Pourquoi ma transcription iPhone écrit-elle les nombres en chiffres plutôt qu'en lettres ?

Dites « j'ai payé vingt-cinq euros pour ça » à une application qui transcrit, et la transcription affichera probablement « j'ai payé 25 € pour ça » ou « j'ai payé 25 euros pour ça », pas une reproduction mot pour mot de ce qui a été prononcé. Le premier réflexe est d'y voir une erreur, comme si le système avait entendu « vingt-cinq » et écrit « 25 » par erreur. Il n'a rien mal entendu. Il a correctement reconnu le nombre, puis a fait un choix délibéré sur la façon de le représenter à l'écrit — une étape totalement distincte de la reconnaissance elle-même.

Reconnaître et mettre en forme sont deux tâches différentes

Transformer la parole en texte n'est pas une seule opération — ce sont au moins deux étapes, enchaînées. La première est la reconnaissance : comparer le son à un modèle pour déterminer les mots réellement prononcés. La seconde est la mise en forme : décider à quoi ces mots doivent ressembler sur la page. Pour la plupart des mots, les deux étapes s'accordent parfaitement, si bien que la distinction passe inaperçue — « le » est reconnu comme « le » et écrit « le », rien à signaler. Les nombres font partie des rares catégories où les deux étapes divergent volontairement, parce que les mots prononcés à voix haute et la façon dont ces mêmes mots s'écrivent habituellement ne sont, en réalité, pas la même chose.

Pourquoi les chiffres l'emportent

Le français écrit n'épelle presque jamais un nombre tel qu'il est prononcé, sauf dans une poignée de contextes précis — un chèque, un document formel, un chiffre isolé au milieu d'une phrase. Un prix, une date, un numéro de téléphone, un âge, un pourcentage : dans un texte écrit ordinaire, ce sont des chiffres, quasiment à chaque fois. L'étape de mise en forme d'un système de reconnaissance vocale est entraînée sur ce même type de texte écrit ordinaire, donc elle reproduit la convention que ce texte utilise réellement plutôt que d'épeler littéralement les syllabes prononcées. Ce n'est propre à aucune application en particulier — c'est le même comportement que la dictée d'iOS utilise dans Messages ou Notes, transformant « on se retrouve à sept heures et demie » en « on se retrouve à 19h30 » sans que personne ne le demande.

Où cela se voit aussi

• Dates et heures — « le trois mai » ou « deux heures et demie » reviennent souvent sous forme de date écrite ou d'heure au format horloge plutôt que les mots réellement prononcés.
• Argent et quantités — un montant dit avec des mots devient généralement un nombre, parfois accompagné d'un symbole monétaire.
• Numéros de téléphone et adresses — une suite de chiffres prononcés revient sous forme de chiffres, groupés comme s'écrit habituellement un nombre, pas comme des mots-nombres séparés.
• Petits comptes au fil d'une phrase — c'est le cas le plus variable. Un « trois » isolé dans une conversation courante peut être rendu d'une façon ou de l'autre selon le contexte, contrairement à un prix ou une date, qui se met en forme de façon constante.

Le seul point à vérifier, pas à considérer comme acquis

Mettre en chiffres un nombre correctement entendu est sans conséquence — cela change l'apparence du nombre, pas son sens. Le vrai risque se situe une étape plus tôt, dans la reconnaissance elle-même : les nombres font partie des catégories où un système de reconnaissance vocale se trompe le plus souvent, aux côtés des noms propres et du jargon, parce qu'un chiffre marmonné ou prononcé rapidement offre moins d'indices de contexte qu'un mot ordinaire. Un chiffre qui a l'air net et sûr de lui à l'écran n'est pas la preuve que c'est le bon chiffre — cela signifie seulement que, quel que soit le nombre retenu par le système, il a été bien mis en forme. Pour tout ce dont un nombre erroné aurait vraiment de l'importance — une posologie, une adresse, un total, un numéro de téléphone — mieux vaut le vérifier précisément avec l'audio, comme on vérifierait un nom, plutôt que lui faire confiance parce qu'il paraît soigné.

Existe-t-il un réglage pour désactiver ça ?

Pas vraiment, et même s'il existait, ce ne serait pas un réglage de l'application. La mise en forme se produit à l'intérieur même de la reconnaissance vocale d'Apple, en convertissant les mots reconnus en texte — ce n'est pas une étape séparée qu'une application de transcription exécuterait après coup et pour laquelle elle pourrait proposer un interrupteur. Si un document a spécifiquement besoin des nombres épelés plutôt qu'en chiffres, la transcription reste du texte ordinaire et modifiable une fois créée, donc c'est une correction à faire à la main pour la poignée de nombres où cela compte vraiment, plutôt qu'un problème qu'un réglage résoudrait.

Comment Voice Studio gère cela

La transcription que Voice Studio affiche est exactement ce que renvoie le système de reconnaissance vocale d'Apple, mise en forme comprise — il n'y a pas d'étape séparée qui réécrirait ensuite les nombres, les dates ou quoi que ce soit d'autre. La transcription tente d'abord la reconnaissance sur l'appareil pour la langue sélectionnée, et ne se rabat sur le serveur d'Apple que si ce passage local revient vide ou en erreur, si bien que ce même comportement chiffres-contre-mots s'applique dans les deux cas. Comme la transcription est du texte simple et modifiable, exporté en TXT ou en JSON, corriger un nombre réellement faux — par opposition à un nombre correctement entendu simplement écrit en chiffres — est une modification ordinaire, au même titre que corriger un nom mal entendu.

Questions fréquentes

Est-ce une erreur si ma transcription affiche « 25 » plutôt que « vingt-cinq » ?

Non, c'est une mise en forme normale, pas une erreur. Dans un texte écrit ordinaire, les nombres apparaissent presque toujours en chiffres, et la reconnaissance vocale suit cette même convention plutôt que d'épeler les mots prononcés.

Comment distinguer un choix de mise en forme d'une véritable erreur de reconnaissance ?

Vérifiez le nombre par rapport à l'audio. La mise en forme change seulement l'apparence d'un nombre correctement entendu — 25 plutôt que vingt-cinq — elle ne transforme pas « sept » en « dix-sept ». Si un nombre paraît clairement faux ou ne correspond pas du tout à ce qui a été dit, il s'agit d'une véritable erreur de reconnaissance à corriger, pas d'une simple question de style.

Puis-je faire en sorte que ma transcription épelle les nombres au lieu de les écrire en chiffres ?

Il n'existe pas de réglage intégré pour cela — la mise en forme vient du système de reconnaissance vocale lui-même, pas d'une option de l'application. Modifiez la transcription après coup pour les nombres précis où la forme épelée compte.

Est-ce que cela concerne aussi les dates et les prix, pas seulement le comptage ?

Oui, en général. Cela couvre la plupart des types de nombres — dates, heures, prix, numéros de téléphone — puisqu'ils apparaissent normalement en chiffres dans un texte écrit, pas seulement les nombres prononcés en comptant quelque chose à voix haute.