Accents et reconnaissance vocale : ce que la recherche mesure vraiment, et ce qu'il faut prévoir au téléphone

Allison Koenecke et ses coauteurs ont soumis à cinq systèmes de reconnaissance vocale, développés par Amazon, Apple, Google, IBM et Microsoft, des entretiens menés avec 42 locuteurs blancs et 73 locuteurs noirs. Le corpus couvre cinq villes ou localités des États-Unis et totalise 19,8 heures d'audio, appariées selon l'âge et le sexe des locuteurs. Les enregistrements proviennent de deux corpus sociolinguistiques : CORAAL, consacré à l'anglais afro-américain, et Voices of California.

L'indicateur utilisé est le taux d'erreur de mots : le nombre de mots substitués, supprimés ou ajoutés par la machine, rapporté au nombre de mots de la transcription humaine de référence. Résultat : les cinq systèmes présentent des écarts importants, avec un taux d'erreur moyen de 0,35 pour les locuteurs noirs contre 0,19 pour les locuteurs blancs.

Les auteurs attribuent l'écart aux modèles acoustiques, c'est-à-dire à la partie du système qui associe les sons aux mots : l'écart reste aussi important sur un sous-ensemble de phrases identiques prononcées par des locuteurs noirs et blancs. Ils recommandent des données d'entraînement plus diverses, incluant l'anglais vernaculaire afro-américain, et suggèrent que d'autres variétés de l'anglais, dont les accents régionaux et non natifs, pourraient subir des difficultés comparables. C'est une hypothèse, pas une mesure.

Le périmètre doit être cité exactement : de l'anglais américain, des systèmes commerciaux tels qu'ils existaient au moment de l'étude, des entretiens enregistrés entre 2004 et 2017. L'étude ne dit rien des versions actuelles de ces systèmes ni du français. Elle montre en revanche qu'un système peut afficher de bonnes performances globales tout en servant moins bien une partie de ses utilisateurs.

Les travaux que nous avons trouvés portent sur d'autres variétés que les accents de métropole. En 2023, Lucas Maison et Yannick Estève ont utilisé des enregistrements représentant quatre accents du français pour affiner des modèles de reconnaissance : en mêlant plusieurs accents dans l'entraînement, ils réduisent les erreurs jusqu'à 25 % en valeur relative sur les accents africains et belges par rapport à un entraînement sur un seul domaine, tout en conservant de bonnes performances sur le français standard. Leur point de départ est explicite : les systèmes restent peu robustes aux variations d'accent.

Côté Québec, le corpus CEREALES, présenté à la conférence Interspeech 2025, rassemble plus de 600 heures de parole spontanée québécoise enregistrée lors d'une commission d'enquête, pour combler le manque de données accentuées. Une autre équipe a comparé de grands modèles multilingues sur des conversations québécoises : selon ses auteurs, les résultats publiés sur des bancs d'essai connus comme FLEURS ou Common Voice ne prédisent pas bien les performances qu'ils observent sur leur corpus de conversations enregistrées lors de commissions d'enquête québécoises.

Pour les accents régionaux de France métropolitaine, nous n'avons pas trouvé, au moment de la rédaction, de mesure publique comparable. Méfiez-vous donc de tout chiffre avancé sans méthode.

Un mot mal reconnu au milieu d'une phrase est souvent rattrapé par le contexte. Un nom de famille, un numéro de téléphone, un nom de rue ou de lieu-dit se devine beaucoup plus difficilement : c'est précisément l'information dont vous aurez besoin pour rappeler. Les contraintes propres à la ligne téléphonique, déjà détaillées dans notre article sur la reconnaissance vocale, s'ajoutent à la variété des accents.

Trois gestes réduisent le risque, qu'il s'agisse d'un humain ou d'un agent automatisé. Reformuler les informations clés avant de raccrocher : le nom, le numéro, l'adresse. Faire épeler les noms propres et confirmer les numéros chiffre par chiffre. Et, quand l'échange patine, proposer un relais plutôt que de faire répéter l'appelant encore et encore : prise de message complète ou transfert vers un humain.

Relisez ensuite les transcriptions de vos appels pour repérer les erreurs récurrentes, par exemple un nom de commune voisine systématiquement déformé, et décidez de la consigne à appliquer : reformulation systématique, demande d'épellation, transfert.

Testez ensuite dans vos propres conditions : faites appeler des proches ou des collègues aux accents différents, depuis un mobile, dans un environnement bruyant, avec des noms propres de votre territoire, puis comparez ce qu'ils ont dit à ce qui a été noté.

Alyas répond à partir des informations que vous lui fournissez, annonce en début d'appel qu'il est une IA et que l'appel est enregistré, transfère l'appel vers votre numéro si l'appelant le demande, et dépose une transcription et un résumé de chaque appel dans votre espace Alyas. L'essai gratuit de 10 jours, sans carte bancaire, sert précisément à vérifier comment il comprend vos appelants.