L'IA peut-elle transcrire une réunion quand les participants changent de langue ?

Beaucoup de réunions ne se déroulent pas dans une seule langue. Une équipe produit à Beyrouth peut passer de l'arabe au français puis à l'anglais dans une même phrase. Un appel commercial peut commencer en espagnol et se terminer en anglais. Une entreprise familiale peut mélanger hindi et anglais du début à la fin. L'IA peut-elle tout de même produire une transcription exploitable ?

Réponse courte : souvent oui, mais le résultat dépend fortement de la configuration du système de reconnaissance vocale. Certains systèmes détectent une seule langue principale pour tout l'enregistrement. D'autres sont conçus pour suivre les changements de langue mot par mot. Savoir lequel vous utilisez compte davantage que n'importe quel argument marketing.

Ce que l'alternance codique signifie pour la reconnaissance vocale

Passer d'une langue à l'autre au cours d'une même conversation s'appelle l'alternance codique (code-switching). Les chercheurs en distinguent généralement deux formes :

• Entre les phrases : une personne termine une phrase en anglais, et la phrase suivante est en français.
• À l'intérieur d'une phrase : « Il nous faut l'invoice avant vendredi, yalla, on clôture. »

Une revue systématique récente des travaux sur la reconnaissance vocale de bout en bout souligne que le changement à l'intérieur d'une phrase est le cas le plus difficile pour les systèmes vocaux, et celui sur lequel portent la plupart des études. Le modèle doit reconnaître au même instant les sons, le vocabulaire et la grammaire de deux langues, souvent prononcées avec un accent influencé par une troisième.

Détecter la langue n'est pas suivre chaque changement

Deux fonctionnalités proposées par les fournisseurs sont souvent confondues.

La détection automatique de la langue identifie la langue dominante d'un enregistrement et transcrit l'audio dans cette langue. La documentation de Deepgram décrit detect_language ainsi : la fonction s'applique à l'audio préenregistré et renvoie une langue détectée par canal audio. Elle est excellente quand chaque enregistrement est majoritairement dans une langue que vous n'avez pas indiquée à l'avance, mais elle n'est pas conçue pour signaler plusieurs langues dans un même canal.

Le mode multilingue avec alternance codique est différent. Avec Deepgram Nova-3, le paramètre language=multi utilise un modèle multilingue qui continue de transcrire quand la langue change et attribue un code de langue à chaque mot. Il fonctionne pour l'audio préenregistré comme pour le streaming, et des indications de langue facultatives peuvent orienter le modèle vers les langues attendues.

Si un outil ne détecte qu'une seule langue, une réunion composée à 70 % d'anglais et à 30 % d'arabe sera généralement transcrite comme de l'anglais, et les passages en arabe risquent d'être inexacts, approximatifs ou absents.

Ce que fait ClearScribe aujourd'hui

La plateforme web de ClearScribe utilise Deepgram Nova-3, mais de manière différente selon la fonctionnalité. Voici l'implémentation actuelle, et non tout ce que le fournisseur pourrait théoriquement faire.

Réunions enregistrées et importées. Lorsque ClearScribe traite l'audio d'une réunion, il demande la détection automatique de la langue, la diarisation des locuteurs et le découpage en énoncés. La transcription enregistre une seule langue détectée pour l'enregistrement. Cela fonctionne au mieux quand une langue domine nettement. ClearScribe ne signale pas actuellement chaque changement de langue dans la transcription d'une réunion enregistrée : ne comptez donc pas sur une reconnaissance automatique et fiable de chaque changement.

Sous-titres en direct. Les sous-titres en direct de ClearScribe proposent une option Multilingue qui utilise le mode multilingue de Deepgram Nova-3, avec une détection de fin de parole plus courte adaptée à l'alternance codique. La configuration actuelle de ClearScribe indique dix langues pour cette option : anglais, espagnol, français, allemand, hindi, russe, portugais, japonais, italien et néerlandais. Si votre réunion n'utilise qu'une seule langue, il est généralement préférable de sélectionner directement cette langue.

Après la transcription. Vous pouvez traduire les transcriptions et travailler dans plusieurs langues, renommer les intervenants, corriger l'attribution des locuteurs et générer des résumés et des actions à mener. Pour la liste complète des langues prises en charge, consultez la page prise en charge mondiale des langues de ClearScribe.

La diarisation des locuteurs dans les réunions multilingues

La diarisation répond à la question « qui a parlé et quand », et non « quelle langue a été parlée ». La diarisation de Deepgram attribue un numéro de locuteur à chaque mot, et ClearScribe transforme ces numéros en étiquettes numérotées, comme Intervenant 1 et Intervenant 2. Deepgram décrit sa diarisation comme indépendante de la langue : en principe, une personne qui change de langue conserve donc la même étiquette.

En pratique, les erreurs de diarisation augmentent avec les prises de parole simultanées, les interventions très courtes, les voix similaires et les micros éloignés. Prévoyez de vérifier les étiquettes des intervenants et de les renommer après la réunion.

Quand la précision diminue

Attendez-vous à des résultats moins bons lorsque :

• Les participants changent de langue plusieurs fois dans une phrase courte.
• Des noms, des termes produits et des acronymes sont intégrés à la grammaire d'une autre langue.
• Une langue ou un dialecte ne figure pas dans la liste prise en charge par le fournisseur pour le mode choisi.
• Plusieurs personnes parlent en même temps, ou la salle présente de l'écho et du bruit de fond.
• Un enregistrement est traité avec une détection monolingue alors qu'une grande partie est dans une deuxième langue.
• De forts dialectes régionaux, comme les variétés dialectales de l'arabe, s'écartent des données d'entraînement.

Une transcription peut sembler fluide tout en étant fausse. Les modèles vocaux transforment parfois un mot étranger en un mot de la langue principale qui sonne de façon similaire.

Une méthode pratique pour les réunions multilingues

1. Choisissez la langue principale. Si une langue domine, organisez-vous autour d'elle et utilisez les réglages monolingues lorsqu'ils sont disponibles.
2. Utilisez le mode multilingue à bon escient. Pour les sessions en direct qui mélangent réellement des langues prises en charge, choisissez l'option Multilingue des sous-titres en direct.
3. Améliorez l'audio. Utilisez un bon micro, limitez les conversations parallèles et demandez aux participants de ne pas parler en même temps.
4. Présentez les intervenants. Un rapide tour de table au début facilite la vérification des locuteurs.
5. Relisez avant de partager. Vérifiez les passages avec changement de langue, les noms et les chiffres, puis renommez les intervenants et corrigez les segments.
6. Traduisez après la relecture. Traduire une transcription corrigée donne de meilleurs résultats que traduire des erreurs brutes.

Comment tester avant de vous y fier

Faites un petit test honnête avec vos propres réunions plutôt que de vous fier à une démo :

1. Enregistrez dix à quinze minutes d'une réunion réaliste, avec vos participants, vos micros et votre mélange de langues habituels.
2. Rédigez une transcription de référence soignée pour deux ou trois minutes comportant de fréquents changements de langue.
3. Comparez la transcription de l'IA avec votre référence. Comptez les mots manquants, les mots erronés et les passages transcrits dans la mauvaise langue.
4. Vérifiez les étiquettes des intervenants séparément des mots.
5. Répétez le test avec un réglage monolingue et, le cas échéant, avec l'option Multilingue des sous-titres en direct.
6. Refaites le test chaque fois que votre installation audio ou votre mélange de langues change.

Si les erreurs se concentrent sur les noms et les termes, la relecture demandera peu d'efforts. Si des passages entiers dans la deuxième langue manquent, cette configuration ne convient pas à la réunion.

Capacité du fournisseur ou fonctionnalité de ClearScribe

En résumé

L'IA peut transcrire des réunions multilingues, et les modèles multilingues progressent rapidement. La question essentielle est de savoir si un produit se contente de détecter une langue dominante ou s'il suit réellement les changements. Aujourd'hui, ClearScribe suit les changements dans l'option Multilingue des sous-titres en direct pour les langues indiquées, tandis que les réunions enregistrées utilisent la détection de la langue dominante avec diarisation des locuteurs. Testez avec votre propre audio, relisez la transcription et choisissez le mode qui correspond à la façon dont votre équipe parle réellement.

Sources

• Documentation Deepgram : Multilingual Code Switching
• Documentation Deepgram : Language Detection
• Documentation Deepgram : Diarization
• Deepgram : What is speaker diarization?
• Agro, M. T. et al. : Code-Switching in End-to-End Automatic Speech Recognition: A Systematic Literature Review, arXiv:2507.07741