Transcrire l'arabe parlé : dialectes, arabe standard et discours mixte

Quelle est la différence entre l'arabe standard moderne et un dialecte ?

L'arabe standard moderne est celui des journaux télévisés, des livres, des textes officiels et des discours formels. On l'apprend à l'école dans tout le monde arabe. Les dialectes, eux, se parlent en famille, entre amis ou au travail. Ils changent d'une région à l'autre, et parfois d'une ville ou d'un village à l'autre. On regroupe souvent ces parlers en grandes familles comme l'arabe levantin, égyptien, du Golfe ou maghrébin, mais à l'intérieur de chacune, le vocabulaire, les voyelles et plusieurs consonnes varient.

Ces écarts sont parfois si grands que deux personnes parlant des dialectes éloignés ont du mal à se comprendre. Sur un enregistrement, cela s'entend dans les mots de tous les jours, la conjugaison, la prononciation et les petits mots qui lient les phrases. Un outil de transcription entraîné surtout sur de l'arabe formel tombera donc sur des mots qu'il ne connaît pas s'il écoute une conversation familiale.

La reconnaissance vocale peut-elle traiter les dialectes ?

Oui, mais avec des résultats variables. L'arabe standard est la forme la mieux documentée de la langue. Les prises de parole formelles comme les conférences, les journaux d'information ou les exposés préparés donnent donc en général des résultats plus réguliers qu'une conversation à bâtons rompus. Pour les dialectes, la qualité est moins homogène et dépend de la région, de la personne qui parle et du sujet.

Dans KolWrite, l'arabe est une langue principale. Cela tient à la façon dont l'outil a été conçu, mais ça ne garantit pas le même résultat sur chaque dialecte régional. Le seul vrai moyen de savoir ce que ça donne est de tester un extrait représentatif. Prenez un enregistrement réel fait dans vos conditions de travail, avec vos intervenants, et faites relire le texte par quelqu'un qui parle ce dialecte.

Pour comparer plusieurs outils ou réglages, passez exactement le même extrait dans chacun d'eux. Jugez le résultat sur les détails qui comptent pour votre travail, comme les noms propres, les chiffres et les termes métier, plutôt que sur la seule fluidité du texte.

Comment s'écrivent les mots dialectaux ?

La plupart des mots dialectaux n'ont pas d'orthographe officielle. Deux personnes peuvent écrire le même mot avec des lettres différentes, et ces mots riches en voyelles doivent rentrer dans un alphabet qui ne note généralement pas les voyelles brèves. On le voit bien avec la lettre prononcée q, g ou comme un coup de glotte selon les régions : la prononciation change d'un locuteur à l'autre, mais à l'écrit, on garde en général la lettre standard.

En pratique, vous avez deux façons de faire. Vous pouvez transcrire ce qui est dit tel quel, en écrivant les mots dialectaux comme on le fait d'habitude dans les messages de tous les jours. Vous pouvez aussi normaliser le texte en arabe standard moderne pour qu'il se lise comme un rapport formel. Le mot à mot convient mieux à la recherche, aux archives orales et à la linguistique. La version standardisée est plus utile pour des comptes rendus de réunion, des sous-titres grand public ou des citations à publier.

Mettez-vous d'accord sur la méthode avant d'attaquer la relecture. Vous éviterez ainsi que des relecteurs ne corrigent en arabe standard des mots dialectaux pourtant voulus, ou qu'ils ne laissent des tournures formelles dans un texte censé coller au mot à mot.

Que se passe-t-il lorsque les locuteurs mêlent l'arabe à l'hébreu ou à l'anglais ?

En Israël et dans toute la région, beaucoup d'arabophones passent d'une langue à l'autre sans y penser. Dans une même phrase, on peut glisser le nom d'une administration en hébreu, un terme d'ingénierie en anglais et dire tout le reste en arabe. Or chaque changement de langue coupe le fil du contexte dont le système de reconnaissance vocale se sert pour départager deux sons proches.

C'est sur les noms propres et les termes techniques de la deuxième langue que le système se trompe le plus souvent. Il peut les transcrire en alphabet arabe, latin ou hébreu, et parfois mêler les trois dans le même texte. Cherchez vos termes clés dans le brouillon sous chacun de ces alphabets, puis choisissez une seule graphie pour tout le document final.

KolWrite transcrit plus de 100 langues, gère le discours mixte et indique les changements de locuteur ainsi que les codes temporels. Vous pouvez ainsi retrouver tout de suite le passage où l'intervenant change de langue et réécouter la bande.

Comment enregistrer pour obtenir une meilleure transcription ?

Approchez le micro de la personne qui parle et réduisez le bruit de fond au minimum. L'arabe a des consonnes prononcées au fond de la gorge qui se noient vite dans une pièce bruyante, et ce sont les premiers sons qu'un micro placé trop loin ne capte plus. S'il y a plusieurs participants, demandez-leur de parler chacun à leur tour : les voix qui se chevauchent posent problème à tous les outils de transcription.

Au début de la séance, prenez quelques secondes pour enregistrer chacun en train de donner son nom, et épelez à voix haute les noms peu courants. Cela ne demande aucun effort et rend la vérification beaucoup plus simple à la relecture.

Comment relire une transcription d'arabe parlé ?

Relisez le texte en écoutant l'enregistrement, étape par étape. Vérifiez d'abord les noms de personnes et de lieux. Passez ensuite aux nombres, aux dates et aux données chiffrées. Enfin, regardez de près les mots qui changent entre le dialecte parlé et l'arabe standard : les outils automatiques remplacent parfois l'un par l'autre sans prévenir.

Faites relire les passages importants ou douteux par un locuteur natif du dialecte. Toute transcription automatique contient des erreurs, et dans un dialecte, un mot faux peut donner une phrase qui a l'air tout à fait correcte sur le papier. Seule l'écoute de l'audio permet alors de repérer la faute. Si vous comptez traduire la transcription, corrigez d'abord le texte arabe, sinon les erreurs de départ passeront dans la traduction.