Voici ce qu’ils font et ce que vous pouvez raisonnablement attendre.
Un jour, vous n’aurez plus besoin de comprendre le japonais ni de recourir à un interprète humain pour avoir une conversation courante avec une personne japonaise; une seule langue suffirait pour communiquer avec le monde. Telle est la grande promesse de la plupart des projets d’écouteurs de traduction, et les avancées récentes de l’IA rapprochent cet objectif comme jamais.
À première vue, les écouteurs de traduction semblent être une simple pièce de technologie; par exemple, avec les Apple AirPods Pro, il suffit de se connecter à son iPhone, de sélectionner les langues dans l’application Translate et d’activer la traduction en direct (Live Translation). Ensuite, pendant que le locuteur parle, vos écouteurs traduisent son discours dans votre langue en quelques secondes. D’autres modèles exigent de remettre un écouteur à l’autre intervenant.
Au-delà de l’apparence, les écouteurs de traduction réalisent un ensemble complexe de procédés pour transformer le mandarin en anglais. Les écouteurs de traduction fonctionnent en trois étapes principales : d’abord, la reconnaissance vocale ; ensuite, la traduction automatique ( le traitement audio ) ; et enfin, la synthèse de la parole à partir du texte.
Comment fonctionnent les écouteurs de traduction
Tout d’abord, la reconnaissance vocale. À l’aide des micros, les écouteurs de traduction captent la voix du locuteur. Les écouteurs de traduction haut de gamme utilisent différentes solutions pour séparer une voix du bruit ambiant. Par exemple, le Soundcore Liberty 5 Pro utilise huit microphones, deux capteurs de conduction osseuse et un modèle d’IA spécialisé pour séparer les voix. D’autres utilisent des micros doubles ou à formation de faisceau (beamforming) pour obtenir des résultats similaires.
Après que la voix est captée, l’étape suivante est le traitement audio. À ce stade, l’audio est traité soit sur le téléphone connecté, soit dans le cloud, ou les deux. Ce qui se passe exactement varie selon la marque. Les AirPods Pro d’Apple traitent tout sur l’iPhone une fois que vous avez téléchargé les paquets de langues. Les Google Pixel Buds traitent la traduction dans le cloud, nécessitant une connexion Internet. Pendant le traitement, la reconnaissance vocale transforme le son (la voix du locuteur) en texte, puis ce texte est traduit dans la langue cible. Le NLP (traitement du langage naturel) est utilisé à cette étape pour comprendre le sens et le contexte de la phrase. Certains écouteurs de traduction utilisent aussi des LLM comme ChatGPT pour améliorer ce contexte.
Ensuite, la synthèse vocale. Une fois que la parole du locuteur a été comprise et traduite, l’audio est généré avec une voix synthétique. Cet audio est renvoyé vers votre téléphone, et votre téléphone le transmet à vos écouteurs par Bluetooth, qui à leur tour vous fait entendre l’audio traduit. Certains écouteurs, dont les Apple AirPods Pro et les Galaxy Buds Pro, peuvent exécuter tout le processus de traduction hors ligne, tandis que d’autres peuvent nécessiter une connexion Internet stable; assurez-vous de vérifier avant l’achat si cela vous importe.
Comment bien fonctionnent les écouteurs de traduction
Comparés à leurs débuts, les écouteurs de traduction fonctionnent bien mieux qu’avant. Mais l’exactitude affichée à 95 % ou 99 %, largement mise en avant, n’est rien d’autre qu’un effet marketing (du moins pour l’instant). Oui, de nombreux écouteurs de traduction peuvent atteindre 99 % de précision, ce qui n’est pas faux en soi, mais les conditions pour y parvenir doivent être presque parfaites, ce qui est rarement le cas en dehors du laboratoire du fabricant.
En allant au-delà de cela, l’un des écueils courants des écouteurs de traduction est la vitesse et la précision. Dans des conditions favorables, l’ensemble du processus de capture de la parole à travers le traitement audio et la synthèse en texte peut prendre quelques secondes et être plus long lorsque les conditions ne sont pas idéales. Et ce décalage peut ralentir une conversation. Ensuite, il y a les inexactitudes occasionnelles. La traduction peut être brouillée par une prononciation peu claire du locuteur, des dialectes obscurs, l’argot, les homonymes, les expressions idiomatiques et un bruit de fond important. De plus, plus la paire de langues est peu courante, plus les inexactitudes « occasionnelles » deviennent fréquentes.
L’utilisation hors ligne ajoute ses propres limites. Timekettle propose actuellement 14 paires de langues hors ligne ; les deux premières sont gratuites, tandis que les suivantes coûteront 10 $ chacune, mais la traduction de médias, les appels et les fonctionnalités d’IA avancées nécessitent une connexion Internet. Beaucoup d’écouteurs de traduction servent également d’écouteurs ordinaires pour les appels et les médias, donc si vous ne les achetez pas uniquement pour la traduction linguistique, vérifiez s’ils disposent d’autres fonctionnalités dont vous avez besoin, afin de ne pas avoir à acheter deux paires distinctes d’écouteurs.
