The Brief
Santé et médecine 6 min de lecture

L'IA a redonné sa voix à cet homme. Voici comment.

NAVION

Partager

Une voix n’est pas seulement un son. Elle porte une identité, une mémoire, une personnalité, la manière particulière dont quelqu’un rit ou hésite avant un mot. Pour les personnes atteintes de maladies comme la SLA, la sclérose latérale amyotrophique, la perte progressive de la parole n’est pas seulement une limitation physique. C’est l’érosion de soi. Ce que l’intelligence artificielle rend désormais possible dans ce domaine mérite d’être compris avec attention, car cela va bien au-delà d’une simple mise à niveau technique des dispositifs d’assistance.

L’ancienne méthode était mieux que rien, et pas beaucoup plus

Pendant des décennies, les personnes confrontées à la perte de leur voix avaient deux options principales. La première était la mise en banque de messages : enregistrer des phrases courantes alors que la parole était encore possible, créant ainsi une bibliothèque de réponses préétablies. La seconde était la mise en banque de voix, un processus plus systématique nécessitant d’enregistrer environ 1 600 phrases spécifiques. Ces enregistrements étaient ensuite intégrés dans un logiciel capable d’assembler les sons pour produire n’importe quel mot à la demande.

Richard Cave, orthophoniste à l’University College London qui travaille avec des patients atteints de la SLA, a contribué à développer l’initiative de mise en banque de voix au Royaume-Uni à partir de 2017. De son propre aveu, après avoir fait passer environ 100 personnes par ce processus, les résultats étaient honnêtes mais limités. Les voix n’étaient pas affreuses, mais elles n’étaient pas bonnes non plus. Elles capturaient quelque chose de la personne, mais pas la personne. C’était tout simplement la meilleure technologie disponible à l’époque.

Le physicien Stephen Hawking a utilisé une voix synthétisée pendant des décennies et, selon ses propres mots, l’a trouvée acceptable, même s’il reconnaissait qu’elle semblait un peu métallique. Tout le monde ne partage pas cette tolérance. Jules Rodriguez, chez qui on a diagnostiqué une SLA, a décrit sa voix mise en banque dans un sketch comme ressemblant à Daft Punk joué au quart de la vitesse. L’écart entre ce que produisait la mise en banque de voix et ce à quoi ressemble réellement une voix humaine était suffisamment grand pour compter profondément.

Trente minutes audio, un clone vocal

Le changement est venu avec le clonage vocal propulsé par l’IA. Le changement fondamental est important : au lieu d’exiger qu’une personne enregistre des centaines de phrases spécifiques dans un environnement contrôlé, les systèmes modernes peuvent travailler à partir de fichiers audio existants. De vieux messages vocaux, un discours enregistré, une intervention dans un podcast, tout ce qui capture la voix naturelle d’une personne peut servir d’élément d’entrée.

Jules Rodriguez a utilisé des enregistrements de sa propre voix pour créer un clone vocal généré par l’IA en juin 2024, par l’intermédiaire de l’entreprise ElevenLabs. Le résultat a été si frappant que lorsque sa femme l’a entendu pour la première fois, elle a pleuré. Après des mois de s’adapter progressivement à entendre sa voix de moins en moins, le clone représentait quelque chose qui semblait définitivement perdu.

La technologie fonctionne en extrayant des caractéristiques spécifiques de l’audio source : la hauteur, le ton, la prosodie, les schémas de respiration. Ces éléments sont utilisés pour construire un modèle de la voix, qui peut ensuite générer de la parole à partir de n’importe quel texte tapé au clavier. Le résultat comprend les petits détails humains que la mise en banque de voix traditionnelle manquait complètement, des respirations entre les mots, des intonations naturelles, et même des bégaiements. L’orthophoniste Kate Nilson, qui a testé elle-même la technologie, décrit une partie jouée avec des collègues essayant de distinguer sa vraie voix du clone. La difficulté à les différencier est, selon elle, véritablement troublante.

Laura Sanders, la journaliste qui a rapporté cette histoire, a créé son propre clone vocal en utilisant l’option professionnelle d’ElevenLabs, qui nécessitait 30 minutes de saisie audio. Le clone obtenu pouvait ajuster la vitesse, le ton et le registre émotionnel, et pouvait même produire de la parole dans d’autres langues. La démonstration est instructive non pas parce qu’il s’agit d’une nouveauté, mais parce qu’elle montre à quel point la technologie est devenue accessible.

Un détail que l’orthophoniste Nilson souligne est particulièrement important : la capacité d’utiliser de vieux enregistrements ouvre la porte aux personnes dont la parole s’est déjà détériorée au moment où elles demandent de l’aide. Selon l’ancien modèle, si la voix d’une personne avait déjà changé de manière significative, il était souvent trop tard pour la mettre en banque efficacement. Le clonage par IA change la donne.

Ce que cela signifie au-delà du cas médical

L’histoire de Jules Rodriguez et de Patrick Darling, un musicien qui utilise son clone vocal pour chanter et se produire sur scène, pointe vers quelque chose de plus large que la technologie d’assistance. Elle soulève une question sur ce qu’est réellement une voix et ce que signifie en préserver une.

La mise en banque de voix traditionnelle traitait la voix comme un outil fonctionnel : un moyen de produire une parole intelligible. Le clonage par IA la traite comme quelque chose de plus proche d’un artefact identitaire, quelque chose qui vaut la peine d’être capturé dans toute sa texture, y compris ses imperfections. La distinction est importante car elle modifie l’objectif de la technologie. Il ne s’agit pas seulement de rétablir la communication. Il s’agit de rétablir une présence.

Ce cadre a des implications sur la façon dont le développement de l’IA dans les soins de santé est évalué. La mesure du succès n’est pas seulement la précision ou l’intelligibilité. C’est de savoir si la personne de l’autre côté de la technologie se sent elle-même. C’est un objectif plus difficile à atteindre, et le fait que les systèmes actuels s’en approchent suggère que l’écart entre la voix humaine et la voix synthétique se réduit plus vite que la plupart des gens hors du domaine ne le réalisent.

Pour quiconque réfléchit au rôle de l’IA en médecine, c’est un cas utile à garder en tête. La technologie ne remplace pas l’orthophoniste, l’équipe soignante ou les relations humaines autour d’un patient. Elle donne à ces relations quelque chose avec quoi travailler qui n’existait pas auparavant.

En bref

Le clonage vocal par IA fonctionne en extrayant les caractéristiques acoustiques de la voix d’une personne à partir d’enregistrements existants et en construisant un modèle capable de générer de nouveaux discours dans cette voix. Contrairement aux anciennes méthodes de mise en banque de voix, qui exigeaient des centaines d’enregistrements contrôlés et produisaient des résultats aux sonorités mécaniques, les systèmes actuels peuvent utiliser des fichiers audio informels et reproduire les rythmes naturels, les respirations et les intonations d’une vraie voix. Pour les personnes vivant avec des conditions comme la SLA, cela représente un changement significatif : non seulement une aide à la communication, mais une façon de préserver quelque chose qui ressemble à l’identité. La technologie est déjà utilisée, et l’écart entre la voix synthétique et la voix humaine est en train de se combler.

D’après un reportage de Science News.

Rédigé par

NAVION