Des centaines de messages vocaux jamais écoutés : que faire ?

L’essentiel

Ce retard s’explique simplement : l’audio ne se parcourt pas en diagonale. Cent messages de deux minutes représentent plus de trois heures d’écoute, soit environ trente mille mots à l’écrit. Triez par expéditeur et par date pour former trois groupes : les personnes qui comptent, les messages liés à un événement précis, et tout le reste. Supprimez le troisième groupe sans l’écouter. Transcrivez les deux premiers, car un texte se lit à environ 250 mots par minute contre 150 à l’oral, et parce qu’un texte, contrairement à l’audio, peut être recherché.

Vous avez une conversation qui remonte à plusieurs années. Quelque part dedans se cachent quelques centaines de messages vocaux, et vous en avez écouté peut-être un cinquième. Chaque fois que vous faites défiler une série de bulles grises avec leur petit point « non lu », vous ressentez une pointe de culpabilité et vous continuez à faire défiler.

Cette culpabilité n’a pas lieu d’être, mais l’instinct qui la déclenche, lui, est juste. Certains de ces messages comptent vraiment. Le problème, c’est que vous n’avez aucun moyen de savoir lesquels sans les écouter tous, dans l’ordre — exactement ce que vous évitez depuis trois ans.

Faites le calcul, la culpabilité disparaît

L’audio est le seul format courant qu’on ne peut pas survoler. Une page de texte se parcourt en quelques secondes pour repérer la seule ligne utile. Un enregistrement de quatre minutes prend quatre minutes pour vous apprendre qu’il ne contenait rien d’important. Il n’existe pas d’équivalent au coup d’œil qu’on jette sur une page : soit on écoute jusqu’au bout, soit on ignore ce qu’il y a dedans.

Comptez donc ce que vous avez réellement devant vous. Cent messages vocaux de deux minutes chacun, c’est plus de trois heures d’écoute. Pas trois heures d’information utile : trois heures de lecture audio, avec les silences, les raclements de gorge, le moment où quelqu’un change d’avis en plein milieu d’une phrase. Si votre conversation compte plusieurs centaines de messages, vous avez devant vous l’équivalent d’une journée de travail entière en audio, sans aucun moyen d’avancer directement aux passages intéressants — puisque vous ne savez pas où ils se trouvent.

Une fois transcrits, ces mêmes cent messages représentent environ trente mille mots. On parle à peu près 150 mots par minute ; on lit, en moyenne, environ 250. Lire l’ensemble du début à la fin prend donc déjà presque deux fois moins de temps, et ça, c’est avant même de sauter une seule ligne. Une fois que c’est du texte, on ne le lit plus du début à la fin : on parcourt, on cherche, on saute des passages. Les trois heures se réduisent à quelque chose qu’on peut régler en buvant un café.

Vous n’avez pas fait preuve de paresse. Vous avez simplement refusé de consacrer trois heures à une tâche dont le bénéfice était inconnu — un refus tout à fait raisonnable.

Triez avant d’écouter quoi que ce soit

Trier par expéditeur et par date suffit généralement à répartir un arriéré de messages en trois lots, et deux d’entre eux se distinguent sans qu’il soit nécessaire d’écouter la moindre seconde.

• Les messages des personnes qui comptent. Un parent, un conjoint, un ami proche, quelqu’un qui est décédé depuis ou qui s’est éloigné. Ce qui a de la valeur ici, c’est souvent la voix elle-même plus que le contenu.
• Les messages liés à un événement précis. La semaine du déménagement, le voyage, le nouvel emploi, la dispute, la naissance. Les dates font le travail à votre place : vous savez à peu près quand la chose s’est produite, donc vous savez quelle portion de la conversation regarder.
• Tout le reste. La logistique. « Je suis en retard. » « Qu’est-ce que tu veux manger ce soir ? » Des confirmations de projets qui ont eu lieu ou pas, il y a des années.

Le troisième lot est presque toujours le plus volumineux, et c’est lui qui provoque la culpabilité. Il ne devrait pas. Le tri prend quelques minutes, pas des heures, et c’est la seule étape qui doit obligatoirement venir en premier.

Supprimez l’essentiel, délibérément

Supprimer la majeure partie d’un arriéré de messages vocaux est un résultat parfaitement légitime, pas un renoncement à s’en occuper. Les messages qui valent la peine d’être conservés forment généralement une minorité restreinte et évidente — et « évidente » est le mot important. En général, vous savez lesquels ce sont sans les écouter, simplement parce que vous savez qui les a envoyés et quand.

La réticence à supprimer ne porte presque jamais sur le contenu lui-même. C’est la crainte qu’un des messages non écoutés contenait quelque chose d’important. Deux remarques à ce sujet. D’abord, si c’était urgent, la personne serait revenue vers vous — on relance quand quelque chose compte vraiment. Ensuite, tout ce qui, il y a quatre ans, était réellement déterminant a déjà produit ses conséquences, que vous l’ayez écouté ou non.

Si supprimer d’emblée vous semble trop radical, transcrivez d’abord l’ensemble du lot, puis supprimez l’audio. Vous gardez les mots, ce pour quoi vous seriez revenu de toute façon, et vous perdez la voix, la partie que vous n’alliez jamais réécouter pour un message au sujet d’une place de parking.

Transcrivez ceux que vous gardez, pour pouvoir les retrouver

Le véritable argument en faveur de la transcription n’est pas la rapidité. C’est qu’un texte peut être recherché, alors qu’un tas d’audio ne le peut pas. Tapez un nom, une rue, un restaurant dans une barre de recherche, et vous tombez directement sur le message concerné. Aucune quantité d’écoute ne permet d’obtenir ce résultat, parce que pour retrouver quelque chose à l’oreille, il faut déjà savoir à peu près où le chercher.

C’est ce qui transforme un arriéré en archive. Une fois que les messages des personnes qui comptent et ceux liés à des événements précis sont passés à l’écrit, vous ne gérez plus une file d’attente, vous conservez un dossier. Vous n’avez plus rien « en retard ».

Si la conversation est un groupe, exigez que les intervenants soient distingués les uns des autres. Une transcription fusionnée de quatre personnes qui s’échangent des messages se lit comme un long monologue, et un monologue ne sert quasiment à rien pour savoir qui avait promis de s’occuper de la caution. C’est l’une des choses qu’un outil dédié fait bien, contrairement à un sous-titrage automatique approximatif. SozAI en est un exemple : c’est un outil qui convertit l’audio et la vidéo en texte, avec identification des intervenants, résumés et traduction, et il fonctionne sur iOS, Android et macOS — vous pouvez le récupérer depuis la page de téléchargement de l’application. Quel que soit l’outil choisi, vérifiez qu’il distingue bien les différents intervenants avant de lui confier un lot volumineux.

Évaluer l’ampleur de la tâche avant de vous lancer

Si vous voulez savoir à quoi vous vous exposez, transcrivez une poignée de messages représentatifs et comptez le résultat. Collez le texte dans un compteur de mots en ligne et vous obtiendrez un chiffre que vous pourrez extrapoler. À environ 150 mots à l’oral par minute, ce nombre de mots vous indique aussi combien de temps d’écoute vous venez de vous épargner.

N’écoutez qu’une courte liste, et rien de plus

Certains messages méritent réellement d’être écoutés. La voix de quelqu’un que vous avez perdu. Celui que votre enfant a enregistré à quatre ans. Le message dont le ton porte quelque chose que les mots seuls ne disent pas. Ce ne sont pas des informations, ce sont des enregistrements, et les transcrire manquerait complètement l’essentiel.

Cette liste est généralement courte — une douzaine, pas une centaine. Écoutez-les correctement, une fois, en y accordant toute votre attention. Puis déplacez-les hors de la conversation, car une conversation fonctionne comme une file d’attente, et une file d’attente transforme tout ce qu’elle contient en tâche à accomplir.

Ce que cela ne résout pas

La transcription ne rend pas un mauvais enregistrement bon. Un message enregistré dans un bar, avec du vent sur le micro, ou par quelqu’un qui parle dans le fond de sa poche, produira un texte truffé de trous et d’approximations. Le contexte vous permettra souvent de deviner que quelque chose ne colle pas, mais vous ne pourrez pas toujours reconstituer ce qui a été dit sans écouter l’audio malgré tout.

La transcription aplatit aussi le ton. L’ironie, l’hésitation, le silence avant une phrase difficile — rien de tout cela ne survit au passage à l’écrit. Pour la logistique, ce n’est pas une perte. Pour les messages que vous avez gardés justement pour la façon dont quelqu’un les a dits, c’est toute la perte — c’est pourquoi ceux-là appartiennent au tas « à écouter », pas au tas « à transcrire ».

Et le stockage n’a jamais été le vrai problème. Les messages vocaux sont de petits fichiers ; quelques centaines d’entre eux ont peu de chances d’être ce qui sature votre téléphone. Vider l’arriéré vous offre un dossier consultable et met fin à cette petite sensation d’obligation qui traîne en arrière-plan. Cela ne vous libère pas d’espace disque, et si c’est ce que vous cherchiez, vous iriez plus vite en supprimant deux ou trois vidéos.

Fixez-vous une limite avant de commencer. Une heure de tri suivie d’une transcription en lot permet à la plupart des gens de venir à bout d’années d’arriéré. Si vous vous retrouvez trois heures plus tard, toujours en train d’écouter les messages dans l’ordre depuis le début, vous avez recréé exactement le problème que vous vouliez résoudre.