L’association des acteurs français de la « Voice Tech » se lance dans une campagne de crowdsourcing. Le Voice Lab entend collecter par cette opération quelque 2000 heures de voix, afin de fournir aux membres de l’association une base à partir de laquelle ils pourront chercher des poux aux géants américains du secteur.

En 2017, Mozilla lançait Common Voice, un projet de récolte de données vocales afin d’enrichir un projet de système de reconnaissance vocale. Objectif : collecter 10 000 heures de voix. L’initiative, après un départ sur les chapeaux de roue, est finalement passée sous les radars et a été quelque peu oubliée. Plus près de nous, le Voice Lab a récemment lancé un projet assez similaire.

L’idée consiste à collecter 2000 heures de voix, en français. Mais contrairement à Common Voice, ce « Data Funding » ne consiste pas à demander aux volontaires de lire quelques phrases dans leur micro, mais de faire jouer l’obligation de portabilité des données contenue dans le RGPD. De fait, les utilisateurs de Siri, Alexa ou tout autre service vocal peuvent demander à l’éditeur leurs archives, pour ensuite les fournir au Voice Lab.

Data Funding

L’association, qui réunit entreprises et institutions autour de la Voice Tech, est née d’un appel à manifestation d’intérêt de l’État. « L’écosystème français et extrêmement fragmenté avec des petites et moyennes structures, qui doivent faire face à des mastodontes américains » nous explique Karel Bourgois, président du Voice Lab et fondateur de Voxist. « Ce problème se retrouve dans le secteur de la recherche. Et du côté des grands groupes, on avait la problématique côté utilisateurs, à savoir qu’ils ne trouvent pas d’acteurs français avec les ressources suffisantes pour leurs projets ».

Une fois le Voice Lab fondé et soutenu par la BPI, l’association a voulu étendre cette proposition de mutualisation intrinsèque aux citoyens, « parce que les gens sont de plus en plus conscients des problématiques des données personnelles » signale Karel Bourgois. Ensemble, les membres de l’association comptabilisaient 2000 heures en langue française. « Notre objectif : doubler ce volume de données ». Et à terme atteindre les 100 000 heures.

Tiers de confiance

Dans les 2000 heures actuelles, on trouve aussi bien des cassettes audio enregistrées dans les années 70 que des livres audios, des conversations téléphoniques et surtout des enregistrements réalisés dans le cadre de programmes de recherche. Les 2000 heures supplémentaires recherchées proviendront quant à elles de commandes adressées à des assistants vocaux, des chatbots et autres services commandés à la voix, quoique l’association travaille également sur le sujet des enregistrements des appels aux services client/support, « car le Voice Lab veut se poser en tiers de confiance : on travaille sur le cloisonnement afin que ces données puissent être utilisées dans l’apprentissage ».

L’idée est en effet d’entraîner des modèles sur des données qui correspondent aux problématiques des utilisateurs, mais sans pour autant avoir accès à la donnée. Néanmoins, totalement anonymiser ces données est impossible. Les informations identifiantes seront bien entendu expurgées, mais demeurera inévitablement « une empreinte vocale qui est unique et l’enlever reviendra à supprimer ses propriétés » souligne Karel Bourgois.

La voix souveraine

Surtout, la voix dans sa dimension de nouvelle interface d'interaction avec un service est « un élément de souveraineté » dans le sens où les bases de reconnaissance vocale donnent accès à cette interface, et permettent aux acteurs œuvrant aussi bien dans le champ de la recherche que dans le champ commercial de s’imposer sur le marché en maîtrisant cette interaction vocale. On pourra notamment citer Djingo, l’enceinte intelligente d’Orange, qui utilisait pour sa reconnaissance vocale les services du géant américain Nuance.

« Se réunir ensemble pour avoir l'ensemble des acteurs qui contribuent nous permettra d’atteindre la masse critique, et pourquoi pas après de viser le niveau européen, ce qui fournirait un panel de langues assez unique » prévoit Karel Bourgois. Et les données ne seront que la première brique d’une place de marché qui comprendra également des moteurs de reconnaissance vocale et, enfin, une dernière couche de services à l’instar des assistants vocaux, des chatbots, de solutions de sous-titrage, etc.

L’initiative française dans la Voice Tech reçoit le soutien de la BPI sous la forme de 4,7 millions d’euros en subventions et en prêts. VoiceLab a l’ambition de collecter 100 000 heures de data vocales qui serviront de fondation à une plateforme capable de concurrencer les géants nord-américains du secteur. 

VoiceLab, association des acteurs français de la « Voice Tech », continue son bonhomme de chemin. En mars dernier, nous interrogions son président, Karel Bourgeois, au sujet de la campagne de crowdsourcing que VoiceLab venait de lancer. Objectif : collecter plusieurs milliers d’heures de voix en appelant les internautes francophones à exercer leur droit à la portabilité de leurs données. Y compris leurs données vocales enregistrées par leurs assistants vocaux. 

Mais par un malheureux concours de circonstances, les grands acteurs américains ont par la suite retiré la voix des données récupérables, fermant le robinets pour VoiceLab, qui en appelle désormais aux entreprises, à l’Etat, aux collectivités et jusqu’aux particuliers pour obtenir de précieuses données de voix. Ainsi le ministère des Finances a été en mesure de fournir plusieurs centaines d’heures d’enregistrement, issues entre autres de travaux de sous-titrage de conférences vidéo, nous apprend ce matin Karel Bourgeois.  

Soutien de la BPI

Autre preuve de l’engagement de l’Etat aux côtés de l’association, la BPI vient d’investir 4,7 millions d’euros dans VoiceLab dans le cadre du PIA (Programme d'investissements d'avenir), pour moitié des subventions et le reste en prêts remboursables. Cette aide de la BPI vient soutenir le projet de l'association de constituer une base de 100000 heures de données vocales, données qui serviront à développer une place de marché dotée d'API à laquelle viendront se connecter des acteurs de la reconnaissance vocale afin qu’ils entraînent leurs moteurs. 

Karel Bourgeois vise un projet à cinq ans, “quatre pour construire la plateforme et la cinquième année pour industrialiser”. Et, après, penser l’initiative à l’échelle européenne.  L’association fondée par les sociétés Aday, Batvoice, Kwalys, Linagora et Voxist dispose déjà de 8000 heures de voix apportées par ses membres, qu’il s’agit de mutualiser et de normaliser. Car, selon le président de l’association, la France a de nombreuses ressources en la matière, ainsi que les compétences, mais une industrie de la voix extrêmement fragmentée : “l’écosystème est riche, mais peut-être encore un peu jeune. Ce que l’on voit émerger, c’est un écosystème d’acteurs de plus en plus amenés à travailler ensemble, qui va partager non seulement des données, mais aussi des bonnes pratiques. Donc oui, il y a une filière de la voix qui émerge en France”.