En bref
- Reconnaître les mots et identifier la personne qui parle sont deux opérations distinctes. La seconde détermine qui intervient à quel moment, et elle peut se tromper même si le texte transcrit est parfaitement exact.
- Le logiciel regroupe les prises de parole par voix, puis vous donnez un nom à chaque groupe. Tant que vous ne l'avez pas fait, il ne peut pas deviner de qui il s'agit.
- Les erreurs d'attribution viennent le plus souvent de paroles qui se chevauchent, de voix proches, de réponses très courtes ou d'un micro unique posé au milieu de la pièce.
- Une bonne prise de son fait plus de différence que n'importe quel réglage : prévoyez un micro par personne, évitez de parler en même temps et commencez par un rapide tour de table.
- Vérifiez les noms aux changements d'intervenant, et réécoutez toujours l'enregistrement avant de citer quelqu'un ou de lui attribuer une tâche.
À quoi sert exactement l'identification des locuteurs ?
La reconnaissance vocale sert à transformer les sons en mots. L'identification des locuteurs, qu'on appelle souvent diarisation, répond à une tout autre question : qui a parlé, et à quel moment. Le logiciel découpe l'enregistrement en segments, analyse les particularités de chaque voix et rassemble les passages qui semblent venir de la même personne. À la sortie, on obtient des groupes anonymes, généralement appelés Locuteur 1, Locuteur 2, et ainsi de suite.
Ces groupes restent anonymes par défaut. Le programme repère bien que deux passages ont la même voix, mais il ne peut pas deviner que c'est celle de Noa, du service financier. Il vous suffit de nommer chaque groupe une fois par personne pour que toutes ses interventions prennent automatiquement le bon nom dans le reste du document.
La reconnaissance des mots et l'identification des voix se font en deux étapes séparées, donc leurs erreurs n'ont pas de lien entre elles. Une transcription peut capter chaque mot sans faute tout en attribuant une phrase à la mauvaise personne. Au moment de relire, vérifiez le texte et le nom des intervenants comme deux éléments bien distincts.
Pourquoi le système se trompe-t-il parfois d'intervenant ?
Le problème vient le plus souvent de deux personnes qui parlent en même temps. L'extrait audio contient alors deux voix superposées, mais comme le système ne peut attribuer chaque instant qu'à un seul locuteur, il doit en choisir un. Autre difficulté fréquente : les petites réponses très courtes comme « oui », « c'est vrai » ou « d'accord ». Une demi-seconde de son ne donne pas assez d'indices sur la voix, si bien que ces mots sont souvent rattachés à la personne qui parlait juste avant.
Des voix qui se ressemblent compliquent aussi le tri. Si deux collègues du même âge et avec le même accent parlent dans le micro d'un seul ordinateur portable, même une oreille humaine attentive aura parfois du mal à les différencier. C'est encore plus vrai pour un appel téléphonique enregistré en mono, où les deux voix passent par un seul canal et sont compressées par la ligne.
La pièce elle-même a un impact. L'écho finit par brouiller les repères vocaux, et quelqu'un qui recule de son micro peut donner l'impression d'être un nouvel intervenant. Sur un enregistrement long, la voix d'une personne change aussi avec la fatigue, l'enthousiasme ou un simple raclement de gorge. Le logiciel risque alors de créer deux groupes pour la même personne, ou au contraire d'en regrouper deux sous une seule étiquette.
Comment enregistrer pour bien séparer les intervenants ?
Faites en sorte que chacun ait un accès direct à un micro. Poser un seul appareil au milieu d'une table est certes pratique, mais c'est ce qui sépare le moins bien les voix. On distingue beaucoup plus facilement les groupes vocaux en plaçant un micro ou un téléphone près de chaque intervenant, ou en équipant d'un casque avec micro ceux qui participent à distance. Lors d'un entretien à deux, posez l'enregistreur entre les deux personnes, un peu plus près de celle qui parle le moins fort.
Demandez à chacun de parler à tour de rôle. Se mettre d'accord dès le début de la réunion pour laisser l'autre finir sa phrase avant d'intervenir reste le moyen le plus simple de gagner en précision. Dans une discussion animée, on se coupe forcément un peu la parole. Même s'il est impossible de l'éviter tout à fait, réduire légèrement ces chevauchements vous fera gagner du temps à la relecture.
Commencez par un tour de table où chacun donne son nom et prononce une phrase complète. Cela permet d'obtenir un échantillon clair de chaque voix et un repère fiable pour nommer les groupes plus tard. Il vous suffira d'écouter la première minute pour savoir qui est qui.
Comment nommer les locuteurs et conserver ces noms ?
Ouvrez la transcription, écoutez la première phrase de chaque groupe et tapez le vrai nom de la personne. Dans KolWrite, vous pouvez renommer un intervenant en cours de lecture : le changement s'applique à toutes les exportations, de sorte que votre document Word et votre fichier de sous-titres affichent exactement la même chose qu'à l'écran. Si la séparation initiale des voix se fait dans le cloud, un répertoire vocal local peut quant à lui retenir le nom des personnes et reconnaître leur voix directement sur votre appareil. Vous n'avez donc pas besoin de renvoyer un fichier audio en ligne pour identifier quelqu'un que vous avez déjà enregistré.
Choisissez la présentation qui convient à vos lecteurs, par exemple le nom complet avec la fonction pour un compte rendu officiel, ou juste le prénom pour des notes d'équipe. Gardez ensuite la même habitude d'une réunion à l'autre : ce sera beaucoup plus simple pour retrouver toutes les interventions d'une personne via une recherche.
S'il vous est impossible d'identifier l'un des participants sur l'enregistrement, contentez-vous d'un intitulé descriptif comme Invité ou Appelant. Mieux vaut une étiquette générique qu'un mauvais nom.
Comment vérifier rapidement les attributions ?
Pas besoin de tout relire pour contrôler le nom des intervenants. Dans les passages qui comptent, repérez les changements de prise de parole et réécoutez juste la première seconde qui suit. Les erreurs se concentrent généralement là où les voix se chevauchent, sur les réponses très courtes et juste après un silence.
Vérifiez chaque citation directe et chaque prise d'engagement. Si le résumé indique qu'Omar a promis d'envoyer un fichier, réécoutez ce passage précis. Une erreur de nom sur une remarque banale reste sans gravité. En revanche, attribuer une promesse, un chiffre ou une réclamation à la mauvaise personne fausse la trace écrite de ce qui s'est passé.
Lorsqu'une seule phrase est mal attribuée, corrigez-la directement sur la ligne concernée. En revanche, si le logiciel a créé deux groupes pour la même personne, réglez le problème au niveau du groupe : donnez-leur simplement le même nom pour les fusionner. Comme toute transcription automatique comporte des erreurs et demande une relecture, pensez à inclure le nom des locuteurs dans vos vérifications.
Dans quels cas l'identification des locuteurs est-elle essentielle ?
Identifier les voix est indispensable dès qu'il faut savoir précisément qui a dit quoi : comptes rendus de réunion, entretiens, appels clients, auditions ou séances de recherche. En revanche, cela a beaucoup moins d'intérêt quand une seule personne parle, comme pour un cours ou un mémo vocal, où un texte en continu suffit largement.
C'est aussi très utile si vous comptez traduire l'enregistrement ou en faire des sous-titres. Afficher le nom des intervenants dans les sous-titres permet au spectateur de savoir qui parle lorsque la personne n'apparaît pas à l'image. Pensez simplement à bien valider tous les noms avant de lancer l'exportation.
Questions fréquentes
Qu'est-ce que la diarisation des locuteurs ?
C'est l'opération qui consiste à découper un enregistrement audio par voix pour savoir qui parle et à quel moment. Le logiciel crée d'abord des étiquettes anonymes, qu'il ne vous reste plus qu'à remplacer par le vrai nom des participants.
Une transcription peut-elle séparer deux personnes qui parlent en même temps ?
Pas de façon fiable. Quand deux personnes parlent en même temps, leurs voix se mélangent sur le même passage audio et le logiciel n'attribue généralement la réplique qu'à l'une des deux. Mieux vaut toujours réécouter ces passages pour vérifier.
Combien d'intervenants peut-on identifier dans un même enregistrement ?
Il n'y a pas de plafond fixe. En pratique, la séparation devient plus difficile quand le groupe s'agrandit, que des voix se ressemblent ou qu'il y a du bruit de fond. On obtient les meilleurs résultats avec un petit groupe où chacun parle dans son propre micro.
Tous les modèles de KolWrite séparent-ils les intervenants ?
Non, certains modèles plus rapides font l'impasse sur cette étape. Si vous avez besoin de distinguer les participants, vérifiez la description du modèle dans l'application et choisissez-en un qui gère la séparation des voix.
Dois-je renommer les intervenants à chaque enregistrement ?
Oui, s'il s'agit d'un enregistrement ponctuel. Mais si vous enregistrez souvent les mêmes personnes, le répertoire vocal peut retenir leur nom et reconnaître leur voix directement sur votre appareil. Il reste toutefois conseillé de vérifier rapidement que l'attribution est bonne.
