Uber utilise OpenAI pour aider les chauffeurs et les usagers
Uber utilise OpenAI pour alimenter des assistants IA et des fonctionnalités vocales qui aident les chauffeurs à mieux gagner leur vie et les passagers à réserver plus vite sur une marketplace mondiale en temps réel.
Chaque jour, des millions de personnes comptent sur Uber pour réserver des trajets, commander des repas, envoyer des colis et générer des revenus avec flexibilité. Derrière chaque interaction se trouve une marketplace complexe en temps réel, façonnée par le trafic, la météo, les arrivées à l’aéroport, les événements locaux et la demande. Uber opère à une échelle massive : 40 millions de trajets par jour, 10 millions de chauffeurs et de coursiers dans 15 000 villes de plus de 70 pays. Chaque ville a sa propre dynamique opérationnelle, sa réglementation et le comportement de ses passagers, créant un système qui doit s’adapter en continu à l’échelle mondiale.
Uber utilise depuis longtemps le machine learning pour soutenir sa marketplace. Et maintenant, grâce aux grands modèles de langage et aux modèles de pointe d’OpenAI, Uber peut raisonner sur des signaux complexes plus rapidement, fournir 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 opportunités de gains pour les chauffeurs et les coursiers et réduisent les frictions pour les passagers. Et grâce aux modèles d’OpenAI, Uber peut lancer des produits et expériences rationalisés plus vite que jamais.
« Pour la première fois, la technologie mène ce qui peut être résolu. Des problèmes autrefois hors de portée peuvent désormais être abordés. »
Pour les chauffeurs, la flexibilité est l’un des plus grands atouts d’Uber. Certains conduisent à temps plein, d’autres seulement le week-end, tandis que d’autres encore conduisent entre deux cours ou deux services. Cette flexibilité signifie aussi que les chauffeurs évaluent en permanence leurs options et se posent des questions : Où devrais-je me placer en ce moment ? Est-ce que cela vaut la peine d’aller à l’aéroport ? Devrais-je passer des trajets aux livraisons à l’heure du déjeuner ? Pourquoi mes gains ont-ils été 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 à l’optimisation quotidienne des gains.
« Nous voulons permettre aux chauffeurs de prendre de meilleures décisions pour eux-mêmes en leur fournissant une vue synthétique de la marketplace et des insights en temps réel », explique Dharmin Parikh, Director of Product Management chez Uber.
L’Assistant aide les chauffeurs à savoir où et quand générer des revenus en transformant des données complexes, comme les tendances de gains et les cartes thermiques, en conseils 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 marketplace tout en essayant de générer des revenus.
Cela s’est révélé particulièrement précieux pour les nouveaux chauffeurs. Uber a constaté que l’utilisation de l’IA pour résumer et communiquer clairement les données réelles d’Uber peut aider les chauffeurs à prendre plus vite leurs repères en leur permettant d’apprendre les workflows et la dynamique de la marketplace bien plus vite que par tâtonnements seuls.
Si Uber Assistant devait au départ surtout aider les nouveaux chauffeurs, les chauffeurs expérimentés sont eux aussi revenus à plusieurs reprises pour poser des questions complémentaires et optimiser leur temps sur la plateforme, validant le produit comme un outil utile à long terme, et pas seulement comme un outil d’intégration.
« L’Assistant aide les chauffeurs à monter rapidement en compétence, au lieu d’avoir besoin de plusieurs centaines de trajets pour comprendre le fonctionnement de la plateforme », déclare 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 coursiers. Parmi les considérations critiques figurent le respect des politiques par les réponses, ainsi qu’une latence conforme au niveau qu’attendent les utilisateurs d’une application mobile en temps réel.
C’est pourquoi Uber a conçu Uber Assistant autour de trois principes fondamentaux : sécurité, confiance et faible latence.
Les équipes d’ingénierie d’Uber ont construit 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 liés à la marketplace exigent un raisonnement différent des actions transactionnelles.
Cette architecture permet à Uber d’orienter chaque tâche vers le modèle le mieux adapté à ses besoins opérationnels spécifiques, garantissant que chaque requête est traitée avec l’attention appropriée à 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 s’appuie sur des modèles de raisonnement plus grands.
Uber a également développé AI Guard, une couche interne de gouvernance qui aide à filtrer les prompts et les réponses afin de favoriser la sécurité, la confidentialité et la sûreté, d’appliquer les politiques, de réduire les hallucinations et de maintenir la cohérence entre les expériences.
Lorsque les chauffeurs reçoivent des recommandations exactes et utiles, ils reviennent. Ils posent plus de questions. Ils interagissent de manière répétée. Et ils passent plus de temps productif sur la plateforme.
« Si les utilisateurs ne font pas confiance au système, vous les perdez vite », dit Parikh. « Mais lorsqu’ils en voient la valeur, ils reviennent. »
Uber applique également les API Realtime d’OpenAI à l’une des prochaines grandes évolutions d’interface dans la technologie : la voix.
Saisir du texte dans une application peut être efficace pour les demandes simples. Mais beaucoup de besoins liés au transport et au commerce sont plus complexes.
Un voyageur peut vouloir dire : « J’ai cinq bagages et cinq autres personnes avec moi. J’ai besoin d’un trajet confortable vers l’aéroport. Que recommandez-vous ? » Une personne âgée ou un passager malvoyant peut préférer parler plutôt que naviguer dans des menus.
Les nouvelles expériences vocales d’Uber sont conçues pour rendre ces moments fluides. Les utilisateurs peuvent toucher l’icône du microphone dans la barre de recherche « où aller » de l’application Uber et demander un trajet en parlant naturellement. Le système utilise la Realtime API et d’autres modèles de pointe pour interpréter l’intention, s’appuie sur les lieux enregistrés et le contexte client, et fait des recommandations — tout en synchronisant les réponses orales et visuelles dans l’app.
Cela peut par exemple signifier suggérer UberXL pour des trajets avec beaucoup de bagages ou reconnaître des destinations enregistrées comme « maison ».
« La voix supprime la barrière consistant à accomplir une seule tâche à la fois », explique Parikh. « Vous pouvez exprimer pleinement votre intention de façon naturelle, et le système peut orchestrer le résultat. »
La voix élargit aussi l’accessibilité et ouvre de nouveaux workflows dans l’écosystème d’Uber. Côté chauffeurs, elle leur permet d’interagir avec l’application sans utiliser les mains. Côté passagers, elle peut réduire les frictions pour les clients qui veulent des interactions plus rapides et plus simples.
« La voix évite d’avoir à enchaîner plusieurs manipulations, car vous pouvez dire plusieurs choses », explique Vidyasagar. « Cela débloque cette capacité à 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 manière dont ses équipes développent les produits.
Les ingénieurs de toute l’organisation travaillent avec le prompting, les systèmes de récupération, les pipelines d’évaluation et les frameworks d’orchestration. Les équipes produit, juridiques, opérationnelles et design 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 porte seule l’innovation, l’intelligence peut désormais être intégrée dans toute l’entreprise.
« Ce n’est plus un seul groupe spécialisé qui fait tout cela », explique Vidyasagar. « De nombreuses équipes peuvent contribuer parce que les barrières à la création ont diminué. »
Ce changement accélère l’expérimentation et fait émerger de nouvelles idées dans tout l’écosystème d’Uber.
« Chaque conduite, chaque trajet est une séquence d’événements, et comprendre et traiter cette nuance, c’est ce que le LLM nous permet de faire », explique 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 désormais été étendu au réseau de chauffeurs aux États-Unis dans le cadre d’un déploiement expérimental, tandis qu’Uber continue de tester et d’affiner l’expérience :
- Des centaines de milliers de chauffeurs américains ont désormais accès aux expériences bêta d’Uber Assistant
- Amélioration de la prise en charge des chauffeurs en début de parcours, pour aider les nouveaux chauffeurs à mieux se positionner afin d’obtenir plus de trajets
- Forte récurrence d’engagement, les utilisateurs revenant après des interactions réussies
- Meilleure utilisation du temps sur la plateforme grâce à des insights de marketplace plus intelligents
- 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 opportunités de gains, Uber utilise les modèles d’OpenAI pour rendre le travail plus productif, le transport plus fluide et la logistique du quotidien plus humaine.
« En tant qu’ingénieur, OpenAI nous donne tout simplement la possibilité de résoudre ces problèmes de façons différentes et uniques », explique Vidyasagar.
