Un assistant d'entretien IA fonctionne-t-il avec les accents ?

La question se scinde en deux, et chaque moitié a une réponse différente. Votre accent influence la façon dont votre propre parole est transcrite. L'accent de l'intervieweur influence le fait que l'assistant ait compris ou non la question à laquelle il s'apprête à répondre, et c'est cette moitié qui détermine si la suggestion affichée à l'écran vaut quelque chose.

Sur les applications de bureau macOS et Windows, les deux côtés sont capturés : l'audio système capte l'intervieweur, votre microphone vous capte, et les deux flux sont reconnus séparément. Seules les phrases achevées de l'intervieweur déclenchent une nouvelle suggestion. L'extension de navigateur Side Panel restreint encore ce périmètre en ne capturant que l'audio de l'onglet de la réunion : elle entend donc l'intervieweur et ne transcrit jamais votre propre parole. Si votre propre accent était ce qui vous inquiétait, l'extension élimine entièrement le problème.

Il est raisonnable de supposer que choisir une langue revient aussi à choisir un accent, et qu'une option d'anglais indien ou d'anglais écossais existe quelque part que vous n'avez pas encore trouvé. Ce n'est pas le cas. Le réglage de langue sélectionne une langue, rien de plus précis. Les variantes régionales se réduisent avant que l'audio n'atteigne le moteur de reconnaissance, si bien que l'anglais britannique et l'anglais américain arrivent comme la même requête.

Ce qui se passe réellement de façon automatique : avec la détection automatique par défaut, le moteur déduit la langue à partir des premières secondes de parole plutôt que de vous demander de la déclarer. La précision sur une parole accentuée dépend de la part de cet accent présente dans les données d'entraînement du modèle de reconnaissance, ce qu'aucun réglage n'expose et que l'application ne peut pas contourner. Le dire clairement vaut mieux que de laisser croire qu'un bouton de réglage existe. L'emplacement des champs de langue est indiqué sur la page tutoriel.

Les erreurs sont rarement spectaculaires. Un terme technique mal entendu ou une négation escamotée se transforme en une suggestion fluide, assurée, et qui répond à quelque chose que l'intervieweur n'a pas demandé. L'échec est discret, ce qui est justement ce qui le rend important à connaître.

Aaron Cao, fondateur de SubcueAI, a placé la transcription en direct à l'écran à côté de la suggestion plutôt que de la masquer, précisément pour cette raison. Voir la phrase que le système pense avoir entendue vous permet de repérer le décalage en environ une seconde, là où une suggestion sans transcription visible vous laisserait faire confiance à une boîte noire au moment où vous pouvez le moins vous le permettre.

L'habitude à prendre : lire d'abord la ligne de transcription, puis la suggestion. En cas de désaccord entre les deux, faites confiance à vos oreilles. La façon dont la capture et la génération de réponse s'articulent est expliquée dans les pages fonctionnement.

Aucun des leviers ci-dessous ne modifie le modèle acoustique, et aucun ne fait transcrire un accent prononcé comme un accent léger. Ce qu'ils font, c'est éliminer les erreurs qu'il vous appartient d'éliminer.

• Un casque plutôt que des enceintes : garde l'audio de l'intervieweur propre et empêche l'écho de la pièce d'être retranscrit.
• Une pièce silencieuse : la parole en arrière-plan est la source d'erreurs que l'on sous-estime le plus, car le moteur de reconnaissance ne sait pas quelle voix est celle de l'entretien.
• Nommer la langue plutôt que de la laisser en détection automatique : si vous savez déjà que l'entretien se déroule en allemand, l'indiquer évite une hésitation de détection dans les premières secondes.
• Moins de sources audio simultanées : la musique, les sons de notification et un second appel arrivent tous dans le même flux audio système.

Faire un entretien simulé sur le matériel exact que vous prévoyez d'utiliser est le moyen le plus rapide de connaître votre taux d'erreur réel avant que cela ne compte.