Passe de mise en forme
Aussi : post-traitement
Mis à jour le
Définition
La passe de mise en forme est l’étape qui suit la reconnaissance vocale et transforme une transcription brute en texte qu’une personne aurait tapé : ponctuation, majuscules, nombres en chiffres, hésitations supprimées, et un ton adapté à la destination du texte. C’est là que se joue l’essentiel de la différence entre les outils de dictée.
Un moteur de reconnaissance produit des mots. Il ne sait pas que « ten thirty am » doit devenir 10:30 AM, qu’un message Slack s’écrit en minuscules et un e-mail à un client non, ni que « bob at acme dot com » est une adresse. La passe de mise en forme le sait, ou est censée le savoir. Les premiers outils le faisaient avec des règles ; la génération actuelle fait passer un petit modèle de langage sur la transcription ; les meilleurs font les deux, avec des règles pour tout ce qui n’a qu’une bonne réponse et le modèle pour ce qui demande du jugement.
C’est aussi l’étape où les choses peuvent mal tourner de plus de façons. Un modèle à qui l’on demande de « nettoyer ça » va reformuler, resserrer et parfois inventer, et un modèle lent transforme un outil rapide en salle d’attente. La façon dont un produit encadre sa passe de mise en forme en dit plus sur sa qualité que le moteur de reconnaissance qu’il utilise.
Ce que fait une bonne passe
Elle retire les hésitations et les faux départs. Elle ponctue et met les majuscules. Elle écrit les nombres, les heures, les dates, les prix, les unités, les e-mails et les URL sous leur forme correcte. Elle applique les commandes vocales comme « new paragraph ». Elle insère les extraits et les termes du dictionnaire exactement tels qu’ils ont été enregistrés. Elle adapte le ton à l’app de destination, familier ou professionnel, et ce ton peut être fixé par app. Elle laisse intacts les terminaux et les éditeurs de code. Tout ce qui figure dans cette liste est soit une règle, soit un modèle aux consignes étroites, et l’ordre compte : les règles d’abord, pour que le modèle n’ait jamais l’occasion de remettre en question une heure.
Règles contre modèle
Un modèle de langage est bon en jugement et peu fiable en précision. Face à « ten thirty AM », il écrit généralement 10:30 AM, et « généralement » est le problème, car vous ne remarquerez la fois où il a écrit 10:30 PM qu’après avoir manqué la réunion. Tout ce qui n’a qu’une bonne réponse (heures, ponctuation dictée, mots du dictionnaire, extraits, noms de symboles) doit être traité par une règle déterministe qui produit le même résultat à chaque fois et peut être testée. Le modèle reçoit ce qui reste : l’enchaînement des phrases, les sauts de paragraphe, les hésitations qui en étaient vraiment, et le ton.
Garde-fous
Trois méritent d’être exigés. Une vérification du contenu : si la sortie du modèle perd un mot que vous avez dit ou en ajoute un que vous n’avez pas dit, elle est rejetée et la transcription mise en forme par les règles est conservée. Un budget de temps : si le modèle n’a pas répondu dans un délai fixe, la transcription arrive sans lui. Et une échappatoire mot à mot : les apps où toute réécriture est un bug n’ont aucun modèle. Avec ces garde-fous, une passe de mise en forme ne peut qu’améliorer le texte ou le laisser tel quel ; elle ne peut jamais casser une dictée.
Comment mettre en forme le texte vous-même avec Dictée d’Apple
La Dictée intégrée d’Apple fait une petite partie de ce travail automatiquement et laisse le reste aux commandes vocales. Savoir où passe cette limite vous montre ce qu’une passe de mise en forme plus complète ferait pour vous.
La partie automatique, c’est la ponctuation automatique, qui insère virgules, points et points d’interrogation pendant que vous parlez, dans les langues prises en charge. Les paragraphes, les majuscules au-delà de celles par défaut et les symboles se disent à voix haute.
- Choisissez menu Pomme → Réglages Système, cliquez sur Clavier dans la barre latérale, puis allez dans Dictée.
- Activez Dictée, et vérifiez que « Ponctuation auto » est activée si vous voulez que virgules, points et points d’interrogation soient insérés pour vous.
- Commencez à dicter, et dites « nouvelle ligne » ou « nouveau paragraphe » là où vous voulez un saut.
- Dites « chiffre » avant un nombre pour que l’expression suivante soit écrite sous forme de nombre.
- Dites « activer maj » pour que les mots suivants commencent par une majuscule, et « annuler maj » pour revenir à la normale. Dites « toutes maj » pour mettre le mot suivant tout en majuscules.
- Dites le nom d’un symbole pour l’insérer, comme « arobase », « symbole pour cent », « symbole dièse » ou « symbole du dollar ».
- Relisez le résultat. Tout ce que vous avez encore dû corriger à la main, c’est le travail qu’une passe de mise en forme aurait à faire.
Passe de mise en forme ou normalisation inverse du texte
La normalisation inverse du texte est le nom plus ancien et plus étroit d’une partie de ce travail : transformer les formes parlées en formes écrites, comme « ten thirty » en 10:30. L’article sur Whisper note que beaucoup de systèmes de reconnaissance vocale en comportent un certain niveau, souvent simple ou fondé sur des règles, et repérable à ce qu’il laisse de côté, comme le fait de ne jamais mettre de virgules.
Des modèles ouverts plus récents ont déplacé une partie de ce travail dans la reconnaissance elle-même. Whisper a été entraîné à prédire le texte des transcriptions tel qu’il est écrit, ce qui, selon ses auteurs, rend inutile une étape séparée de normalisation inverse. NVIDIA présente Parakeet TDT 0.6B v2 comme gérant directement la ponctuation et les majuscules.
La passe de mise en forme, c’est tout ce qui se passe encore après. La ponctuation fournie par la reconnaissance est un point de départ. Retirer les hésitations, appliquer vos propres termes et s’adapter à l’app de destination sont des étapes à part, qu’un modèle de reconnaissance ne fait pas.
Comment ajouter vos propres règles de mise en forme dans macOS
macOS a sa propre petite couche de mise en forme à base de règles, qui illustre bien ce qu’est une règle déterministe : la même entrée donne toujours la même sortie. Les remplacements de texte remplacent une chaîne par une autre, et les guillemets courbes et tirets modifient la ponctuation à mesure que le texte est saisi.
Apple précise que les remplacements de texte, les guillemets courbes et tirets, et les liens intelligents ne sont pas disponibles dans toutes les apps. Si du texte arrive avec des guillemets courbes ou une substitution inattendue, vérifiez ces réglages avant de chercher ailleurs.
- Choisissez le menu Apple → Réglages Système, puis cliquez sur Clavier dans la barre latérale.
- Cliquez sur Remplacements de texte.
- Cliquez sur le bouton Ajouter, saisissez le texte à remplacer et son remplacement, puis cliquez sur Ajouter.
- Pour changer le comportement des guillemets et des tirets, allez dans Entrée de texte dans les réglages Clavier et cliquez sur Modifier.
- Activez ou désactivez « Utiliser des guillemets courbes et des tirets », choisissez des styles de guillemets si vous le souhaitez, puis cliquez sur Terminé.
- Dans une app donnée, choisissez Édition → Substitutions pour activer ou désactiver Remplacement de texte pour cette app.
Les questions qu’on se pose.
Qu’est-ce que le post-traitement dans un logiciel de dictée ?
Tout ce qui arrive à la transcription après que le modèle vocal l’a produite : ponctuation, majuscules, mise en forme des nombres, suppression des hésitations, commandes vocales et ton. C’est l’étape qui transforme une transcription en texte écrit, et celle où les outils diffèrent le plus.
La mise en forme utilise-t-elle l’IA ?
Dans la plupart des outils actuels, en partie. Un petit modèle de langage se charge des décisions de jugement comme le ton et l’enchaînement des phrases. Les meilleurs outils traitent plutôt par une règle fixe tout ce qui n’a qu’une bonne réponse, comme les heures et la ponctuation, car un modèle n’a raison que la plupart du temps.
Puis-je désactiver la mise en forme ?
Un bon outil vous laisse choisir le niveau, du mot à mot au texte entièrement soigné, et passe automatiquement en mot à mot dans les terminaux et les éditeurs de code. Moins de mise en forme veut aussi dire un texte plus rapide, un compromis raisonnable pour une réponse rapide.
Dictée d’Apple ajoute-t-elle la ponctuation automatiquement ?
Oui, dans les langues prises en charge. Dictée d’Apple insère automatiquement virgules, points et points d’interrogation, et vous pouvez le désactiver dans Réglages Système, sous Clavier, dans la section Dictée. Les autres signes s’obtiennent en disant leur nom.
Qu’est-ce que la normalisation inverse du texte ?
C’est l’étape qui transforme les formes parlées en formes écrites, comme les nombres prononcés en chiffres. C’est une partie de la passe de mise en forme, et certains modèles vocaux récents produisent directement la ponctuation et les majuscules, si bien qu’il en faut moins.
Comment faire écrire les nombres en chiffres par la dictée ?
Avec Dictée d’Apple, dites « chiffre » avant le nombre : l’expression suivante est écrite sous forme de nombre. Les outils dotés d’une passe de mise en forme plus complète convertissent nombres, heures et prix sans commande.
