Snipd utilise l’IA pour « déverrouiller les connaissances » dans les podcasts – TechCrunch

Le podcasting est devenu une industrie majeure d’un milliard de dollars, avec des revenus publicitaires aux États-Unis seuls qui devraient atteindre 2 milliards de dollars cette année – un chiffre qui devrait doubler d’ici 2024. Dans ce contexte, les principaux acteurs du domaine renforcent leur arsenal de podcasting, Spotify a récemment distribué environ 85 millions de dollars à deux sociétés spécialisées dans la mesure et l’analyse des podcasts, tandis qu’Acast a récemment acheté Podchaser – un « IMDb pour les podcasts » qui donne aux annonceurs des informations plus approfondies sur les données – dans le cadre d’un contrat de 27 millions de dollars.

Mais alors que les grandes plates-formes verrouillent les cornes dans la chasse aux richesses du podcasting, de plus petits acteurs continuent d’arriver sur la scène avec leurs propres idées sur la façon de faire progresser le support du podcast pour les créateurs et les consommateurs.

L’un d’eux est Snipd, une startup suisse qui crée une application de podcast qui utilise l’IA pour transcrire le contenu et se synchroniser avec les applications de prise de notes, générer automatiquement des « chapitres » de style livre et, à partir de cette semaine, diffuser les faits saillants du podcast dans un style TikTok alimentation personnalisée.

Au-delà de la recherche et de l’abonnement

Semblable à d’autres applications dites « podcatcher », Snipd fonctionne par des utilisateurs qui recherchent et s’abonnent à des podcasts qui les intéressent – cela peut aller du vrai crime à l’histoire et au sport. Mais Snipd s’efforce d’être bien plus qu’un autre podcatcher, en termes d’analyse du contenu des épisodes pour aider les auditeurs à organiser et à aller au cœur des détails qui comptent.

Par exemple, Snipd peut créer des « chapitres », qui séparent chaque épisode en segments navigables avec leur propre titre, tout en pouvant également générer des transcriptions d’émissions entières.

« chapitres » et transcriptions générés par l’IA. Crédits image : Extrait

En plus de cela, les utilisateurs peuvent créer manuellement des « extraits » pendant qu’ils écoutent un épisode, ce qui leur permet de sauvegarder leurs moments préférés et d’ajouter des notes à chaque clip.

Crédits image : Extrait

Avec le dernier lancement de Snipd, qui est disponible sur Android et iOS cette semaine, la société canalise son TikTok intérieur en présentant aux utilisateurs une bobine de faits saillants, en quelque sorte, extrayant automatiquement ce qu’elle pense être les moments les plus mémorables de nombreux podcasts. Il attribue ensuite un titre généré par l’IA à chaque clip et les présente dans un flux que les utilisateurs peuvent parcourir en faisant défiler vers le haut et vers le bas.

Flux inspiré de « TikTok » des faits saillants du podcast. Crédits image : Extrait

À partir de là, les auditeurs peuvent enregistrer chaque clip dans leur bibliothèque ou, s’ils aiment ce qu’ils entendent dans le court segment présenté par Snipd, passer directement à l’épisode complet du podcast.

Il convient de noter qu’avec la dernière mise à jour de l’application, les utilisateurs sont désormais invités à sélectionner leurs sujets préférés (par exemple « histoire » ou « musique »), que Snipd utilise pour générer ces faits saillants. Cela signifie que le flux d’épisodes n’est pas basé purement sur les abonnements aux podcasts des utilisateurs, car il extrait également le contenu que Snipd pense qui les intéresseront en fonction des sujets qu’ils auront choisis, entre autres « signaux ».

« Le but de l’algorithme est de présenter à l’utilisateur le contenu qui l’intéresse – pour cela, nous utilisons différents signaux », a expliqué le co-fondateur de Snipd, Kevin Smith, à TechCrunch. « Le fait que l’utilisateur soit abonné à une certaine émission est un signal fort, c’est pourquoi une grande partie du contenu affiché provient des abonnements d’un utilisateur. Mais il existe de nombreux autres signaux importants tels que ce que l’utilisateur a écouté, mis en évidence et enregistré, ou ce qui est actuellement à la mode parmi les autres utilisateurs.

Bien que cela puisse être interprété comme un geste positif par ceux qui recherchent de l’aide pour trouver de nouveaux podcasts utiles, cela pourrait irriter les utilisateurs qui ne veulent voir que le contenu auquel ils se sont spécifiquement abonnés. Mais Snipd prévoit à terme de donner aux auditeurs des contrôles plus précis sur le contenu qui apparaît dans leur flux de faits saillants, y compris la possibilité de filtrer les clips des podcasts auxquels ils ne se sont pas spécifiquement abonnés.

Il convient également de souligner que le nouveau flux de Snipd se concentre sur les épisodes de podcast nouvellement publiés, en particulier ceux publiés au cours des deux semaines précédentes – à l’avenir, il est prévu d’adopter une approche plus proche de YouTube, en termes de suggestion de contenu plus ancien que Snipd pense est pertinent et intéressant.

Loin du nouveau flux de faits saillants inspiré de TikTok, les utilisateurs de Snipd peuvent toujours accéder aux faits saillants pilotés par l’IA pour chaque épisode de leur liste d’abonnements principale, quelle que soit l’actualité de l’épisode.

L’application génère automatiquement des faits saillants pour les podcasts les plus populaires, en utilisant des critères tels que le nombre d’utilisateurs abonnés à une émission. Et pour les podcasts nouveaux ou moins populaires, les utilisateurs peuvent « demander » manuellement à Snipd de faire fonctionner sa magie, afin qu’il leur donne des faits saillants, des chapitres, des transcriptions et tout le reste en 20 minutes environ.

Points forts. Crédits image : Extrait

L’IA au travail

Mais que recherche exactement Snipd lors de l’évaluation du contenu à présenter dans ses « points forts » ? Comment peut-il savoir quels segments sont plus dignes que d’autres ? Selon Smith, tout dépend de la façon dont les utilisateurs ont historiquement interagi avec les épisodes – il analyse quel type de contenu suscite le plus d’intérêt, puis réinjecte ces données dans son mécanisme de formation à l’IA.

« Notre IA apprend en analysant le contenu des anciens épisodes et en comparant quelles parties de ces épisodes ont été les plus mises en évidence par nos utilisateurs et quelles parties ne l’ont pas été », a déclaré Smith. « Les parties les plus perspicaces d’un épisode sont fréquemment mises en évidence par nos utilisateurs, tandis que les parties les moins intéressantes sont souvent ignorées et non mises en évidence. Notre IA a appris à utiliser le contenu réel de la conversation pour identifier ces parties et peut les recommander dans de nouveaux épisodes.

Smith a ajouté que Snipd crée principalement ses modèles d’IA en interne, et pour les modèles de langage en particulier, il commence par de grands modèles pré-formés similaires à GPT-3, qui sont déjà capables de comprendre beaucoup de texte et de langage.

« Nous affinons ensuite ces modèles sur nos cas d’utilisation très spécifiques », a noté Smith. « D’autres modèles, nous nous entraînons entièrement à partir de zéro.
Nous utilisons ensuite les signaux de rétroaction des utilisateurs pour améliorer les modèles au fil du temps. »

Smith a déclaré que dans les premières découvertes de la société, les utilisateurs semblaient utiliser les faits saillants pour décider quel épisode ils voulaient écouter – ils parcouraient donc divers clips jusqu’à ce qu’ils trouvent quelque chose qui les attrape, puis ils sautaient dans l’épisode complet. Le problème, en fin de compte, est celui de la surcharge de choix – similaire à la façon dont Netflix « suggère » de nouvelles émissions à regarder en fonction des habitudes de visionnage des abonnés et présente un aperçu de l’émission sur l’écran du menu principal, Snipd essaie d’aider les auditeurs filtre à travers le bruit du podcast.

Nos utilisateurs sont parfois abonnés à plus de 100 émissions, en particulier celles qui sont très riches en informations, comme le ‘Lex Fridman Podcast’ ou le ‘Tim Ferriss Show’ », a déclaré Smith. « Ces épisodes durent jusqu’à cinq heures. Il est donc extrêmement long pour les auditeurs de découvrir les parties qui les intéressent le plus. »

Libérer les connaissances

Certaines études suggèrent que jusqu’à 74 % des auditeurs consomment des podcasts pour « apprendre quelque chose de nouveau », contre 71 % qui citent « se divertir » comme motif principal et 51 % qui citent la relaxation.

Et c’est pourquoi la mission déclarée de Snipd est de « déverrouiller les connaissances » dans les podcasts.

« Le principal problème que nous résolvons est d’acquérir des connaissances grâce aux podcasts », a expliqué Smith. « Nous examinons l’ensemble du parcours utilisateur consistant à interagir avec les connaissances dans les podcasts et essayons de l’améliorer. Qu’il s’agisse de découvrir le meilleur contenu, de le consommer, de sauvegarder les connaissances dont l’utilisateur souhaite se souvenir, ou de les partager avec des amis. »

Avant la dernière mise à jour de l’application, Snipd s’est principalement concentré sur la possibilité pour les utilisateurs de mettre en évidence et d’enregistrer des connaissances spécifiques qu’ils rencontrent, afin qu’ils puissent les revoir plus tard. En tant que telle, l’application est compatible avec les écouteurs, de sorte que les joggeurs (par exemple) peuvent cliquer trois fois sur le bouton de leurs écouteurs pour créer et enregistrer un clip avec un titre, un résumé et une transcription générés automatiquement. Et compte tenu de la popularité des podcasts auprès des conducteurs, Snipd a également récemment déployé la prise en charge de CarPlay d’Apple, permettant aux utilisateurs de générer des faits saillants de podcast tout en étant au volant.

Snipd soutient également sa mission de « déverrouillage des connaissances » par d’autres moyens. Par exemple, les utilisateurs peuvent intégrer et synchroniser Snipd avec le service de lecture ultérieure Readwise et l’application de prise de notes Notion s’ils souhaitent lire des segments ou des transcriptions de leurs podcasts. En plus de cela, les utilisateurs peuvent exporter manuellement le contenu Snipd vers Obsidian, Logseq, Bear et Markdown.

Montre moi l’argent

Basée à Zurich, Snipd constitue une équipe de cinq personnes, dont trois co-fondateurs et deux employés. La première itération de l’application a été lancée en août dernier, et dans les mois qui ont suivi, la société a levé un financement de pré-amorçage de 700 000 $ «sur-souscrit» auprès de bailleurs de fonds, y compris la société suisse de capital-risque (VC) Wingman Ventures, ainsi en tant que VC Acequia Capital basé aux États-Unis, qui a déjà investi dans des sociétés d’un milliard de dollars telles que Square, Pinterest et Wish. Smith a déclaré que Snipd prévoyait de lever un tour de table à un moment donné « dans un avenir pas trop lointain ».

Tout cela nous amène à une question assez importante sur les finances – comment, exactement, Snipd gagne-t-il de l’argent ? La réponse courte est que Snipd ne gagne pas d’argent… pour le moment. Mais à l’avenir, la société prévoit d’adopter un modèle commercial freemium avec d’autres applications de podcast similaires, ce qui pourrait signifier une version gratuite de base prise en charge par des publicités ou du contenu promu, avec certaines des intelligences géniales alimentées par l’IA poussées derrière un paywall .

Cela soulève également des questions sur la facilité avec laquelle il sera possible de prospérer dans un marché qui comprend des opérateurs historiques bien établis (et bien financés) tels qu’Apple, Spotify, Acast et Pocket Casts. Les fonctionnalités de Snipd alimentées par l’IA sont certes intéressantes, mais il n’est pas clair si Snipd peut recueillir suffisamment d’utilisateurs pour créer une entreprise importante. De plus, il existe déjà des entreprises comparables, telles que Moonbeam, une application de découverte de podcasts qui associe l’apprentissage automatique et la curation humaine pour fournir des recommandations de podcast personnalisées. Et il y a aussi Airr et Fathom.fm, qui sont similaires en termes d’aide aux auditeurs pour tirer le meilleur parti de leurs podcasts, soit en aidant à la découverte, soit en les laissant extraire les parties qu’ils trouvent les plus intéressantes.

En vérité, Snipd pourrait être une acquisition ou une acquisition en devenir. Spotify, par exemple, propose déjà des transcriptions pour ses propres podcasts originaux, et il n’est pas étranger à distribuer des millions de dollars pour les startups axées sur les podcasts. Amazon a également récemment déployé des transcriptions de podcast.

Dans un espace occupé, il est clair que les principaux acteurs du podcast continueront à chercher de nouvelles façons d’ajouter de la valeur et de se différencier de la concurrence, et aider leurs abonnés à « débloquer les connaissances » pourrait être une autre façon de le faire.

« Nous considérons les podcasts comme l’une des plus grandes bases de connaissances au monde et nous nous concentrons donc sur la communauté des chercheurs de connaissances », a déclaré Smith. « Alors que nos concurrents traitent les podcasts comme de la musique que vous écoutez du début à la fin, nous les considérons comme une série de moments riches en connaissances. »