La « diarisation » est le mot technique pour quelque chose que votre cerveau fait sans y penser : distinguer les voix dans une conversation. Pour une machine, c’est l’un des problèmes les plus difficiles de l’audio.
Pourquoi c’est difficile
- Des voix semblables (frères et sœurs, même genre, même accent).
- Des chevauchements : les gens se coupent la parole.
- Des changements de canal : quelqu’un quitte l’ordinateur puis revient.
- Du bruit : climatisation, une autre langue en arrière-plan.
Une transcription peut atteindre 99 % de précision et, si les interlocuteurs sont mal attribués, la note ne sert à rien.
Comment nous nous y prenons
Embedding par segment. Nous découpons l’audio en tronçons de 1 à 3 secondes et passons chacun dans un modèle d’embedding de locuteur (entraîné sur l’espagnol + l’anglais + le portugais). Chaque tronçon produit un vecteur d’environ 512 dimensions.
Regroupement progressif. Nous regroupons les vecteurs en clusters. Le nombre de clusters n’est pas fixé : il est déduit de la densité. Ainsi, une réunion à 2 personnes ne produit pas 5 faux locuteurs, et une réunion à 8 les détecte bien.
Affinage par la prosodie. Nous utilisons le rythme, les pauses et l’intonation comme signaux secondaires pour affiner la frontière entre locuteurs quand les embeddings hésitent.
Ré-identification facultative. Si l’utilisateur nomme un locuteur (« c’est Juan »), l’embedding est stocké chiffré dans son compte. Dans les réunions suivantes, Juan est reconnu automatiquement.
Ce que nous ne faisons PAS
Nous ne téléversons pas votre voix dans un dépôt public. Les embeddings n’appartiennent qu’à vous et sont supprimés sur demande. L’identification entre comptes n’existe pas.
Résultats
Sur des benchmarks internes avec un audio Zoom typique :
- Taux d’erreur de locuteur : 4,7 % en espagnol, 5,1 % en anglais.
- Au-delà de 5 locuteurs, il monte à environ 9 %.
- Chevauchements détectés avec 87 % de précision.
Comparé aux services génériques (qui affichent 12 à 18 % d’erreur en espagnol), l’écart est notable. La raison est simple : nous optimisons pour le cas réel (réunions d’équipe et entretiens), pas pour les podcasts professionnels.
Prêt à l’essayer ?
Enregistrez votre prochaine réunion et obtenez un résumé exploitable en quelques secondes.
Commencer gratuitementContinuer la lecture
Tout voir →La confidentialité des enregistrements : comment AudioMap protège vos réunions
Téléverser de l’audio sur un service suppose de la confiance. Voici exactement ce que nous faisons et ne faisons pas de votre contenu.
5 minWhisper, Gemini et les LLM : la technologie derrière vos notes
Un regard honnête sur la pile d’IA qui transforme un MP3 en note exploitable.
6 minL’IA en réunion : mythe et réalité en 2026
Ce que l’IA peut et ne peut pas faire aujourd’hui avec vos réunions, et pourquoi la plupart des promesses du marché sont de la fumée.
5 minLe cours que vous avez enregistré et jamais réécouté : comment résumer un cours enregistré
Enregistrer le cours demande un bouton. Le réécouter demande les quatre-vingt-dix minutes que vous n’avez pas. Voici comment un enregistrement de quatre-vingt-dix minutes devient des notes avec concepts, exemples, bibliographie et carte mentale, sans réécouter.
8 minComment conserver un entretien familial : la vie de votre grand-mère ne tient pas dans un message vocal WhatsApp
Vous avez enregistré votre grand-mère racontant son enfance et le fichier vit dans une conversation qui sera un jour effacée. Voici comment cet enregistrement devient quelque chose que vous pouvez lire, chercher par nom, regarder avec des sous-titres et partager avec la famille sans en perdre le contrôle.
8 minLe conseiller qui a cessé de répéter quinze fois la même revue : un modèle de revue fiscale par IA
Quinze revues trimestrielles en trois semaines, toutes semblables et aucune identique. Le problème n’est pas de se souvenir de ce qui a été dit : c’est de se souvenir à qui. Voici comment chaque séance se retrouve documentée, avec sa mention légale et ses données en Europe.
8 min