Google travaille sur une technologie brevetée qui permettrait à ses assistants numériques de prédire les interactions avec l'utilisateur grâce à la fusion des entrées audio et visuelles, sans nécessiter l'invocation explicite par des mots-clés. Cette technologie analyserait le langage parlé et les mouvements physiques pour identifier des "commandes chaudes" indiquant l'intention d'interagir avec l'assistant. Une fois ces commandes détectées et classées comme significatives, elles pourraient être utilisées pour invoquer des actions spécifiques. Google explore également des applications pour cette technologie dans les smartphones, en s'appuyant sur les fonctionnalités AI de son modèle Gemini. Cependant, cette approche soulève des inquiétudes en matière de faux-positifs et de confidentialité, notamment en raison de la possible transmission de données vers le cloud.