Pourquoi la dictée vocale est-elle si mauvaise ? Causes et solutions

Pourquoi la dictée vocale est-elle si mauvaise ? (On parle aussi de saisie vocale ou de reconnaissance vocale : mêmes moteurs, même question.) Surtout parce que la reconnaissance vocale est une chaîne (micro, pièce, voix, vocabulaire, modèle) et que votre transcription ne vaut pas mieux que son maillon le plus faible. Vous avez dit « their » et obtenu « there » (deux mots anglais qui se prononcent de la même façon). Vous avez dit le nom de famille de votre responsable et obtenu un légume. Vous vous êtes arrêté pour réfléchir, et une phrase que vous n'avez jamais prononcée est apparue.

Chaque cas a sa cause et sa solution. Au programme : les symptômes, les causes, les solutions, puis une réponse franche à la question de savoir si la dictée vocale relève de l'IA. Vous cherchez plutôt un outil ? Commencez par notre comparatif des logiciels de dictée.

La dictée vocale échoue pour une poignée de raisons prévisibles

La dictée vocale se trompe de mots quand le son n'est pas net, quand il s'agit de mots que le modèle a rarement rencontrés à l'entraînement, ou quand il lui manque le contexte pour choisir entre des mots qui se prononcent pareil. La plupart des plaintes remontent à l'une de ces trois causes, et le symptôme indique généralement laquelle.

Le micro compte plus que le modèle

Un son médiocre est la première chose à écarter quand la dictée vocale est mauvaise : un micro éloigné de votre bouche enregistre la pièce presque aussi fort que votre voix, et aucun modèle ne peut récupérer des mots qui ne lui sont jamais parvenus clairement. Les micros des ordinateurs portables sont placés à côté des ventilateurs et des claviers. Un téléphone tenu à bout de bras dans une rue animée enregistre surtout la rue.

Un casque n'est pas forcément meilleur. Beaucoup d'écouteurs Bluetooth basculent dans un mode appel de moindre qualité dès que leur micro est actif, si bien qu'une paire filaire bon marché peut battre des modèles sans fil coûteux. Et vérifiez ce que l'ordinateur écoute : la dictée du Mac, la saisie vocale de Windows et Dictate dans Word permettent chacune de choisir le micro, et le micro d'une webcam à l'autre bout de la pièce peut discrètement devenir celui par défaut.

Les éditeurs sont d'accord. Le guide de dépannage de Microsoft pour Dictate dans Word recommande un casque ou un micro externe et moins de bruit ambiant ; l'aide de Google sur la saisie vocale conseille de s'installer dans un endroit calme et de brancher un micro externe.

Écoutez ce qu'entend le logiciel : enregistrez vingt secondes dans l'app de mémos vocaux de votre téléphone, exactement là où vous dictez d'habitude, puis réécoutez-les au casque. Si vous entendez le lave-vaisselle, la hotte ou votre propre clavier, le moteur de reconnaissance les entend aussi, et déplacer le micro aidera davantage que changer d'app.

Votre façon de parler change ce qu'il entend

La diction influe sur la précision parce que les moteurs de reconnaissance apprennent en grande partie sur de la parole naturelle et fluide : laisser sa voix s'éteindre, avaler la fin des phrases ou dicter un mot à la fois, lentement, donne moins de matière au modèle. Le conseil de Microsoft de « parler de manière plus posée » tient si « posé » veut dire complet, et non lent : pensez la phrase jusqu'au bout, puis dites-la d'une traite.

Les longues pauses comportent un risque plus étrange. Dans une étude de 2024 intitulée « Careless Whisper », Allison Koenecke et ses collègues ont constaté qu'environ 1 % des transcriptions produites par Whisper d'OpenAI contenaient des groupes de mots ou des phrases entières absents de l'audio, et que ces hallucinations touchaient de façon disproportionnée les locuteurs marquant de plus longs silences. La plupart des outils de dictée ne reposent pas sur ce modèle précis, mais la leçon reste valable.

Réfléchissez micro coupé : quand il vous faut plus de quelques secondes pour trouver la phrase suivante, arrêtez la dictée, réfléchissez, puis reprenez avec la phrase entière en tête. Vous obtenez moins de phrases à moitié finies, et le moteur n'a jamais de long silence à combler.

Noms propres, jargon et homophones exigent un contexte qu'il n'a pas

La dictée vocale peine sur les noms propres et le jargon parce qu'un moteur de reconnaissance penche vers les mots qu'il a souvent rencontrés à l'entraînement, et qu'il choisit entre des homophones comme « their » et « there » (en anglais, « leur » et « là ») à l'aide d'un contexte qui lui manque souvent. Un clavier de téléphone entend une phrase isolée. Il ne sait pas que vous répondez à Aoife au sujet du renouvellement du troisième trimestre, alors il se rabat sur les mots les plus courants qui collent aux sons.

Pour les mots rares, confiez votre vocabulaire à l'outil. Les apps de dictée IA dédiées ont des dictionnaires personnalisés ; le Laxis Voice Keyboard appelle le sien Personal Dictionary, pour les noms, les sigles et les termes techniques. La dictée intégrée en est le plus souvent dépourvue, alors corrigez sur place : sur Mac, cliquez sur un mot souligné en bleu pour voir d'autres propositions ; sur iPhone, dites « change » puis épelez la correction ; sur un Pixel, touchez le mot mal compris. Selon Google, la saisie vocale avancée du Pixel s'améliore à partir des mots que vous corrigez.

Les homophones demandent une autre habitude. Des tournures plus longues donnent davantage de prise à la partie linguistique du modèle : « send it to their office » (« envoie-le à leur bureau ») sort mieux que « their » prononcé seul. Relisez ensuite en traquant spécifiquement les homophones, les nombres et les négations, les trois endroits où un seul mot faux renverse le sens.

Les accents et les dialectes sont inégalement servis

La dictée vocale est mesurablement moins précise pour certains accents et dialectes, parce que les données d'entraînement de la plupart des moteurs surreprésentent certaines façons de parler. La preuve la plus connue est une étude de Stanford de 2020 publiée dans PNAS et dirigée par Allison Koenecke : les systèmes d'Amazon, Apple, Google, IBM et Microsoft, testés en 2019, ont mal reconnu en moyenne 35 % des mots prononcés par des locuteurs noirs, contre 19 % pour des locuteurs blancs. Les moteurs ont progressé depuis, mais personne n'a démontré que l'écart était comblé.

Choisir la variante régionale la plus proche de votre façon de parler aide, et cela ne coûte rien. Nous allons plus loin dans notre guide pour dicter avec un accent ou en deux langues.

Les claviers de téléphone tournent sur de petits modèles ; le cloud peut en faire tourner de gros

La dictée sur téléphone s'exécute souvent sur l'appareil lui-même, où le modèle vocal doit tenir dans le budget mémoire et batterie d'un téléphone, alors que les services cloud peuvent faire tourner des modèles bien plus grands. Apple indique que la dictée sur iPhone est traitée sur l'appareil dans de nombreuses langues, sans connexion internet. Google indique que la saisie vocale avancée du Pixel garde ce que vous dites sur le téléphone, sauf si vous utilisez des fonctions comme Fix it. La saisie vocale de Windows, en revanche, utilise une reconnaissance en ligne qui s'appuie sur les services Azure Speech de Microsoft.

Le traitement local n'est pas moins bon par définition. Il est privé, il fonctionne en avion, et les fabricants de téléphones ajoutent des modèles de langage locaux pour peaufiner le résultat ; dans iOS 27, Apple en utilise un pour améliorer l'orthographe, la ponctuation et les majuscules en anglais sur l’iPhone 17 Pro, l’iPhone Air et les modèles plus récents. Mais c'est un compromis, et l'une des raisons pour lesquelles une même phrase peut sortir différemment sur le téléphone et sur l'ordinateur ; notre article sur la transcription locale ou dans le cloud traite du volet confidentialité.

Si vous avez l'impression que la dictée vocale empire, la technologie n'a probablement pas régressé ; quelque chose a changé dans votre chaîne, comme de nouveaux écouteurs, un nouveau clavier par défaut, une mise à jour du système ou un pack de langue hors ligne. Refaites le test près du micro dans une pièce calme pour voir si le problème suit l'audio ou le logiciel.

La dictée vocale, est-ce de l'IA ?

La dictée vocale relève de l'IA au sens de l'apprentissage automatique : les moteurs de reconnaissance vocale modernes sont des réseaux de neurones entraînés sur de grandes quantités de parole enregistrée associée à des transcriptions, et non des ensembles de règles écrites à la main. Donc oui, elle en fait partie. Whisper d'OpenAI, décrit dans un article de 2022 d'Alec Radford et ses collègues, a été entraîné sur 680 000 heures d'audio collectées sur le web. Tous les moteurs de dictée grand public sont aujourd'hui construits de cette façon.

Cela explique l'essentiel des comportements décrits plus haut. Le modèle prédit les mots les plus probables pour ce qu'il a entendu, d'après ce qu'il a appris ; il est donc solide sur la parole courante et plus faible sur les noms rares et les voix sous-représentées. Il peut se tromper avec aplomb, et produire à l'occasion des mots que personne n'a dits. Notre explication de la reconnaissance vocale détaille le fonctionnement de ces moteurs.

En revanche, cela ne veut pas dire que la dictée écrit à votre place. La dictée vocale de base transcrit ; ce n'est pas de l'IA générative au sens des chatbots. La frontière s'estompe, car beaucoup d'outils ajoutent une seconde étape qui retouche vos mots avec un modèle de langage : Fluid dictation de Windows, Fix it du Pixel, le modèle d'iOS 27 d'Apple et Verbal Cleanup de Laxis en proposent tous une version. Si un règlement scolaire ou une politique d'entreprise restreint « l'IA », demandez s'il vise la transcription ou la réécriture, puis vérifiez quelles options supplémentaires sont activées.

Quand la dictée intégrée suffit

La dictée intégrée suffit pour les messages courts, les recherches et les notes rapides dans une pièce calme, et elle est gratuite. Réglez d'abord le micro, la langue et les pauses. Si ce qui reste relève surtout des noms propres, des mots de remplissage et des phrases décousues, une app de dictée IA vaut son prix.

Laxis Voice Keyboard fonctionne dans vos apps de bureau et de téléphone, supprime les mots de remplissage et les répétitions, ponctue, et utilise votre Personal Dictionary pour les noms. Les limites : il fonctionne uniquement dans le cloud, il lui faut donc une connexion et votre audio quitte l'appareil ; et avec l'offre gratuite, la dictée et les réunions puisent dans une même enveloppe mensuelle de 300 minutes. L'essai Premium de 14 jours ne demande pas de carte bancaire, vous pouvez donc le confronter à vos pires erreurs.

Questions fréquentes

Pourquoi la dictée vocale est-elle si mauvaise sur iPhone ?

Sur iPhone, la dictée vocale se trompe généralement à cause de la distance du micro, du bruit ambiant, ou de noms et de jargon qu'elle n'a jamais appris, plutôt qu'à cause d'un défaut propre à l'iPhone. Tenez le téléphone plus près, dictez par phrases complètes et épelez les noms difficiles lettre par lettre. Sur iPhone 12 et modèles ultérieurs, en anglais américain, vous pouvez aussi corriger un mot mal compris à la voix avec « change ».

Pourquoi la dictée vocale devient-elle de plus en plus mauvaise ?

Si la dictée vocale semble empirer, c'est en général parce que quelque chose a changé dans votre configuration, et non parce que la technologie a régressé. Les coupables habituels : de nouveaux écouteurs Bluetooth, un autre micro par défaut, une mise à jour du système d'exploitation, une nouvelle app de clavier ou un pack de langue hors ligne. Refaites le test avec le micro tout près, dans une pièce calme, pour voir si le problème suit l'audio ou le logiciel.

La dictée vocale, est-ce de l'IA ?

Oui. La dictée vocale moderne repose sur l'apprentissage automatique : un réseau de neurones entraîné sur de grandes quantités de parole enregistrée et les transcriptions correspondantes prédit les mots les plus probables pour le son qu'il entend. Whisper d'OpenAI, par exemple, a été entraîné sur 680 000 heures d'audio. La dictée simple transcrit plutôt qu'elle n'écrit, mais beaucoup d'outils ajoutent désormais une étape d'IA qui met en forme ou réécrit le texte.

La reconnaissance vocale est-elle de l'IA générative ?

La reconnaissance vocale de base n'est pas de l'IA générative au sens des chatbots, car elle transcrit ce que vous avez dit au lieu de créer du contenu nouveau. La frontière s'estompe : les moteurs produisent le texte mot à mot et peuvent parfois insérer des phrases que personne n'a prononcées, et beaucoup d'outils de dictée ajoutent un modèle de langage qui réécrit vos mots. Si un règlement restreint l'IA générative, vérifiez quelles fonctions sont activées.

Comment rendre la dictée vocale plus précise ?

Rapprochez le micro de votre bouche, réduisez le bruit ambiant, parlez par phrases complètes à un rythme normal, et choisissez la bonne langue et la bonne variante régionale. Apprenez ensuite votre vocabulaire à l'outil, avec un dictionnaire personnalisé s'il en propose un. Ces étapes corrigent la plupart des erreurs ; si les noms propres et les mots de remplissage posent encore problème, essayez une app de dictée IA dédiée.

Pourquoi la dictée vocale se trompe-t-elle sur les noms propres ?

La dictée vocale écorche les noms parce que les moteurs de reconnaissance favorisent les mots qu'ils ont souvent vus à l'entraînement, et la plupart des noms de famille, des marques et des sigles sont rares. Sans contexte, le moteur les remplace par le mot courant le plus proche. Ajouter le nom à un dictionnaire personnalisé règle le problème sur les outils qui en ont un ; la dictée intégrée n'en a le plus souvent pas, mais épeler le nom lettre par lettre fonctionne sur iPhone et sur les Pixel récents.