Reconnaissance vocale : comment une machine écrit « un ver vert va vers un verre »

Comment une machine transforme-t-elle une voix en texte ? Indice : elle ne l'écoute pas. Elle la regarde. En 1952, aux laboratoires Bell, la machine Audrey reconnaît les chiffres de zéro à neuf, mais elle n'est réglée que pour une seule voix. En 1997, Dragon NaturallySpeaking permet de dicter à un ordinateur sans faire de pause entre les mots. En 2022, Whisper, publié en accès libre, apprend sur six cent quatre-vingt mille heures de voix : il transcrit aujourd'hui des dizaines de langues. Trois étapes. C'est parti. Étape un : le son devient une image. Quand vous parlez, l'air vibre. Le micro mesure ces vibrations des milliers de fois par seconde : c'est l'onde sonore. La machine la trie ensuite par fréquences, les graves en bas, les aigus en haut, et colore chaque instant selon son énergie. Voici le spectrogramme : une image de votre voix. Étape deux : cette image est découpée en tranches très fines, de vingt-cinq millièmes de seconde. Chaque tranche passe dans un réseau de neurones, entraîné sur d'immenses quantités de parole. Il ne lit pas des mots : il estime, tranche après tranche, quels sons sont les plus probables. Les probabilités montent, et la suite de sons apparaît. Étape trois : le contexte tranche. Car ce son-là s'écrit de plusieurs façons. Écoutez : un ver vert va vers un verre. Même son, quatre sens ! Pour choisir, un modèle de langage lit la phrase entière et garde l'orthographe la plus probable : l'animal, la couleur, la direction… et le verre. C'est exactement ce qui se passe dans l'assistant KOAEE. À l'hôtel, au restaurant, à la clinique ou à la mairie, chacun appuie sur le micro et parle dans sa langue : japonais, coréen, anglais. L'assistant comprend la voix en seize langues, et répond dans la même. En français et en anglais, la dictée passe par Voxtral, de Mistral, et reste en Europe. Pour comprendre l'IA en 150 secondes, abonnez-vous à la chaîne. KOAEE, l'IA qui reste entre vous. Essayez-le sur koaee.ai, dès aujourd'hui.