et quand gagner de l’argent en transformant des données complexes, comme les tendances de gains et les cartes thermiques, en indications de positionnement simples et exploitables. Ils peuvent ensuite poser des questions de suivi en langage courant, recevoir des réponses adaptées et naviguer facilement dans l’application.
L’objectif d’Uber est de réduire la charge cognitive — l’effort nécessaire pour interpréter des données complexes de la place de marché tout en essayant de gagner un revenu.
Cela s’est avéré particulièrement utile pour les nouveaux chauffeurs. Uber a constaté que l’utilisation de l’IA pour résumer et communiquer facilement les données du monde réel d’Uber peut accélérer la montée en compétence en aidant les chauffeurs à apprendre les flux de travail et la dynamique de la place de marché beaucoup plus rapidement qu’avec les seuls essais et erreurs.
Bien qu’Uber Assistant ait d’abord été censé aider surtout les nouveaux chauffeurs, les chauffeurs expérimentés sont eux aussi revenus à répétition pour poser des questions de suivi et optimiser leur temps sur la plateforme — ce qui valide le produit comme un outil utile à long terme, et non seulement comme un outil d’intégration.
« L’Assistant aide les chauffeurs à monter rapidement en compétence, comparativement au fait qu’il faut faire plusieurs centaines de trajets pour comprendre le fonctionnement de la plateforme », dit Parikh.
Pour Uber, l’exactitude, la sécurité, la fiabilité et la rapidité sont des priorités absolues lors de la mise en œuvre de tout système d’IA dont les résultats interagiront avec les chauffeurs et les livreurs. Parmi les considérations essentielles figurent le respect des politiques dans les réponses et une latence conforme aux attentes des utilisateurs d’une appli mobile en temps réel.
C’est pourquoi Uber a conçu Uber Assistant autour de trois principes fondamentaux : la sécurité, la confiance et une faible latence.
Les équipes d’ingénierie d’Uber ont mis au point une architecture multi-agent qui achemine chaque demande utilisateur vers le système spécialisé le plus approprié. Par exemple, les questions sur les gains peuvent être traitées différemment des questions d’intégration, et les conseils sur la place de marché exigent un raisonnement différent des actions transactionnelles.
Cette architecture permet à Uber d’acheminer chaque tâche vers le modèle le mieux adapté à ses besoins opérationnels précis, en veillant à ce que chaque requête soit traitée avec l’attention appropriée sur ce qui compte le plus.
Pour la classification légère et les réponses rapides, Uber utilise des modèles nano/mini plus rapides. Pour les tâches plus complexes, Uber tire parti de modèles de raisonnement plus grands.
Uber a également développé AI Guard, une couche de gouvernance interne qui aide à filtrer les invites et les réponses afin de favoriser la sécurité, la protection de la vie privée et la sécurité informatique, d’appliquer les politiques, de réduire les hallucinations et de maintenir une cohérence entre les expériences.
Lorsque les chauffeurs reçoivent des recommandations exactes et utiles, ils reviennent. Ils posent plus de questions. Ils interagissent à répétition. Et ils passent plus de temps productif sur la plateforme.
« Si les utilisateurs n’ont pas confiance dans le système, vous les perdez rapidement », dit Parikh. « Mais lorsqu’ils voient la valeur, ils reviennent. »
Uber applique aussi les API Realtime d’OpenAI à l’un des prochains grands changements d’interface en technologie : la voix.
Taper dans une appli peut être efficace pour les demandes simples. Mais de nombreux besoins en transport et en commerce sont plus complexes.
Un voyageur pourrait vouloir dire : « J’ai cinq valises et cinq autres personnes avec moi. J’ai besoin d’un bon trajet vers l’aéroport. Que recommandez-vous? » Une personne âgée ou un passager ayant une déficience visuelle peut préférer parler plutôt que de naviguer dans des menus par toucher.
Les nouvelles expériences vocales d’Uber sont conçues pour rendre ces moments sans friction. Les utilisateurs peuvent toucher l’icône du micro dans la barre de recherche « où aller » de l’appli Uber et demander un trajet à l’aide d’un langage naturel. Le système utilise l’API Realtime et d’autres modèles de pointe pour interpréter l’intention, exploite les lieux enregistrés et le contexte client, et formule des recommandations — tout en synchronisant les réponses vocales et visuelles dans l’application.
Cela pourrait vouloir dire suggérer UberXL pour les trajets avec beaucoup de bagages ou reconnaître des destinations enregistrées comme « maison ».
« La voix élimine l’obstacle de devoir accomplir une seule tâche à la fois », dit Parikh. « Vous pouvez exprimer naturellement votre intention complète, et le système peut orchestrer le résultat. »
La voix élargit aussi l’accessibilité et ouvre de nouveaux flux de travail dans l’écosystème d’Uber. Du côté des chauffeurs, elle leur permet d’interagir avec l’application en gardant les mains libres. Du côté des passagers, elle peut réduire les frictions pour les clients qui veulent des interactions plus rapides et plus simples.
« La voix élimine l’obstacle des multiples touchers parce que vous pouvez dire plusieurs choses », dit Vidyasagar. « Cela libère cette capacité de relier les différentes parties de l’écosystème. »
Remarque : la fonctionnalité de réservation vocale sera déployée au cours des prochaines semaines
À mesure que les capacités des LLM évoluent rapidement, Uber a aussi changé la façon dont les équipes construisent.
Les ingénieurs de toute l’organisation travaillent avec le prompting, des systèmes de récupération, des pipelines d’évaluation et des cadres d’orchestration. Les équipes produit, juridiques, des opérations et de la conception collaborent plus étroitement pour définir les limites des politiques, tester les résultats et améliorer les expériences utilisateur.
Au lieu qu’une petite équipe IA centralisée soit responsable de l’innovation, l’intelligence peut maintenant être intégrée dans toute l’entreprise.
« Ce n’est plus un seul groupe spécialisé qui fait tout cela », dit Vidyasagar. « De nombreuses équipes peuvent contribuer parce que les obstacles à la création ont diminué. »
Ce changement accélère l’expérimentation et fait naître de nouvelles idées dans l’écosystème d’Uber.
« Chaque trajet en voiture, chaque course, est une séquence d’événements, et comprendre et traiter cette nuance, c’est ce que le LLM nous permet de faire », dit Vidyasagar. « Cela nous donne beaucoup d’informations sur la direction à prendre ensuite, et cette capacité — à notre échelle — est exceptionnellement puissante. »
Uber Assistant a maintenant été étendu à l’ensemble du réseau de chauffeurs aux États-Unis dans le cadre d’un déploiement expérimental, pendant qu’Uber continue de tester et d’affiner l’expérience :
- Des centaines de milliers de chauffeurs aux États-Unis ont maintenant accès aux expériences bêta d’Uber Assistant
- Amélioration du soutien aux chauffeurs au début de leur parcours, en aidant les nouveaux chauffeurs à mieux se positionner pour obtenir plus de trajets
- Un engagement répété solide, les utilisateurs revenant après des interactions réussies
- Meilleure utilisation du temps sur la plateforme grâce à des informations plus intelligentes sur la place de marché
- Cycles d’itération produit plus rapides grâce à la spécialisation des modèles et à des systèmes d’évaluation continue
Qu’il s’agisse d’aider un nouveau chauffeur à obtenir son premier trajet ou de guider un chauffeur expérimenté à la recherche de meilleures occasions de gains, Uber utilise les modèles d’OpenAI pour rendre le travail plus productif, le transport plus fluide et la logistique quotidienne plus humaine.
« En tant qu’ingénieur, OpenAI nous donne simplement la capacité de résoudre ces problèmes de façons différentes et uniques », dit Vidyasagar.
