Pourquoi l’IA peut-elle ajouter des phrases jamais prononcées dans une transcription ?
Les mots du début sont justes, mais une phrase entière a été ajoutée. Comment une transcription peut-elle contenir des paroles absentes de l’enregistrement ?
Sommaire
Parce que certains systèmes de transcription génèrent du texte à partir du son : ils peuvent produire une suite plausible sans qu’elle ait été prononcée. Une phrase ajoutée parmi des mots bien reconnus peut alors passer inaperçue. C’est une forme d’hallucination : ici, du texte sans appui dans l’enregistrement.
Du son au texte, il reste une prédiction
Whisper, un Modèle de langage (LLM)Le moteur d'un chatbot comme ChatGPT : un programme entraîné sur d'immenses quantités de textes pour produire une suite plausible à ce qu'on lui écrit. Voir la définition de reconnaissance de la parole, apprend à partir d’enregistrements associés à leur transcription. Il produit ensuite le texte morceau par morceau, en tenant compte du son et du texte précédent. Le contexte peut l’aider à interpréter un passage ambigu. Ce fonctionnement est décrit dans l’article de recherche sur Whisper, publié en 2023.
Mais le résultat peut contenir des paroles absentes. Dans une étude publiée en 2024, des chercheurs ont repéré des phrases entières ajoutées par Whisper, parfois après une transcription par ailleurs très fidèle. Les ajouts étaient plus fréquents lorsque les extraits comportaient une plus grande part de temps sans parole. Cette association ne prouve pas que toute pause déclenche une invention.
Une phrase juste peut en cacher une ajoutée
Exemple entièrement fictif : Lou enregistre « Les chaises sont installées. », puis laisse une longue pause. La transcription affiche : « Les chaises sont installées. Le buffet arrivera à midi. »
La seconde phrase paraît naturelle pour préparer une fête. Pourtant, Lou n’a rien dit sur le buffet. Le début correct rend l’ajout moins visible, sans lui donner de fondement. Cet exemple illustre le problème ; il ne rapporte pas un essai réalisé avec un outil.
Revenir à l’enregistrement
Avant de reprendre un horaire, un nom ou un engagement, réécoutez le passage correspondant. Si vous ne pouvez pas confirmer les mots, gardez l’incertitude visible. Une ponctuation soignée ne remplace pas cette vérification.
Limite : l’étude citée porte sur Whisper, avec des essais menés en anglais en 2023. Elle ne mesure pas la fréquence de ces erreurs dans tous les outils actuels ni en français. Le point à retenir reste précis : une transcription fluide peut contenir des paroles qui n’ont jamais été dites.