D RAGON N ATURALLY S PEAKING

Dans ce chapitre, nous décrirons le logiciel de reconnaissance vocale leader sur le marché, Dragon Naturally Speaking, dont nous nous sommes servie tout au long de notre expérience.

Dragon Naturally Speaking (DNS) est apparu pour la première fois sur le marché en 1997, pour remplacer son prédécesseur Dragon Dictate, paru en 1990¹⁸. DNS a été le premier système de RV à permettre une dictée continue, au contraire de Dragon Dictate qui nécessitait une pause après chaque mot. Selon le vice-président senior et manager général de Dragon, avant cela la reconnaissance vocale, ainsi que les produits qui s’en servaient étaient très limités. Grâce à

18 https://www.bbc.com/future/article/20170214-the-machines-that-learned-to-listen consulté le 28/01/2020

32 reconnaissance vocale pour la création d’un document (soit sans effectuer de pause après chaque mot). En effet, ce logiciel permet de reconnaître environ 100 mots à la minute¹⁹. À ce stade, nous pourrions donc conclure que la reconnaissance vocale est très proche de l’être humain. La seule différence majeure réside dans ce que l’on appelle l’« effet cocktail party » : ce dernier se réfère aux difficultés rencontrées par un logiciel de RV, tel que Dragon, à capter les sons et à les reconnaître dans un environnement bruyant. Afin que le système fonctionne bien, il est important de parler très proche de microphone de manière claire et d’être dans un espace au calme²⁰.

Dragon Naturally Speaking est le logiciel leader sur le marché, non seulement grâce à son fonctionnement irréprochable, mais aussi à ses nombreuses fonctionnalités, notamment :

• Dictée vocale ;

• Rédaction et modification plus rapide que la vitesse de mots tapés en moyenne (environ le double) (Bouillon, 2017a) ;

• Possibilité d’utiliser les voices tags, afin de contrôler Windows sans utiliser le clavier et la souris pour donner des commandes vocales telles qu’ouvrir des fenêtres, des documents, envoyer des mails, naviguer sur Internet, etc. ;

• Compatibilité avec la plupart des logiciels (Word, Excel, Outlook, Trados, Google Chrome, etc.).

De plus, la création d’un ou plusieurs profils utilisateurs permet à Dragon de spécialiser la reconnaissance vocale à la voix de chaque utilisateur, apprenant ainsi des éventuels accents, des différentes prononciations, ou encore des noms propres spécifiques.

Parmi les différents avantages de Dragon, la personnalisation du dictionnaire demeure l’un des plus important. Dans l’éditeur du vocabulaire, il est effectivement possible d’ajouter ou de supprimer des mots. Il est possible d’ajouter des mots tels que des noms propres, des termes spécifiques à un domaine, mais aussi de supprimer des mots jamais utilisés et qui pourraient engendrer une confusion durant la dictée. Lors de la dictée, l’utilisateur peut également ajouter des mots dans l’éditeur. À noter que si l’on veut ajouter une liste importante de mots, il est possible d’importer une liste de mots : Dragon permet, pour chaque mot ou expression de préciser la prononciation afin de faciliter la reconnaissance. Cette « préférence » peut être très

19 https://www.bbc.com/future/article/20170214-the-machines-that-learned-to-listen consulté le 28/01/2020

20 Ibidem

33 différente du mot, car Dragon sera en mesure d’associer telle prononciation à tel mot (Bouillon, 2017a).

En outre, Nuance a annoncé la dernière version de Dragon en février 2017, basée sur la technologie d’apprentissage profond. Dès lors la productivité a progressée, même si elle était déjà importante²¹. En effet, cette technologie permet une précision plus élevée, ainsi qu’une rapidité et une personnalisation de haut niveau. Nuance affirme que grâce à cette technologie

« Dragon s’ouvre à toujours plus d’utilisateurs par sa capacité à apprendre avec une précision accrue les accents et les habitudes de langage des individus, et à s’adapter savamment aux conditions acoustiques des environnements ouverts ou mobiles. »²². De plus, cette version est la première qui permet l’intégration de l’apprentissage profond au système personnel de l’utilisateur, afin que ce système puisse optimiser les capacités acoustiques et linguistiques à partir des données vocales²³. D’après Vlad Sejnoha, directeur technique de Nuance Communications, l’entraînement des modèles neuronaux nécessite de gros volumes de données ainsi qu’un environnement de calcul de haute performance. Toutes ces fonctionnalités permettent un gain de précision jusqu’à 24 %²⁴.

21 https://www.nuance.com/fr-fr/about-us/newsroom/press-releases/Nuance-annonce-la-nouvelle-version-de-Dragon-pour-Windows-qui-la-technologie-de-Deep-Learning-de-Nuance.html consulté le 28/01/2020

22Ibidem

23Ibidem

24 https://www.nuance.com/fr-fr/about-us/newsroom/press-releases/Nuance-annonce-la-nouvelle-version-de-Dragon-pour-Windows-qui-la-technologie-de-Deep-Learning-de-Nuance.html consulté le 28/01/2020

34

6 Méthodologie

Comme annoncé à la section 3, nous nous sommes appuyée en particulier sur l’étude conduite par Mesa-Lao (2014). Par la suite, nous procéderons à la description détaillée de l’évaluation en expliquant les caractéristiques choisies pour l’évaluation, la méthodologie adoptée et nous présenterons le profil des participants.

Cette étude vise à observer si l’utilisation de la reconnaissance vocale a un impact sur la productivité d’un traducteur italophone lors d’une tâche de post-édition. Puisque la reconnaissance vocale est une technologie de plus en plus fréquemment utilisée, nous nous intéressons depuis plusieurs années à cette nouvelle méthode d’interaction, notamment en lien avec la traduction. Tout au long de notre parcours académique, nous avons eu l’occasion d’aborder ce sujet, qui a tout de suite suscité notre intérêt. C’est pour cette raison que nous avons choisi d’étudier plus en détails le fonctionnement de ce moyen d’interaction et son impact sur le travail du traducteur.

Pour que notre évaluation soit complète et que le score soit objectif, nous avons d’abord défini un modèle de qualité, présenté à la section 6.1, et ensuite le modèle des tâches, que nous verrons plus en détails aux sections 6.2.1 et 6.2.2.