Une transcription sans intervenants est un long bloc de texte : on ne sait plus qui a posé la question, qui a répondu, qui a pris la décision. La diarisation (de l'anglais « diarization », tenir le journal de qui parle) découpe l'enregistrement en tours de parole et attribue chacun à une personne. Cet article explique comment elle fonctionne, pourquoi elle se trompe parfois, comment enregistrer pour l'aider, et comment l'utiliser concrètement dans Voqia.
Ce que fait la diarisation, et ce qu'elle ne fait pas
La diarisation répond à la question « qui parle quand ? », pas à « qui est-ce ? ». Elle repère qu'une même voix revient à plusieurs moments et la regroupe sous une étiquette, par exemple « Intervenant 1 ». Elle ne connaît pas les noms des personnes : c'est à vous de dire qu'« Intervenant 1 » est Marie. Elle ne fait pas non plus de reconnaissance d'identité, et ce n'est pas la même chose que la transcription : la transcription trouve les mots, la diarisation range ces mots par voix.
Comment elle fonctionne, en quatre temps
Les systèmes diffèrent dans le détail, mais suivent le plus souvent les mêmes grandes étapes :
- Détecter la parole : séparer les moments où quelqu'un parle des silences, de la musique et des bruits.
- Découper en segments courts et calculer pour chacun une « empreinte » de la voix : timbre, hauteur, manière de résonner.
- Regrouper les segments dont les empreintes se ressemblent : chaque groupe devient un intervenant, sans qu'il soit nécessaire de connaître leur nombre à l'avance.
- Aligner ces groupes avec le texte transcrit, pour que chaque phrase porte l'étiquette de la voix qui l'a prononcée.
Pourquoi elle se trompe parfois
La plupart des erreurs viennent de l'enregistrement plus que de l'algorithme. Deux personnes qui parlent en même temps produisent un son mélangé que le système doit attribuer à l'une ou à l'autre. Les interjections très courtes (« oui », « d'accord ») contiennent trop peu de voix pour être bien reconnues. Deux voix au timbre proche, par exemple deux collègues du même âge, peuvent être fusionnées en un seul intervenant. À l'inverse, une même personne qui s'éloigne du micro, change de ton ou parle par téléphone peut être découpée en deux. La musique de fond, l'écho d'une grande salle et un micro de mauvaise qualité aggravent tout cela.
La diarisation dans Voqia, étape par étape
Dans Voqia, la séparation des intervenants s'applique aux fichiers audio et vidéo. Ouvrez la transcription de fichiers, vérifiez que l'option « Identifier les locuteurs » est bien activée (elle l'est par défaut), puis importez votre enregistrement. Vous n'avez rien à déclarer : ni le nombre de personnes, ni leurs noms. Le texte revient découpé en passages horodatés, chacun étiqueté Intervenant 1, Intervenant 2, et ainsi de suite, dans l'ordre où les voix apparaissent. Ouvrez ensuite la section « Renommer les intervenants » (bouton « Options », les trois points en haut de la transcription) pour remplacer chaque étiquette par un nom ou un rôle : le nom choisi s'applique à tous les passages de cette voix, à l'écran, dans la copie du texte et dans le document Word enregistré avec « Sauver ».
Ce qui aide, ce qui gêne
| Situation | Effet sur la diarisation | Ce que vous pouvez faire |
|---|---|---|
| Entretien à deux, pièce calme | Le cas le plus favorable | Micro entre les deux personnes, à distance égale |
| Réunion à 6 autour d'une table | Bon résultat si chacun parle à son tour | Micro au centre, éviter les apartés |
| Débat où l'on se coupe la parole | Passages mélangés attribués à une seule voix | Relire ces passages en réécoutant |
| Deux voix très proches | Risque de fusion en un seul intervenant | Faire se présenter chaque personne en début d'enregistrement |
| Une personne au téléphone, l'autre en face | Qualités de son très différentes | Enregistrer l'appel avec un outil qui capte les deux côtés |
| Musique ou bruit de fond | Segments mal attribués, mots perdus | Couper la musique, s'éloigner des sources de bruit |
Six conseils pour un résultat propre
- Demandez à chacun de dire son nom et son rôle au début : cela vous aidera à renommer les intervenants sans hésiter.
- Placez le micro à distance égale des participants, plutôt que collé à la personne qui anime.
- Évitez les apartés et les interruptions sur les passages importants : décisions, chiffres, engagements.
- Pour un entretien, un micro-cravate par personne, mixé dans un même fichier, donne des voix nettes et bien distinctes.
- Renommez les intervenants avant de copier le texte ou de cliquer sur « Sauver » : le document Word reprend alors les noms. Le compte rendu IA, lui, résume le contenu sans les noms : ajoutez-les en le relisant.
- Utilisez la recherche dans le texte pour vérifier un passage clé, puis réécoutez l'enregistrement à l'horodatage indiqué.
Et en direct ?
Le mode Live de Voqia transcrit en temps réel, depuis le micro ou le son d'un onglet, mais il ne sépare pas les voix : tout le texte arrive dans un seul fil. Séparer les intervenants de façon fiable demande d'entendre une voix plusieurs fois pour la reconnaître, ce que permet l'enregistrement complet. Si vous avez besoin des deux, le texte pendant la réunion et un compte rendu nominatif ensuite, enregistrez la réunion pendant que vous la suivez, puis transcrivez le fichier. Sachez que les deux transcriptions consomment chacune des minutes.
Usages typiques
- Réunions : savoir qui a proposé quoi et qui s'est engagé à faire quoi.
- Interviews et podcasts : distinguer l'intervieweur de l'invité pour citer sans erreur.
- Recherche qualitative : préparer un verbatim d'entretien prêt à coder, avec des rôles (« Enquêteur », « Participant »).
- Cours et conférences avec questions du public : séparer l'intervenant principal des questions de la salle.
- Tables rondes : retrouver rapidement l'intervention de chaque invité.
Exemple chiffré : une interview de 40 minutes à deux voix consomme 40 minutes de transcription, que la séparation des intervenants soit activée ou non. Les 10 minutes offertes permettent de tester sur un extrait ; ensuite, un pack Starter (4,99 €, 1 heure, sans abonnement) couvre l'interview entière.
Diarisation, transcription, identification : trois choses différentes
- La transcription transforme la parole en mots écrits. Elle fonctionne même avec une seule voix.
- La diarisation range ces mots par voix (Intervenant 1, Intervenant 2…), sans savoir qui sont les personnes.
- L'identification du locuteur reconnaît une personne précise à partir d'une voix déjà enregistrée. Voqia ne le fait pas : c'est vous qui nommez les intervenants.
Cette distinction compte aussi pour la vie privée : une transcription diarisée ne dit pas à elle seule qui parle. Ce sont les noms que vous ajoutez, et ce que disent les personnes, qui peuvent les rendre reconnaissables. Pensez-y avant de partager le document.
Questions fréquentes sur la diarisation
Faut-il indiquer le nombre d'intervenants à l'avance ?
Non. Dans Voqia, les voix sont regroupées automatiquement ; il n'y a ni nombre ni noms à déclarer.
La diarisation est-elle payante dans Voqia ?
Elle est incluse : l'option « Identifier les locuteurs » est activée par défaut sur les fichiers, sans supplément. Seule la durée de l'enregistrement est décomptée.
Peut-on renommer les intervenants ?
Oui, dans la section « Renommer les intervenants » de la transcription : « Intervenant 1 » peut devenir « Marie » ou « Enquêteur ». Le nom s'applique à tous ses passages.
Pourquoi deux personnes sont-elles réunies sous le même intervenant ?
Leurs voix sont probablement très proches, ou elles parlaient souvent en même temps. Faites-les se présenter en début d'enregistrement et relisez les passages concernés en réécoutant l'audio.
La diarisation fonctionne-t-elle sur une vidéo ?
Oui. Importez la vidéo MP4 ou MOV dans la transcription de fichiers : la séparation des intervenants porte sur sa piste audio, comme pour un fichier MP3 ou WAV.
La diarisation transforme un bloc de texte en dialogue lisible, à condition de lui donner un enregistrement propre. Sur Voqia, elle est activée par défaut sur les fichiers, et les intervenants se renomment en quelques clics. Essayez-la avec les 10 minutes offertes, sans carte bancaire.