La reconnaissance vocale arabe ne se résume pas à une promesse de transcription « en arabe ». Pour une conversation libanaise, il faut aussi savoir quelles variétés le modèle a apprises et sur quels enregistrements ses performances ont été mesurées. Une étude présentée à ACL en juillet 2025 offre un cas précis, sans constituer un classement des outils disponibles en novembre 2026.
Reconnaissance vocale arabe : un test libanais situé
L’étude compare plusieurs versions d’ArTST. Le corpus d’adaptation comprend 25,20 heures classées comme libanaises. Sur le test correspondant, l’adaptation ciblée de la version dialectale obtient 28,05 % d’erreur de mots, contre 30,01 % pour la version initiale. Sans cette adaptation, la variante dialectale ne fait pas mieux sur ce même test. Le résultat dépend donc du protocole, pas seulement du nombre de langues annoncé.
Ces deux scores représentent un écart de 1,96 point, soit une baisse relative calculée d’environ 6,5 %. Ils ne signifient pas que 28 % des personnes seraient incomprises. Le taux rapporte au texte de référence les substitutions, suppressions et insertions. Il ne décrit pas la gravité de chaque erreur.
Une négation ne pèse pas plus qu’un autre mot
Considérons une transcription hypothétique : une erreur sur « demain » ou l’omission de « pas » peuvent changer une instruction entière. Une moyenne ne dit pas si ces mots précis ont été préservés. Pour un entretien destiné à publication, la validation doit donc porter sur les noms, les dates, les montants et les négations, même lorsqu’un score global paraît satisfaisant.
L’étude teste aussi des mélanges égyptien-anglais, émirati-anglais et tunisien-français. Elle ne fournit pas de validation spécifique d’une conversation libanaise trilingue. Une rédaction qui travaille sur ce type d’enregistrement doit le tester directement, plutôt que transposer un résultat obtenu dans une autre combinaison linguistique.
Un essai utile consiste à soumettre le même extrait à plusieurs systèmes, puis à comparer leurs sorties avec une transcription humaine. Il faut conserver les mêmes règles pour les hésitations et les variantes orthographiques. Sinon, une différence de notation peut passer pour un progrès technique. Le choix final reste celui d’un outil adapté aux enregistrements réellement traités, pas celui d’un vainqueur universel.
Illustration : microphone photographié par Jean Balzan, via Pexels. Ce cliché ne représente ni le modèle ArTST ni une séance de test.


Commentaires