Ce qu’il faut retenir
Comprendre un message vocal dans une langue que vous ne parlez pas suppose deux opérations séparées : transformer l’audio en texte dans la langue réellement parlée, puis traduire ce texte. Votre application de traduction ne peut rien faire avant que la première étape soit terminée, car elle attend du texte à saisir. C’est la transcription qui décide de la qualité du résultat, et une erreur commise à ce moment-là est traduite fidèlement dans votre langue, si bien qu’elle ne ressemble plus à une erreur. Faites les deux étapes vous-même, et personne d’autre n’a besoin d’entendre le message.
Un message vocal arrive d’un parent, d’un fournisseur, d’un propriétaire. Vous saisissez quelques mots, assez pour comprendre que c’est important, pas assez pour savoir ce qui est dit. Le réflexe naturel est d’ouvrir l’application de traduction déjà installée sur votre téléphone, et ce réflexe ne fonctionne pas, parce que l’application attend que vous tapiez du texte, et vous ne pouvez pas taper ce que vous n’entendez pas clairement.
Le second réflexe consiste à transférer le message à quelqu’un qui parle la langue. Cela fonctionne, mais cela a un coût que vous n’avez pas forcément envie de payer. Cet article explique comment s’en sortir sans passer par l’une ou l’autre de ces solutions, ce que la machine réussit bien, et les endroits précis où elle se trompe, des erreurs que l’on peut apprendre à repérer même dans une langue qu’on n’a jamais lue.
Pourquoi l’application de traduction que vous avez déjà ne peut pas démarrer
Traduire de la parole, c’est en réalité deux opérations qui se cachent sous un seul nom. La première est la transcription : convertir le son en mots écrits, dans la langue utilisée par celui qui parle. La seconde est la traduction : convertir ces mots écrits dans une langue que vous lisez. Ce sont deux mécanismes distincts, qui échouent chacun à leur manière, et la plupart des outils que l’on utilise ne font que le second.
C’est exactement pour cela que l’application sur votre téléphone reste sans effet. Elle est construite autour d’un champ de texte. Du texte entre, du texte sort. Face à un fichier audio, elle n’a rien à traiter. Certains outils acceptent la voix par le micro, ce qui aide quand c’est vous qui parlez et que vous pouvez répéter, mais aide beaucoup moins face à un enregistrement de quelqu’un d’autre qui parle vite, sur une mauvaise connexion.
Une fois qu’on comprend l’ordre des opérations, le problème change de nature. Vous ne cherchez pas un traducteur. Vous cherchez quelque chose capable de produire une version écrite du message, dans sa langue d’origine, après quoi vos habitudes de traduction habituelles fonctionnent exactement comme avant. Ce que vous utilisez déjà pour du texte convient très bien pour la seconde moitié. C’est la première moitié qu’il faut résoudre.
Cela explique aussi quelque chose qui étonne souvent : pourquoi un message peut revenir traduit dans un français fluide, sûr de lui, et complètement faux. La partie traduction a fait son travail correctement. On lui a simplement donné une mauvaise matière première, qu’elle a rendue avec élégance.
Le prix à payer pour demander à quelqu’un d’écouter
Transférer le message à un ami bilingue, un cousin, un collègue qui parle la langue par hasard, c’est rapide et généralement fiable. Cela revient aussi à confier à cette personne le contenu d’une conversation privée, en entier, avec le ton de la voix en prime.
Pour un message sur une date de livraison, personne ne s’en soucie. Pour des messages qui concernent l’argent, la santé ou la famille, le calcul change. Un message vocal d’un parent au sujet d’un résultat médical n’est pas quelque chose qu’on a envie qu’un collègue entende. Le message d’un propriétaire à propos d’un loyer impayé n’est pas quelque chose qu’on a envie d’expliquer à un ami avant même d’avoir soi-même digéré l’information. Il en va de même pour le message d’un fournisseur au sujet d’un paiement que vous avez peut-être mal effectué.
Résultat : le message reste non ouvert. Pas parce qu’il est sans importance, mais parce que s’en occuper suppose d’impliquer quelqu’un, et impliquer quelqu’un a un coût social qu’on paie avant même de savoir ce que dit le message. Beaucoup de gens laissent traîner un message vocal pendant des jours exactement pour cette raison. Le message qu’on ne peut pas lire soi-même est justement celui qu’on a le moins envie de faire lire à voix haute par un tiers.
C’est une vraie raison de gérer les deux étapes soi-même, et il vaut mieux le dire clairement plutôt que de présenter la confidentialité comme un simple bonus. L’idée n’est pas que la transcription automatique soit meilleure que votre cousin. Votre cousin est sans doute meilleur. L’idée, c’est que vous pouvez lire le message en premier, seul, et décider ensuite si quelqu’un d’autre doit être mis dans la confidence.
La première étape décide de la qualité de la seconde
Toute l’utilité du résultat final dépend de la transcription dans la langue d’origine. Si elle est correcte, la traduction devient un problème banal. Si elle est fausse, l’erreur voyage avec elle.
Voici ce qui rend cela dangereux. Si une transcription dans la langue d’origine contient une erreur, et que vous ne lisez pas cette langue, vous ne verrez jamais l’erreur. Elle passe dans l’étape de traduction, elle est rendue fidèlement dans une langue que vous lisez, et elle arrive sous la forme d’une phrase parfaitement normale. Rien qui accroche. Rien qui signale un problème. Un mot faux qui survit à la traduction ressemble exactement à un mot juste.
Comparez cela à une transcription dans une langue que vous parlez, où une erreur se fait remarquer d’elle-même. Vous lisez une phrase, elle n’a pas de sens, vous réécoutez l’audio. Cette boucle de correction n’existe pas ici. Vous lisez le résultat d’un processus que vous ne pouvez pas vérifier.
La conséquence pratique, c’est qu’il faut se méfier de la transcription, pas de la traduction. Si quelque chose sonne étrangement dans votre langue, le problème vient très rarement de la traduction. C’est presque toujours un mot mal entendu au moment de la transcription, et la solution consiste à regarder le texte original à cet endroit précis, puis à réécouter ce passage précis de l’audio, même sans comprendre la langue. Entendre que la personne a prononcé un mot court là où la transcription affiche un mot long vous apprend déjà quelque chose.
Laissez l’outil identifier la langue, puis vérifiez son choix
Un obstacle pratique apparaît tout de suite : certains outils demandent de choisir la langue source dans une liste avant de faire quoi que ce soit. Si vous n’êtes pas certain d’identifier la langue, et il est fréquent qu’on n’arrive pas à distinguer à l’oreille deux langues proches, vous devinez le réglage qui déterminera tout le résultat.
La détection à partir de l’audio lui-même supprime cette étape. L’extension SozAI pour WhatsApp Web déduit la langue à partir de l’enregistrement plutôt que de vous demander de la choisir, et affiche un repère indiquant quelle langue a été retenue. Ce repère est la partie vraiment utile, car c’est ainsi qu’on repère une mauvaise supposition : s’il indique une langue que vous savez que l’expéditeur ne parle pas, la transcription qui suit ne mérite pas d’être lue, et vous le savez d’un coup d’œil au lieu de le découvrir après deux paragraphes de confusion.
Une chose à anticiper. Le résumé revient dans la même langue que celle du message d’origine. C’est le comportement normal pour cette première étape, et cela veut dire qu’un message que vous ne pouviez pas lire reste, pour l’instant, un message que vous ne pouvez pas lire. Vous avez transformé un problème audio en problème de texte, ce qui est bien le but recherché, mais l’étape de traduction reste ensuite à votre charge.
Les passages les plus susceptibles d’être faux sont ceux qui comptent
Les transcriptions automatiques sont très solides sur de la parole courante et beaucoup plus fragiles sur trois choses précises : les noms de personnes, les noms de lieux et les chiffres. Un mot courant se prédit à partir des mots qui l’entourent. Un nom de famille, non. Un nom de rue, non. Un chiffre, non.
Or, réfléchissez à ce dont parlent en général les messages vocaux. Où se retrouver. Combien on doit. Quel jour. Qui a dit quoi à qui. L’information dont vous avez réellement besoin se concentre précisément dans les passages de la transcription les moins susceptibles d’être exacts, et dans un message qui parle d’une adresse ou d’un montant, ces passages ne sont pas des détails, ils sont le message lui-même.
Lisez donc la transcription en deux temps. Une première lecture donne l’idée générale du message : qui parle, de quoi il s’agit, s’il faut répondre aujourd’hui. Faites-lui confiance. La seconde lecture ne porte que sur les détails précis, et là il faut vérifier plutôt que faire confiance.
- Réécoutez les quelques secondes d’audio autour de chaque chiffre pour tenter d’entendre les nombres eux-mêmes, souvent reconnaissables même dans une langue qu’on ne parle pas.
- Vérifiez les noms en les comparant à vos propres contacts ou à des messages précédents, plutôt qu’à la seule transcription.
- Comparez une adresse à celle que vous avez déjà enregistrée pour cette personne ou cette entreprise.
- Si un montant conditionne votre prochaine action, faites-le confirmer par écrit avant d’agir.
Demander à l’expéditeur de confirmer un chiffre par écrit n’est pas un aveu d’incompréhension. C’est exactement ce que vous feriez pour un chiffre mal entendu au téléphone, dans votre propre langue.
Ce que cette méthode ne fera pas pour vous
Elle ne vous donnera pas le message directement dans votre langue en une seule opération. Deux étapes veulent dire deux étapes, et la transcription arrive dans la langue parlée à l’origine. Si vous voulez obtenir le résultat final dans votre propre langue sans effectuer la traduction séparément, c’est un travail différent de la simple transcription, et c’est la traduction entre les langues qu’il faut alors utiliser. Il en va de même pour un audio que vous détenez sous forme de fichier plutôt que sous forme de message WhatsApp, un enregistrement, une pièce jointe transférée, quelque chose de sauvegardé depuis un téléphone, que l’application de transcription prend en charge, contrairement à une extension de navigateur pour WhatsApp Web.
Elle ne vous donnera pas le ton. Une transcription courte d’un long message gomme l’hésitation, la chaleur, l’irritation et le silence qui précède la phrase importante. Si vous essayez de savoir à quel point un parent est inquiet, les mots seuls ne vous suffiront pas, et il faut réécouter l’audio avec la transcription sous les yeux.
Elle ne sera pas fiable sur un audio mal enregistré. Du vent, un haut-parleur dans une voiture, deux personnes qui parlent en même temps, un message vocal enregistré dans un couloir. Une mauvaise source produit une transcription mauvaise mais assurée d’elle-même, plutôt qu’un échec évident, ce qui est pire, car elle a l’air terminée et correcte.
Et elle ne remplacera pas votre cousin quand le message est réellement ambigu. Ce qu’elle permet, c’est de savoir si le message est ambigu avant que quelqu’un d’autre ne l’entende. La plupart du temps, la réponse est non, et vous pouvez vous en occuper seul. Quand la réponse est oui, vous savez désormais quelles trente secondes précises poser en question, plutôt que de transmettre tout l’enregistrement.
