Ce qu’il faut retenir
Décidez du niveau de détail avant de transcrire quoi que ce soit. Si votre analyse porte sur ce que les gens ont dit, une transcription propre et lisible suffit. Si elle porte sur la manière dont ils l’ont dit, il faut conserver les pauses, les chevauchements de parole et les hésitations — et c’est précisément ce que la transcription automatique fait disparaître. Vérifiez ce que votre formulaire de consentement et votre autorisation éthique autorisent en matière de destination des enregistrements avant de mettre quoi que ce soit en ligne. Anonymisez dans la transcription plutôt que dans l’enregistrement, conservez toute table de correspondance séparément, et utilisez des horodatages pour que les citations restent traçables.
Personne ne vous donne la norme à suivre, parce qu’il n’y en a pas une seule. Il en existe plusieurs, et celle qui s’applique à vous dépend de ce que vous comptez faire des transcriptions une fois qu’elles seront prêtes. C’est une décision méthodologique, et elle doit précéder le choix de l’outil, pas le suivre.
Se tromper dans l’ordre coûte cher. Vous transcrivez six entretiens proprement, vous vous lancez dans l’analyse, et vous découvrez qu’il vous faut savoir où le participant a hésité — et voilà que vous repassez sur six enregistrements avec une oreille différente. Autant passer une heure sur la question avant de commencer.
Décidez à quoi servira la transcription avant d’en écrire le premier mot
Le niveau de détail dont a besoin une transcription est une décision méthodologique, pas une question de soin ou de minutie. Il découle de votre approche analytique.
Si votre analyse s’intéresse à ce qui a été dit, une transcription propre convient parfaitement. Vous voulez les mots, fidèlement retranscrits, attribués au bon interlocuteur. Les mots de remplissage, les faux départs et les courtes pauses peuvent être nettoyés sans rien abîmer, car aucun d’eux n’apparaîtra jamais dans votre codage. La plupart des travaux thématiques ou centrés sur le contenu se situent ici, et une transcription propre est plus rapide à produire, plus rapide à lire et plus rapide à coder.
Si votre analyse s’intéresse à la manière dont quelque chose a été dit, la situation s’inverse. Les pauses, les chevauchements, les hésitations, le moment où deux personnes parlent en même temps, les trois secondes avant qu’une réponse n’arrive, la reprise en milieu de phrase : tout cela constitue vos données. Une transcription qui les supprime a supprimé l’objet même de votre étude. Cela vaut particulièrement pour la transcription automatique, car lisser exactement ces éléments-là est ce qu’elle fait le mieux. Elle produit une prose fluide et lisible, et une prose fluide et lisible est un rendu appauvri d’une conversation hésitante et entrecoupée.
La tentation existe de se couvrir en transcrivant tout au niveau de détail le plus fin, en se disant qu’on pourra toujours ignorer ce dont on n’a pas besoin. C’est généralement une mauvaise idée. Une transcription détaillée est lente, et un travail lent sur vingt entretiens engloutit des mois que vous n’avez pas. Cela rend aussi les transcriptions plus difficiles à lire, ce qui ralentit le codage. Si vous ne savez vraiment pas encore si l’interaction compte pour votre analyse, c’est une question à poser à votre directeur ou directrice de recherche dès maintenant, pas un problème à résoudre à la force du poignet. Quoi que vous décidiez, les enregistrements restent : c’est l’enregistrement qui constitue la vraie donnée. La transcription n’en est qu’une représentation.
Fixez votre convention avant le deuxième entretien
Une fois le niveau de détail décidé, arrêtez vos conventions et notez-les dans un court document que vous gardez sous la main pendant votre travail. Les modifier plus tard signifie reprendre chaque enregistrement déjà traité — le genre de tâche qui vous mange une quinzaine sans prévenir.
Les points à régler à l’avance :
- Si les mots de remplissage et les faux départs sont conservés, nettoyés, ou conservés seulement quand ils semblent significatifs — l’option la plus susceptible de produire des incohérences entre les entretiens.
- Comment les pauses sont notées, et si les pauses courtes et longues sont distinguées entre elles.
- Comment la parole qui se chevauche est indiquée, et ce qui se passe quand on ne peut pas déterminer qui a parlé en premier.
- Comment sont marqués les passages inintelligibles, et si vous en notez la raison.
- Comment les interlocuteurs sont désignés, et comment cette désignation s’articule avec votre schéma d’anonymisation.
- Où placer les horodatages : à intervalle régulier, à chaque changement de locuteur, ou seulement sur les passages que vous pensez citer.
Les horodatages méritent qu’on s’y arrête. Ils permettent de retracer une citation de votre mémoire jusqu’à sa position dans l’enregistrement, ce qui rend l’affirmation vérifiable par quiconque a accès à vos données, y compris un membre du jury. Les ajouter au fil de la transcription ne coûte presque rien. Les ajouter après coup, sur une transcription terminée, oblige à réécouter tout l’enregistrement chronomètre en main. Quel que soit l’outil utilisé, intégrez-les dès le premier passage.
Le consentement et l’autorisation éthique décident où l’audio peut aller
Votre formulaire de consentement n’est pas une formalité administrative réglée avant le début de la recherche. C’est un ensemble de conditions sur ce que vous pouvez faire, maintenant, des enregistrements, et il porte généralement sur trois points : comment l’enregistrement est stocké, qui est autorisé à l’écouter, et quand il sera détruit.
Envoyer un fichier audio à un service de transcription tiers constitue une divulgation. Une personne ou un système extérieur à votre projet dispose désormais d’une copie de la voix d’un participant. Cela doit être compatible avec ce que le participant a accepté. Parfois, ça l’est manifestement, parce que le formulaire l’anticipait. Parfois, ça ne l’est manifestement pas, parce qu’on avait dit au participant que seule l’équipe de recherche entendrait l’enregistrement. Souvent, le formulaire est ambigu, et cette ambiguïté vaut mieux être levée avec votre directeur de recherche ou votre comité d’éthique avant de mettre le fichier en ligne, pas après.
L’autorisation éthique va souvent plus loin et précise où les enregistrements peuvent être stockés, sur quel type d’appareil ou de système institutionnel, et pendant combien de temps. La transcription hérite de ces conditions. Tout ce qui en découle aussi : vos fichiers codés, vos extraits de citations, le document de travail où vous collez des passages en rédigeant. Tout cela compte comme des données, et tout cela doit rester dans le dispositif de stockage pour lequel vous avez été autorisé. Il est facile de perdre le fil une fois plongé dans l’analyse, quand les copies commencent à se multiplier entre un ordinateur, un espace de stockage en ligne et un courriel envoyé à soi-même.
En pratique, cela restreint le choix des outils avant même d’avoir comparé leur qualité ou leur prix. Un service qui traite les fichiers directement sur votre appareil n’est pas la même proposition qu’un service qui les met en ligne, et si vous hésitez, mieux vaut lire comment un outil donné gère vos fichiers et vos données plutôt que de le supposer. Si la réponse n’est pas clairement indiquée, considérez cela comme une réponse en soi.
L’anonymisation se fait dans la transcription
L’enregistrement reste tel qu’il est. On ne peut pas anonymiser une voix en modifiant du texte, et vous ne devriez de toute façon pas chercher à modifier votre donnée première. L’anonymisation, c’est quelque chose qu’on fait à la transcription.
Cela signifie remplacer les noms, les noms de lieux, les noms d’employeurs, les intitulés de poste qui identifient une personne en particulier, et les petits détails circonstanciels qui rendent quelqu’un reconnaissable pour toute personne connaissant le contexte. Faites-le de façon cohérente. Si une collègue devient [Collègue A] dans un entretien, elle doit rester [Collègue A] partout où elle apparaît, et la même convention doit s’appliquer à l’ensemble de votre corpus. Une pseudonymisation incohérente est pire que pas d’anonymisation du tout, car elle a l’apparence de l’anonymat tout en restant traçable par quiconque lit attentivement.
Si vous conservez une table de correspondance entre les identités réelles et leurs remplacements, gardez-la séparément des transcriptions, dans les conditions de stockage fixées par votre autorisation, et soyez clair avec vous-même sur la raison de sa conservation et sur le moment où elle sera détruite. Dans certains projets, il y a une bonne raison de la garder : vous aurez peut-être besoin de recontacter des participants, ou de relier des entretiens entre plusieurs vagues. Dans d’autres, il n’y en a pas, et la table de correspondance la plus sûre est celle qui n’existe pas. L’important est de trancher délibérément.
Une mise en garde sur le fait de faire cela trop vite. Le rechercher-remplacer attrape les noms évidents et laisse passer le reste : le surnom utilisé deux fois, la faute d’orthographe, la description d’un bâtiment qu’un seul endroit dans la ville peut évoquer. La passe d’anonymisation demande un œil humain sur l’ensemble du document.
Là où la transcription automatique aide vraiment
La transcription automatique produit un premier jet. C’est un gain de temps réel, et la refuser par principe revient surtout à retaper à la main plusieurs heures de parole, sans aucun bénéfice méthodologique. Ce qu’elle ne produit pas, c’est une transcription achevée.
Pour des données d’entretien, la relecture-correction face à l’audio fait partie de la méthode, ce n’est pas une simple mise au propre facultative en fin de parcours. Vous réécoutez avec le brouillon sous les yeux, vous corrigez ce qui ne va pas, vous rétablissez tout ce que votre convention exige et que la machine a laissé tomber, vous insérez ou vérifiez les horodatages, et vous appliquez votre anonymisation. C’est plus lent que de lire et plus rapide que de taper. C’est aussi le moment où vous vous familiarisez avec le matériau, ce qui n’est pas un bénéfice secondaire. Les chercheurs qui transcrivent eux-mêmes leurs entretiens arrivent à l’analyse en connaissant déjà leur contenu, et la passe de correction permet de récupérer une bonne part de cette familiarité.
Si vous voulez un brouillon sans envoyer vos fichiers sur un serveur, l’application SozAI pour iOS, Android et macOS transcrit enregistrements et fichiers avec identification des locuteurs, ce qui prend en charge la partie mécanique d’une transcription d’entretien et vous laisse la passe qui compte vraiment ; pour en savoir plus sur son application aux entretiens en particulier, voir la transcription d’entretiens. C’est une option parmi d’autres, et la question du stockage évoquée plus haut devrait filtrer votre présélection avant même la qualité.
Ce que le premier jet ne fera pas pour vous
Attendez-vous à ce que le brouillon soit le plus faible précisément là où les entretiens sont les plus difficiles. Les prises de parole simultanées perturbent la séparation des locuteurs, et deux personnes qui parlent en même temps se retrouvent souvent transcrites comme une seule personne disant quelque chose de légèrement incohérent. Les accents marqués, les participants qui parlent bas, le bruit de fond d’un café ou d’un couloir, et le vocabulaire spécifique à un domaine réduisent tous la précision. L’identification des locuteurs est généralement proche de la réalité mais pas fiable aux frontières, en particulier autour des courtes interjections.
Et elle ne vous donnera pas la prosodie. Aucune transcription automatique ne conserve la durée d’une pause ni ne signale le moment où la voix du participant a changé. Si votre analyse en a besoin, le brouillon automatique n’est qu’une ossature pour les mots, rien de plus, et vous devriez budgétiser votre temps en conséquence. Un collègue travaillant sur le même corpus avec une question centrée sur le contenu terminera en une fraction du temps, et ce n’est pas parce qu’il travaille moins soigneusement. Sa transcription répond simplement à une autre question.
Prévoyez aussi plus de temps que le calcul ne le suggère. La passe de correction n’est pas un passage unique de l’audio à vitesse normale ; c’est s’arrêter, revenir en arrière, réécouter les six secondes qu’on ne comprend pas tout à fait. Faire cela sur un corpus complet d’entretiens représente un travail conséquent, et il est normal que ce soit le cas. Pour voir comment tous ces éléments s’articulent à l’échelle d’un projet entier, il existe un exemple concret du travail d’un chercheur en thèse qui suit un ensemble d’enregistrements du fichier brut jusqu’à la transcription citable.
La dernière chose à garder à l’esprit, c’est que la transcription est une représentation, et que chaque convention choisie est une décision sur ce qu’on garde et ce qu’on perd. Notez ces décisions dans votre chapitre de méthodologie. Un membre du jury qui comprend pourquoi vos transcriptions se présentent ainsi les lira comme réfléchies. Celui qui ne le comprend pas se posera des questions.
