Le reproche le plus fréquent dans les avis sur les prompteurs à suivi vocal, c'est la fiabilité : le texte qui saute trois lignes en avant parce que vous avez toussé, le curseur qui se perd quand vous improvisez, la resynchronisation qui n'arrive jamais. Pourtant, à notre connaissance, aucun éditeur de prompteur ne publie de chiffres sur la fiabilité de son suivi. Des adjectifs (« intelligent », « fluide », « magique »), oui. Des mesures, non.
Nous avons construit un banc de test pour développer le moteur d'Orasync, et nous avons décidé d'en publier la méthode et les résultats — y compris ce qui n'est pas parfait. Voici comment on mesure un suivi vocal, et où en est le nôtre.
Pourquoi c'est difficile à mesurer
Le suivi vocal repose sur la reconnaissance vocale du navigateur (on vous a expliqué son fonctionnement ici), qui fait des erreurs : elle confond des homophones (« ver » / « vert » / « verre »), coupe les liaisons, invente parfois des mots courts, en perd d'autres. Un moteur de suivi doit avancer quand vous lisez malgré ces erreurs, ne pas avancer quand vous improvisez, et vous retrouver quand vous sautez un passage ou revenez en arrière.
Tester ça « à la main » ne prouve rien : chaque essai au micro est différent, impossible à rejouer, impossible à comparer. Notre banc de test fonctionne donc autrement : il simule la sortie de la reconnaissance vocale, avec des erreurs typiques du français injectées de façon contrôlée et reproductible (les mêmes graines aléatoires produisent exactement les mêmes erreurs, à chaque exécution, sur chaque machine).
Ce que simule le banc : homophones français, élisions (« l'ami » entendu « lami »), mots coupés, insertions et suppressions de mots, chiffres transcrits en lettres (et l'inverse), résultats intermédiaires instables puis résultat final corrigé — le comportement réel de la Web Speech API, en pire.
Les scénarios
Un discours de test de 467 mots (et un de 3 000 mots pour la performance) passe dans 9 scénarios, dont :
- Lecture parfaite — le cas de base, avec et sans résultats intermédiaires ;
- Erreurs de reconnaissance à 5 %, 15 % et 30 % — trois graines aléatoires par taux (30 %, c'est un micro médiocre dans une pièce qui résonne) ;
- Mots répétés — le piège classique : « très très important, et c'est important de le dire » ;
- Improvisation — 20 mots hors script au milieu de la lecture : le curseur ne doit pas bouger ;
- Saut en avant — l'orateur saute 30 mots : le moteur doit le retrouver ;
- Retour en arrière — l'orateur reprend 40 mots plus haut : pareil, dans l'autre sens ;
- Chiffres et lettres — le script dit « 1 500 € », vous dites « mille cinq cents euros » (et l'inverse) ;
- Hypothèses multiples — la reconnaissance propose plusieurs transcriptions, le moteur choisit celle qui colle au script.
Pour chaque scénario, on mesure : la position finale du curseur (est-il exactement là où l'orateur s'est arrêté ?), les faux sauts (le curseur termine plus de 5 mots devant l'orateur après avoir avancé — l'erreur la plus destructrice en conditions réelles), les événements de désynchronisation, et le temps de calcul.
Les résultats (version actuelle du moteur)
- Position finale exacte : 45 mesures sur 45. Dans tous les scénarios, y compris 3 000 mots avec 15 % d'erreurs, le curseur termine exactement sur le mot où l'orateur s'est arrêté (tolérance : 2 mots).
- Faux sauts : 0 sur tous les scénarios de synthèse. Mots répétés, improvisation, sauts, retours en arrière, chiffres : aucun faux saut.
- Une exception, qu'on assume : sur une des neuf passes de bruit (5 % d'erreurs, graine n°3), le curseur fait un saut transitoire de +9 mots… que le moteur rattrape tout seul deux resynchronisations plus tard — la position finale reste exacte. On préfère publier ce chiffre que l'arrondir à zéro.
- Vitesse : ~0,01 milliseconde par transcription (maximum observé : 0,7 ms sur 3 000 mots). Le suivi ne fera jamais ramer votre machine — tout se joue dans la latence de la reconnaissance elle-même.
Ce que ça change par rapport à l'ancien moteur
Le même banc, exécuté sur notre moteur précédent (celui d'avant juillet 2026), raconte pourquoi nous l'avons réécrit :
- Mots répétés : 7 faux sauts (jusqu'à +12 mots) contre 0 aujourd'hui ;
- Retour en arrière : l'ancien moteur ne suivait pas (erreur moyenne de relecture : +18 mots, 4 faux sauts jusqu'à +15) — le nouveau se resynchronise en ~15 mots ;
- Bruit à 5 % : 1 à 3 faux sauts par passe, contre 0 à 1 transitoire aujourd'hui.
Les trois mécanismes qui ont fait la différence : une resynchronisation bidirectionnelle (le moteur cherche l'orateur en avant et en arrière, sur des empreintes phonétiques de trois mots), une ancre d'énoncé (le résultat final de la reconnaissance fait autorité et rejoue tout l'énoncé, ce qui élimine le double-comptage des mots répétés), et la sélection d'hypothèses (quand la reconnaissance hésite entre plusieurs transcriptions, on essaie chacune à blanc et on garde celle qui apparie le plus de mots du script).
Ce que ce banc ne prouve pas
Un banc de test honnête dit aussi ce qu'il ne couvre pas :
- Il simule la reconnaissance, pas votre micro. La qualité réelle dépend du navigateur (Chrome et Edge sont les mieux servis), de votre micro et de votre pièce. Le banc mesure la robustesse du suivi aux erreurs de reconnaissance, pas la reconnaissance elle-même.
- Il est optimisé pour le français. Les homophones, les élisions et les nombres simulés sont français. Le suivi fonctionne dans nos autres langues, mais c'est le français qui bénéficie de toutes les optimisations.
- Le chant, les débits extrêmes et les accents très marqués ne sont pas modélisés.
Depuis cette version, le banc tourne automatiquement à chaque modification du code, avec un garde-fou : si une mesure régresse — un faux saut de plus, une position finale perdue — la modification est bloquée. Les chiffres ci-dessus ne sont pas une photo flatteuse d'un bon jour : ce sont les seuils que chaque version doit re-prouver pour sortir.
Conclusion
Le suivi vocal n'est pas de la magie : c'est un problème d'ingénierie mesurable, et nous pensons que le mesurer publiquement devrait être la norme. Si vous éditez un prompteur et publiez vos propres chiffres, on les lira avec plaisir. En attendant, le nôtre est gratuit et se teste en trente secondes — collez un texte, parlez, sautez un paragraphe, improvisez : vous verrez le moteur vous suivre.