Pourquoi ma transcription de note vocale sur iPhone contient-elle des "euh" ?

Une transcription du genre "donc, euh, je pense que la, euh, l'échéance est vendredi" donne l'impression que le moteur trébuche sur lui-même. Ce n'est pas le cas. "Euh" est un son bien réel, avec sa propre signature acoustique, et un modèle capable de distinguer les mots l'est, par le même mécanisme, tout autant capable de le repérer. Ce qui surprend n'est pas qu'il apparaisse — c'est qu'il n'apparaisse pas à chaque fois.

Le moteur ne sait pas ce qu'est une hésitation

La reconnaissance vocale convertit du son en texte. Elle ne reçoit pas comme consigne « ces sons-là sont des hésitations, ignore-les » — cela reviendrait à trancher entre ce que vous vouliez dire et ce que vous avez réellement dit, un jugement sur l'intention, pas une tâche de transcription. Sans cette consigne, la sortie honnête est tout ce qui a été prononcé, hésitations comprises, pour la même raison qu'une transcription garde un mot répété ou une phrase qui s'interrompt et repart : le travail du moteur s'arrête à « quel son était-ce », pas à « ce son valait-il la peine d'être gardé ».

Pourquoi c'est irrégulier plutôt que tout ou rien

Plusieurs facteurs font pencher un "euh" donné dans un sens ou dans l'autre, et aucun ne se règle depuis un écran de réglages :

• À quel point il a été prononcé clairement. Un "euh" bref, coupé net entre deux mots, peut se fondre dans le son environnant et ne jamais se résoudre comme une unité à part, tout comme un vrai mot marmonné peut disparaître.
• Ce qui l'entourait immédiatement. Une hésitation juste avant une pause a tendance à survivre ; une hésitation avalée en plein milieu d'une phrase, sans espace d'aucun côté, risque davantage de se fondre dans ce qui la jouxte ou de disparaître.
• Comment elle a été dite, pas seulement quoi. Un "euuuh" étiré et appuyé se comporte différemment d'un "euh" bref, presque coupé — acoustiquement, ce ne sont pas le même événement, même si une oreille humaine entend les deux comme une hésitation.

Rien de tout cela n'est un bug à signaler. C'est le même mécanisme de reconnaissance sous incertitude qui régit chaque autre mot de la transcription, appliqué à des sons qui se trouvent être des hésitations plutôt que du contenu.

Est-ce différent entre l'appareil et le serveur ?

iOS tente d'abord la reconnaissance vocale sur l'appareil et ne se rabat sur le serveur d'Apple que si cette première passe revient vide ou échoue. Les deux partent des mêmes indices acoustiques, sans la moindre consigne pour filtrer les hésitations — donc savoir lequel des deux a tourné sur un enregistrement donné n'est pas un moyen fiable d'obtenir plus ou moins de "euh" dans le résultat. L'irrégularité vient de l'audio et du modèle, pas de celui des deux qui a été utilisé.

Quand ça vaut le coup de les garder

Avant de supprimer chaque "euh", il vaut la peine de se demander si cette transcription en a besoin. Un compte rendu littéral d'une déposition, d'un entretien ou d'une conversation difficile est parfois plus utile avec les hésitations laissées telles quelles — une pause et une hésitation avant qu'une personne réponde à une question peuvent faire partie de ce à quoi sert la transcription. Et si l'enregistrement existe pour vous aider à entendre vos propres habitudes de parole — répéter une intervention, s'entraîner à répondre —, les hésitations sont précisément ce que vous êtes venu écouter ; les nettoyer du texte avant d'avoir repéré le schéma dans l'audio va à l'encontre du but recherché.

La nettoyer quand vous n'en avez pas besoin

Pour un usage courant — transformer une note vocale en notes, en brouillon, en message —, les hésitations ne sont que du bruit à retirer, et la façon la plus rapide n'est pas de traquer chacune séparément mais une seule relecture d'affilée : lire la transcription à un rythme normal et supprimer les "euh" et l'occasionnel mot répété au fil de la lecture, la même passe que pour la ponctuation ou un nom mal entendu. Ça va vite parce que vous ne corrigez pas du contenu, vous élaguez des sons qui n'ont jamais eu vocation à porter du sens.

Comment Voice Studio gère cela

La transcription passe par le moteur vocal d'Apple, sur l'appareil en priorité, et Voice Studio n'applique aucune passe séparée pour détecter ou retirer les hésitations — ce que le moteur a noté est ce qui apparaît dans la transcription. Ce que l'app offre, c'est une transcription qui reste modifiable ensuite, gratuitement : supprimez un "euh", corrigez un mot mal entendu, et la correction reste partout où ce texte est utilisé — la recherche dans l'app, et un export TXT ou JSON emporte la version corrigée, pas l'originale.

Questions fréquentes

Puis-je faire retirer automatiquement les "euh" des transcriptions par Voice Studio ?

Non — aucun réglage ne retire les "euh" avant qu'ils n'atteignent la transcription. Le texte reflète ce que le moteur d'Apple a produit, et retirer les hésitations est une modification manuelle, comme corriger n'importe quel autre mot.

Pourquoi la transcription capte-t-elle un "euh" la première fois, puis le rate-t-elle plus loin dans le même enregistrement ?

Parce que chaque occurrence est reconnue indépendamment du son environnant, sans suivi d'un schéma. La clarté avec laquelle ce "euh" précis a été prononcé, et la pause qui l'entourait, décident si cette occurrence est notée — pas si les précédentes l'ont été.

Passer à la transcription côté serveur retire-t-il les hésitations ?

Non. iOS tente d'abord la reconnaissance sur l'appareil et ne se rabat sur le serveur que si cette passe revient vide ou échoue, et les deux partent des mêmes indices acoustiques sans aucune consigne pour filtrer les hésitations — donc lequel des deux a tourné ne change pas de façon fiable le nombre de "euh" présents.

Dois-je retirer les hésitations de toutes mes transcriptions ?

Seulement si la transcription doit se lire proprement. Un compte rendu littéral — un entretien, une déposition, une répétition que vous relisez pour votre propre débit — peut être plus utile en les laissant, car les hésitations elles-mêmes sont parfois l'information que vous cherchiez.