L’essentiel
Avant de chercher un casque, cherchez une transcription. WhatsApp peut transcrire les messages vocaux directement sur le téléphone, une fois la fonction activée dans les paramètres de discussion et le pack de langue téléchargé, mais son existence dépend du téléphone, de la version du système et de la langue. Sur Telegram, cette fonction est réservée à l’abonnement payant et sa qualité varie énormément d’une langue à l’autre. Dans les deux cas, il s’agit d’une aide à la lecture. S’il faut garder, exploiter ou transférer le message, mieux vaut exporter l’audio et le faire transcrire correctement.
Le message vocal arrive toujours au mauvais moment. On est en pleine réunion depuis quatre minutes, ou dans un wagon silencieux, ou le bébé vient enfin de s’endormir dans la pièce à côté et le téléphone est en mode silencieux pour une bonne raison. Quelqu’un vient d’envoyer cinquante-huit secondes de parole, sans aucune idée de ce qu’elles contiennent.
Il existe deux réponses, et il vaut mieux savoir laquelle correspond à votre situation avant de vous mettre à pianoter. La plupart du temps, on veut juste saisir l’essentiel tout de suite, et le téléphone peut souvent le faire tout seul. Parfois, le message contient une information dont on aura besoin plus tard, et c’est un travail différent, qui demande un autre outil.
D’abord, vérifiez si la transcription existe déjà
Avant de chercher ailleurs, regardez si l’application affiche déjà du texte. WhatsApp comme Telegram savent le faire, sous certaines conditions, et si vous remplissez ces conditions, le problème se règle en cinq secondes.
Si rien ne s’affiche, ne passez pas la réunion à fouiller dans les menus. Soit la fonction n’est pas disponible chez vous, soit elle demande une configuration, et aucun des deux cas ne se règle discrètement, un pouce sous la table. Passez à autre chose : mettez la notification en silence, et occupez-vous-en plus tard.
La transcription de WhatsApp, et pourquoi vous ne l’avez peut-être pas
WhatsApp a ajouté sa propre transcription des messages vocaux, qui s’exécute sur le téléphone lui-même plutôt que sur un serveur distant. On l’active dans les paramètres de discussion de WhatsApp, et la première utilisation nécessite le téléchargement du pack de langue avant que quoi que ce soit ne se passe : la toute première transcription est donc plus lente que les suivantes.
Le problème, c’est la disponibilité. Le fait d’avoir accès à cette fonction dépend du téléphone, de la version du système qu’il fait tourner, et de la langue qu’on veut transcrire. Ces trois facteurs se combinent de façon que l’application n’explique jamais. Un collègue peut vous montrer l’option sur son écran alors que la vôtre n’existe tout simplement pas, sans aucun message dans l’application pour en donner la raison. Si vous avez regardé dans les paramètres de discussion et que l’option n’y est pas, c’est votre réponse pour l’instant. Ce n’est pas une erreur de votre part.
Comme le traitement se fait sur l’appareil, la transcription reste sur l’appareil. C’est une bonne nouvelle pour la confidentialité, et une moins bonne pour tout ce qu’on voudrait faire d’autre avec ce texte.
Telegram, et le problème des langues
Telegram transcrit aussi les messages vocaux, mais c’est réservé à l’abonnement payant. Sans abonnement, pas de transcription.
Avec l’abonnement, la qualité dépend fortement de la langue du message. Certaines langues donnent un résultat assez propre pour être lu rapidement. D’autres reviennent sous une forme qu’il faut reconstituer à partir du contexte, ce qui prend plus de temps que d’écouter directement. Il n’y a aucun moyen de savoir à l’avance dans quel cas on se trouve, sinon en testant une fois sur un message qu’on peut aussi vérifier à l’oreille, pour voir si le résultat tient la route.
Lire fait moins de bruit qu’écouter
Mettons la précision de côté un instant. Il y a une raison purement sociale de préférer le texte, qui n’a rien à voir avec la qualité de la transcription.
Porter le téléphone à son oreille en réunion se voit. Un haut-parleur discrètement orienté aussi. Sortir une oreillette d’une poche aussi. Regarder du texte sur un écran, en revanche, ne se remarque pas. Tout le monde dans la salle part déjà du principe qu’on jette parfois un œil à son téléphone. Lire trois lignes de transcription rentre dans ce cadre ; faire jouer un audio, non.
C’est vrai aussi dans l’autre sens, dans un appartement où un enfant dort ou un bureau partagé où le son porte loin. Une transcription ne demande ni casque, ni volume, ni de quitter la pièce. Même imparfaite, elle indique généralement si le message peut attendre une heure.
Quand il faut plus qu’une simple aide à la lecture
Une transcription intégrée reste exactement cela : une aide à la lecture. On peut la consulter. On ne peut généralement pas l’exporter proprement, on ne peut pas chercher dans l’ensemble de ses discussions une phrase prononcée dans un message vocal de mars dernier, et on ne peut pas corriger un mot mal transcrit de façon durable. C’est du texte affiché à l’écran, pas un document qu’on possède.
Pour la plupart des messages, cela suffit largement. Quelqu’un vous dit qu’il sera en retard. Vous lisez, vous savez, vous passez à autre chose. Mais certains messages vocaux contiennent des informations dont on aura besoin plus tard : une adresse, une décision, une série d’instructions, un prix accepté à voix haute. Dans ce cas, la bonne méthode consiste à enregistrer l’audio depuis la discussion et à le faire transcrire correctement, ce qui donne un fichier texte réalisé à partir de l’audio que l’on peut modifier, chercher, copier dans un e-mail et transmettre à quelqu’un qui n’était pas dans la conversation.
C’est exactement ce que fait l’application de transcription SozAI : elle transforme des fichiers audio et vidéo en texte, avec identification des intervenants, résumés et traduction dans plus de 99 langues, ce qui compte quand le message vocal n’est pas dans la langue configurée sur le téléphone. Elle fonctionne sur iOS, Android et macOS, donc on peut s’en servir depuis le téléphone même qui a reçu le message. Cela demande plus d’étapes que d’ouvrir une transcription directement dans la discussion, et pour un message qui dit simplement « j’arrive », ce serait une perte de temps.
Les limites de ces transcriptions
La transcription intégrée est la plus faible précisément sur les éléments qui rendaient le message important à lire. Les noms propres ressortent déformés, surtout ceux que le téléphone n’a jamais rencontrés. Les noms de lieux se retrouvent remplacés par des mots ordinaires qui sonnent de façon similaire. Les chiffres posent un problème réellement dangereux, parce qu’un chiffre erroné donne quand même une phrase plausible, sans aucun signal indiquant l’erreur. Si le message contient un numéro de téléphone, un code de porte, une heure de vol ou un montant d’argent, traitez la transcription comme une simple indication et écoutez ce passage vous-même dès que possible.
L’autre faiblesse constante, c’est la langue. Tout ce qui n’est pas la langue configurée sur le téléphone revient moins bien, et un message qui passe d’une langue à une autre en cours de phrase, ce qui correspond à la façon de parler de beaucoup de gens, donne souvent le pire résultat.
Ces transcriptions sont utiles pour trier. Est-ce urgent. Est-ce que ça concerne ce que je pense. Est-ce que ça peut attendre que je sorte d’ici. Elles répondent bien à ces questions, et elles y répondent en silence, ce qui est tout l’intérêt quand on ne peut pas écouter l’audio. Simplement, n’agissez pas sur un détail précis que vous avez seulement lu, sans l’avoir entendu, quand une erreur sur ce détail pourrait coûter cher.
