Diarisation audio : qui a parlé dans la réunion, et que faut-il vérifier ?

Vous avez enregistré une réunion et vous voulez une transcription où l’on voit qui parle ? C’est le rôle de la diarisation. L’outil est pratique, mais il faut bien comprendre ce qu’il fait, et ce qu’il ne fait pas.

Ce que fait la diarisation

La diarisation découpe un enregistrement en segments et regroupe ceux qui semblent venir de la même voix. Le résultat ressemble à « Locuteur 1 », « Locuteur 2 », « Locuteur 3 », chacun associé à des moments précis de l’audio.

Ce n’est pas une identification des personnes. L’outil estime que deux passages se ressemblent. Il ne sait pas, par lui-même, que « Locuteur 2 » est Sophie, ni qu’une voix appartient à une personne précise.

Pourquoi des erreurs sont possibles

  • Les chevauchements : quand deux personnes parlent en même temps, un segment peut être attribué à la mauvaise voix, ou à une seule.
  • Le bruit et la qualité audio : écho de salle, micro lointain, connexion instable ou musique de fond brouillent les repères.
  • Les accents et les langues mélangées : ils peuvent perturber la transcription et parfois le regroupement des voix.
  • Les voix proches : deux personnes à la voix similaire peuvent être fusionnées, ou une même personne peut être scindée en deux « locuteurs ».

Le nombre de locuteurs détecté peut donc être faux. Traitez le résultat comme un brouillon à vérifier, surtout si la transcription sert à attribuer une décision ou une tâche.

Et pour mettre de vrais noms ?

Certains outils proposent de rattacher des noms aux voix, par exemple à partir des participants d’une visioconférence ou de profils vocaux. Cela dépend de l’outil et des données qu’il reçoit. Ne comptez pas sur un nom deviné automatiquement : sans information explicite (liste des participants, pistes audio séparées, présentation à voix haute) ou fonction prévue à cet effet, le plus prudent est de garder des étiquettes neutres et de les renommer vous-même après vérification.

Un workflow simple : transcrire, écouter, corriger

  1. Préparer : privilégiez un bon micro, une pièce calme et, si possible, un tour de présentation en début de réunion.
  2. Transcrire : lancez la transcription avec séparation des locuteurs et gardez les horodatages.
  3. Écouter : réécoutez les passages clés, notamment les décisions, les chiffres et les engagements, en suivant le texte.
  4. Corriger : renommez « Locuteur 1 » en nom réel seulement quand vous en êtes sûr, et corrigez les attributions douteuses.
  5. Faire relire : si un point engage quelqu’un, demandez-lui de confirmer qu’il a bien dit cela.
  6. Marquer les incertitudes : notez « attribution à confirmer » plutôt que de trancher au hasard.

Confidentialité : quelques questions à se poser

Une voix enregistrée peut être une donnée personnelle lorsqu’elle permet d’identifier, directement ou indirectement, une personne. C’est la définition donnée par la CNIL. Le contenu d’une réunion peut aussi être sensible. Avant d’utiliser un outil, posez-vous ces questions. Selon votre contexte (entreprise, association, pays), les règles applicables peuvent varier ; en cas de doute, demandez à la personne chargée de la protection des données ou au service juridique de votre organisation.

  • Information des participants : savent-ils que la réunion est enregistrée et transcrite par un outil d’IA ? Dire clairement à quoi servira la transcription est une bonne pratique.
  • Où vont les données : l’audio et le texte sont-ils envoyés à un service tiers ? Vérifiez les conditions d’utilisation, notamment l’usage éventuel pour entraîner des modèles.
  • Accès : qui peut ouvrir l’enregistrement et la transcription ? Limitez-le aux personnes qui en ont besoin.
  • Durée de conservation : combien de temps gardez-vous l’audio et le texte ? Fixez une durée en fonction de l’usage, puis supprimez.
  • Réunions sensibles : pour les sujets RH, de santé ou stratégiques, vérifiez si l’enregistrement est réellement nécessaire.

Pour approfondir les précautions à prendre avant de transmettre des données à un assistant, lisez aussi notre article sur les informations à ne pas confier à ChatGPT.

À retenir

La diarisation répond à « quelles parties viennent de la même voix ? », pas à « qui est cette personne, avec certitude ? ». Utilisez-la pour gagner du temps, vérifiez à l’écoute, nommez les personnes avec prudence et encadrez la confidentialité avant d’enregistrer.

Articles récents