Pourquoi votre transcription est fausse (et comment y remédier)

On accuse l'app quand une transcription revient pleine de n'importe quoi. Presque toujours, l'app a fait le mieux possible avec ce qu'on lui a donné. La qualité d'une transcription se décide au moment de l'enregistrement — et à ce stade, il est trop tard pour corriger.

Les huit choses qui ruinent une transcription

1. La distance. Le facteur numéro un. L'intelligibilité chute vite avec l'éloignement, et un téléphone à l'autre bout d'une table est déjà trop loin. À portée de bras, le résultat n'a rien à voir.
2. Le bruit de fond. Pas le volume en soi, mais sa nature : un café est bien pire qu'une route passante, parce que d'autres voix entrent directement en concurrence avec la vôtre.
3. La réverbération. Une pièce dure et vide fait baver chaque mot sur le suivant. Le textile aide plus qu'on ne l'imagine — c'est pourquoi une chambre se transcrit mieux qu'une cuisine.
4. Plusieurs personnes à la fois. Les paroles qui se chevauchent sont le cas le plus difficile pour tous les systèmes. En réunion, parler chacun son tour aide plus la transcription que n'importe quel réglage.
5. Le vent. Dehors, le vent sur le micro détruit des phrases entières. Une main en coupe autour du téléphone est étonnamment efficace.
6. Les fins de phrase. On baisse la voix à mesure qu'on se désintéresse de ce qu'on dit. C'est là que se concentrent la plupart des erreurs.
7. Les noms propres. Noms, produits et jargon n'ont aucun contexte permettant de les déduire. Épelez une fois les plus importants au début, et corrigez-les après en quelques secondes.
8. Le contact avec la table. Un téléphone posé à plat capte chaque tapotement et chaque tasse, directement par son châssis. L'adosser à quelque chose vaut mieux que le coucher.

Ce qui aide vraiment, dans l'ordre

• Le téléphone à portée de bras, orienté vers vous.
• Une pièce meublée plutôt qu'une pièce dure — rideaux, canapé, tapis.
• Des écouteurs filaires avec micro, qui sont par construction près de la bouche et battent le téléphone dans presque tout environnement bruyant.
• Parler un peu plus lentement que naturellement. Pas lentement — juste sans précipitation.
• Dire la ponctuation à voix haute si vous voulez de la structure : « point », « à la ligne ».

Pourquoi le résumé compte plus que la transcription parfaite

La transcription d'un enregistrement de dix minutes fait environ 1 500 mots de parole non structurée, faux départs et répétitions compris. Presque personne ne relit ça. C'est techniquement une trace, et concrètement encore un fichier audio — un truc dont on sait qu'il contient la réponse et qu'on ne rouvre jamais.

C'est la vraie raison d'être des résumés : non pas que la transcription soit insuffisante, mais que du texte brut est presque aussi inexploitable que de l'audio brut. Ce qui donne sa valeur à une note vocale, c'est de récupérer quelque chose de plus court que ce qu'on y a mis.