Ce qu’il faut retenir
Avant de transcrire un appel enregistré, assurez-vous que l’enregistrement était légal là où se trouvaient les parties. Les législations diffèrent : certaines exigent le consentement de tous les participants, d’autres celui d’un seul — cette question s’est réglée avant même que vous n’appuyiez sur le bouton d’enregistrement, pas après. Ensuite, c’est un problème technique. Le son d’un appel téléphonique est à bande étroite : le codec supprime des détails dont la transcription a besoin, et de nombreux enregistrements mélangent les deux voix sur un seul canal, ce qui rend l’attribution des locuteurs incertaine. Les chiffres, les noms propres et les adresses sont ce qui souffre le plus. Vérifiez-les à l’oreille plutôt que de faire confiance au texte.
Vous avez un fichier. Quelqu’un y a dit quelque chose d’important — un chiffre, une date, un nom, un engagement — et vous voulez le transcrire pour pouvoir vous y référer plus tard. Transformer le fichier en texte, c’est la partie facile. Les deux éléments qui déterminent si le résultat sera fiable se sont joués avant même que vous n’ouvriez le fichier : l’enregistrement était-il autorisé, et comment le son a-t-il été capté ?
Commençons par la question juridique. Elle ne dépend d’aucun aspect technique, et aucune transcription, même la plus soignée, ne rattrape un enregistrement que vous n’aviez pas le droit de faire.
La légalité de l’enregistrement se règle d’abord
Le droit d’enregistrer un appel téléphonique dépend de l’endroit où se trouvaient les parties. Les règles varient selon les pays. Certains exigent le consentement de toutes les personnes sur l’appel. D’autres n’exigent que celui d’un seul participant, ce qui peut être la personne qui enregistre. Ce sont des règles réellement différentes, et savoir laquelle s’applique à votre cas n’est pas quelque chose que l’écoute de l’audio permet de déterminer.
C’est une question juridique, pas technique. Cela compte plus qu’il n’y paraît, car cela signifie que la réponse était fixée au moment même de l’enregistrement. Rien de ce que vous ferez ensuite ne la change. Transcrire le fichier ne la change pas. Supprimer une partie du fichier ne la change pas. Obtenir l’accord de l’autre personne plus tard ne rend pas rétroactivement légale une captation qui ne l’était pas.
Si vous n’étiez pas au même endroit, plusieurs législations peuvent s’appliquer en même temps, et c’est exactement le genre de situation où il vaut mieux demander à quelqu’un qui connaît réellement le droit applicable chez vous plutôt que de deviner à partir de ce que vous avez lu. C’est une conversation courte, et elle a lieu avant que vous ne construisiez quoi que ce soit sur cet enregistrement.
Rien de tout cela n’est une raison d’abandonner un fichier que vous avez déjà. La plupart des enregistrements d’appels sont faits au su de tous, ou dans des endroits où le consentement d’un seul participant suffit, ou par la personne qui était effectivement sur l’appel, pour son propre usage. Mais réglez la question avant de faire circuler la transcription, de la citer ou de la joindre à un document. Une transcription voyage beaucoup plus loin qu’un fichier audio, et beaucoup plus vite.
Pourquoi l’audio d’un appel est plus difficile qu’un enregistrement fait dans une pièce
Un appel téléphonique est à bande étroite. Le codec qui transporte l’appel élimine une grande partie du son avant même que quoi que ce soit ne soit écrit dans un fichier, car il lui suffit de conserver assez d’information pour qu’un humain puisse suivre une conversation en temps réel. Les humains sont très doués pour combler les manques à partir du contexte. La transcription automatique l’est beaucoup moins, et le détail qui permettrait de distinguer un son d’un autre très proche fait justement partie de ce qui a été supprimé.
C’est pourquoi le même locuteur, prononçant la même phrase, sera transcrit plus fidèlement à partir d’un enregistreur posé sur une table qu’à partir d’une ligne téléphonique. Ce n’est pas une question de logiciel plus ou moins performant. L’information n’est tout simplement plus dans le fichier de l’appel. Rien en aval ne la restitue — ni la réduction de bruit, ni la normalisation du volume, ni le passage du fichier dans un second outil. Vous travaillez avec ce qui a survécu au codec.
Ajoutez les conditions habituelles d’un appel réel et cela s’appauvrit encore. Une personne marche. Une autre a une mauvaise connexion et le son se coupe syllabe par syllabe. Quelqu’un parle en même temps que quelqu’un d’autre. Sur un enregistrement fait dans une pièce, la parole simultanée est déjà difficile à démêler ; sur un appel compressé, elle est souvent irrécupérable, et la transcription choisira silencieusement une voix et abandonnera l’autre plutôt que de signaler la difficulté.
Enregistrer un haut-parleur avec un second appareil
Mettre l’appel sur haut-parleur et l’enregistrer avec un autre téléphone ou un dictaphone semble être une solution de secours pratique. C’est en réalité pire que l’original. Le son de l’autre côté de la ligne a déjà été compressé en bande étroite, et vous captez maintenant cet audio déjà dégradé, restitué par un petit haut-parleur, avec l’écho des murs et tout ce qui se trouve dans la pièce en prime. Vous conservez toutes les pertes introduites par le codec et vous en ajoutez une nouvelle couche.
Si un appareil ou un service permet d’enregistrer l’appel directement, utilisez cette option. Le passage par le haut-parleur est un dernier recours, et il est bon de garder à l’esprit qu’il s’agit d’un dernier recours avant de s’appuyer sur lui pour quoi que ce soit de précis.
Un ou deux canaux : ce qui détermine si vous obtenez l’attribution des voix
De nombreux enregistrements d’appels mélangent les deux voix sur un seul canal. Tout se retrouve dans un même flux, et l’indice le plus fiable pour distinguer les deux personnes — savoir de quel côté de la ligne se trouvait chacune — disparaît. Ce qui reste, c’est la voix elle-même : hauteur, débit, timbre. Cela fonctionne mieux avec deux voix très différentes qu’avec deux voix proches, et cela fonctionne moins bien sur un son en bande étroite, car les caractéristiques vocales qui permettraient de les distinguer font justement partie des détails éliminés par le codec.
Lorsque les deux voix sont conservées sur des canaux séparés, l’attribution devient beaucoup plus fiable. Chaque canal correspond à une personne. Il n’y a plus de déduction à faire. Si l’outil d’enregistrement que vous utilisez propose ce choix, c’est le réglage à repérer — et il vaut mieux le repérer avant l’appel plutôt qu’après.
Face à un enregistrement mélangé, considérez l’attribution des voix comme une estimation utile plutôt que comme un fait établi. Elle sera généralement juste sur une longue plage ininterrompue, et fausse autour des changements de locuteur, surtout lorsque les deux personnes se coupent la parole. Si l’enjeu de la transcription est de savoir qui a accepté quoi, ce sont précisément ces moments de bascule qui doivent être exacts — vérifiez-les donc à l’oreille.
Extraire le texte du fichier
Une fois qu’un enregistrement d’appel a été exporté, il cesse d’être un appel. C’est un fichier audio ordinaire, et il peut être transcrit comme n’importe quel autre. L’étape d’exportation varie selon les applications d’enregistrement, les systèmes téléphoniques et les opérateurs ; l’option se trouve généralement sous un bouton de partage ou un menu à trois points, sur l’enregistrement lui-même. Sortez d’abord le fichier, puis arrêtez de le considérer comme un appel téléphonique et commencez à le traiter comme de l’audio.
À partir de là, la démarche est la même que pour n’importe quel fichier audio que vous voulez transcrire. SozAI transcrit les enregistrements sur iOS, Android et macOS, avec attribution des locuteurs, résumés et traduction dans plus de 99 langues ; vous pouvez télécharger l’application ici, et la même méthode s’applique aux messages de messagerie vocale, qui sont en bande étroite pour la même raison et se comportent de la même façon. C’est une option parmi d’autres, et le choix de l’outil compte moins que la qualité du fichier que vous lui fournissez.
Si ce n’est pas un seul appel mais tout un dossier accumulé sur plusieurs mois, le problème change de nature. Tout transcrire pour retrouver une seule phrase est en général le mauvais réflexe — l’objectif le plus utile est de pouvoir chercher dans un ensemble d’enregistrements d’appels plutôt que de tout relire.
Si l’enregistrement pourrait servir de preuve
Un enregistrement fait pour se souvenir de ce qui a été dit et un enregistrement utilisé comme preuve ne répondent pas aux mêmes exigences. Pour un usage personnel, une transcription avec quelques imperfections ne pose pas de problème : vous savez ce qui s’est passé, et le texte n’est qu’un aide-mémoire. Pour tout usage formel, le fichier d’origine doit en général être conservé sans modification.
Cela signifie garder le fichier exactement comme il est sorti de l’appareil. Ne coupez pas le silence du début. Ne retirez pas le passage central sans intérêt. Ne le réexportez pas dans un autre format pour l’alléger, et ne le faites pas passer dans un outil qui normalise le volume et crée un nouveau fichier. Chacune de ces opérations produit une version dérivée, et c’est l’original qui a une valeur probante. Travaillez sur une copie et laissez l’original intact.
Dans ce contexte, la transcription est un document de travail qui accompagne l’enregistrement plutôt que de le remplacer. Elle aide à retrouver les trente secondes pertinentes. L’enregistrement, lui, est ce que ces trente secondes disent réellement. La question de savoir si un enregistrement est recevable comme preuve est distincte, et elle relève de la même personne que celle à qui vous avez demandé si l’enregistrement était légal.
Ce qu’il faudra tout de même corriger à la main
Ce dont on a le plus besoin après un appel, ce sont les chiffres, les noms propres et les adresses — un numéro de référence, un montant, l’orthographe d’un nom de famille, une rue. Ce sont aussi les éléments que le son en bande étroite abîme le plus, car ils ne portent aucun contexte. Une phrase entière peut se reconstituer grâce aux mots qui l’entourent. Un numéro à sept chiffres, non. Si un chiffre est faux, rien dans le son environnant ne le signale, et la transcription le présentera avec la même assurance que le reste.
Traitez donc chaque chiffre, chaque nom et chaque adresse dans une transcription d’appel comme quelque chose à vérifier, pas comme quelque chose à utiliser tel quel. Repérez l’élément dans le texte, revenez à ce moment précis dans l’audio, écoutez. Cela prend une minute par élément, et c’est ce qui fait la différence entre une transcription exploitable et une transcription simplement plausible. Si un détail est important au point qu’une erreur vous coûterait quelque chose, c’est le signe qu’il faut le vérifier.
Réglez vos attentes sur le reste en conséquence. La transcription d’un appel téléphonique est en général un bon reflet du fond de la conversation — sa structure, ce qui a été proposé, ce qui a été accepté, le ton d’un désaccord. Elle est moins fiable sur les détails précis, et encore moins là où deux personnes parlent en même temps ou où la connexion a lâché. Savoir quelles parties croire fait l’essentiel du travail. La transcription vous offre une version rapide et consultable de la conversation, et un moyen de revenir précisément à la seconde de l’audio qui vous intéresse. Elle ne remplace pas l’audio, et sur un fichier en bande étroite, elle n’a jamais eu vocation à le faire.
