Le Registre · Entrée 009 · Perception
La transcription de la parole conversationnelle
Cédée aux machinesDepuis 2016Critère performanceDernière révision 2026-08-17
Événement
Microsoft annonce 5,9 % de taux d'erreur sur les mots sur le corpus téléphonique Switchboard, à égalité avec ses transcripteurs professionnels ; 5,1 % suivent en 2017.
L'affirmation de parité repose sur un seul corpus de conversations téléphoniques en anglais enregistrées dans les années 1990 et sur une mesure précise de l'erreur humaine ; IBM soutenait que le plancher humain était plutôt de 5,1 %, atteint par Microsoft l'année suivante. Sur une parole propre et bien dotée en données, les machines dépassent désormais l'auditeur ordinaire. Non cédé : accents marqués, locuteurs qui se chevauchent, pièces bruyantes et la plupart des langues du monde, où les taux d'erreur restent bien plus élevés ; l'avantage du transcripteur humain, c'est le contexte, pas l'ouïe.