Les voix générées par intelligence artificielle deviennent de plus en plus convaincantes. Mais si notre oreille finit par s'y habituer, quelle place restera-t-il à l'authenticité d'une voix humaine ?

Vous préparez une publicité et vous hésitez entre engager un comédien voix off ou utiliser une voix générée par intelligence artificielle ? La question est légitime. Les technologies évoluent rapidement, les voix synthétiques deviennent de plus en plus convaincantes et les arguments économiques sont difficiles à ignorer. Mais au-delà du prix et de la rapidité, une question mérite qu'on s'y attarde : votre public entend-il réellement la différence ? Et surtout, continuera-t-il de l'entendre dans cinq ou dix ans ?

Pour tenter d'y répondre, j'aimerais vous proposer un petit détour par deux univers qui ont déjà profondément transformé notre perception de ce qui paraît naturel : la photographie et la musique.

Prenez une photographie publicitaire d'aujourd'hui. Une peau parfaitement lisse. Un sourire impeccable. Un visage sans la moindre imperfection. Nous savons très bien que ces images ont probablement été retouchées. Pourtant, elles ne nous surprennent même plus. Depuis des décennies, Photoshop, les filtres et les logiciels de retouche ont progressivement transformé notre perception de ce qui paraît naturel. Aujourd'hui, avec l'intelligence artificielle, nous pouvons même admirer des visages de personnes qui n'ont jamais existé. Et parfois, nous n'y voyons que du feu.

Du côté de la musique, le phénomène est tout aussi fascinant. Auto-Tune, correction de justesse, ajustement du rythme, compression, effets vocaux… Les technologies ont profondément transformé les performances que nous entendons. Au point où certaines voix chantées, impossibles à reproduire exactement de façon naturelle, font désormais partie de nos habitudes d'écoute.

Mais il existe un domaine où notre rapport au son est un peu différent.

La voix parlée.

Contrairement aux photographies publicitaires ou aux chansons produites en studio, la parole humaine fait partie de notre quotidien dans sa forme la plus spontanée. Nous entendons des humains parler tous les jours.

Nos enfants qui nous racontent leur journée. Un collègue qui cherche ses mots. Une amie qui éclate de rire au milieu d'une phrase. Une personne qui tente de cacher son émotion, mais dont la voix la trahit. Nous sommes constamment exposés à ces petites imperfections qui rendent la parole vivante. Une respiration inattendue. Une hésitation. Une intonation qui change complètement le sens d'une phrase. Un silence qui en dit parfois beaucoup plus long que les mots.

Notre cerveau a passé toute notre vie à écouter, reconnaître et interpréter ces signaux. Alors, pourrait-on penser que notre oreille est particulièrement difficile à tromper lorsqu'il s'agit de voix humaines ?

C'est une hypothèse séduisante, mais la réalité est un peu plus complexe.

En 2023, une étude publiée dans la revue scientifique PLOS ONE s'est intéressée à notre capacité à distinguer les voix humaines des voix artificielles. Les chercheurs ont fait écouter des extraits audio authentiques et des voix générées par intelligence artificielle à 529 participants, en anglais et en mandarin.

Résultat ? Les participants n'ont correctement identifié les voix artificielles que dans 73 % des cas.

Autrement dit, dans cette expérience, environ une voix artificielle sur quatre n'a pas été correctement identifiée comme telle. Et ce qui est particulièrement intéressant, c'est que le fait de présenter préalablement des exemples de voix artificielles aux participants n'améliorait que légèrement leurs résultats.

Source : Mai et coll., Warning: Humans cannot reliably detect speech deepfakes, PLOS ONE, 2023.

Alors non, notre oreille n'est pas infaillible. Et je pense qu'il serait naïf, en tant que comédienne voix off, de prétendre le contraire. Les technologies progressent à une vitesse impressionnante. Certaines voix synthétiques sont déjà très convaincantes, et il y a fort à parier qu'elles le deviendront encore davantage.

Mais cette réalité m'amène à une question qui me préoccupe peut-être encore plus.

À force d'entendre des voix artificielles dans les publicités, les vidéos, les formations en ligne et les contenus numériques, finirons-nous par ne plus remarquer ce qui les distingue d'une interprétation humaine ?

Ou pire, par ne plus y accorder d'importance ?

Cette question n'est pas complètement sortie de mon imagination. En psychologie, il existe un phénomène appelé l'effet de simple exposition. L'idée est relativement simple : le fait d'être exposé à répétition à quelque chose peut influencer positivement notre appréciation de cette chose.

En 1998, des chercheurs, notamment de l'Université de Montréal, ont étudié ce phénomène dans le domaine musical. Leurs expériences ont montré que la répétition de mélodies initialement inconnues pouvait augmenter l'appréciation que leur portaient les auditeurs.

Source : Peretz, Gaudreau et Bonnel, Exposure effects on music preference and recognition, Memory & Cognition, 1998.

Évidemment, cela ne prouve pas que nous finirons par préférer les voix artificielles aux voix humaines.

Mais cela soulève une réflexion intéressante. Si notre oreille s'habitue progressivement à certains types de voix, est-ce que nos attentes pourraient elles aussi évoluer ?

Peut-être qu'un jour, une narration légèrement trop régulière, une émotion un peu trop calculée ou une respiration parfaitement placée ne nous sembleront plus étranges.

Peut-être même que nous finirons par considérer certaines caractéristiques des voix artificielles comme des standards de qualité.

Un peu comme nous avons fini par trouver normaux des visages sans pores et des performances musicales corrigées à la perfection.

Je trouve cette perspective troublante. Parce qu'au fond, ce qui m'inquiète n'est pas seulement que l'intelligence artificielle apprenne à imiter parfaitement les voix humaines.

C'est que nous finissions par oublier ce qui rend une véritable interprétation si précieuse.

Je ne crois pas que nous puissions arrêter l'évolution de l'intelligence artificielle.

Et je ne pense pas non plus que fermer les yeux sur ses capacités soit une bonne façon de défendre notre métier. Mais je refuse de croire que son avenir est déjà décidé.

J'entends parfois des artistes dire :

« De toute façon, si je refuse de prêter ma voix à l'entraînement de l'IA, quelqu'un d'autre le fera. Le résultat sera le même. »

J

e comprends cette réflexion. Vraiment. Mais je fais le choix, chaque jour, et ce n'est pas toujours facile, de croire que nos décisions individuelles peuvent réellement faire une différence. Parce que si nous nous convainquons tous que notre contribution ne change rien, alors oui, nous risquons effectivement de provoquer ce que nous redoutons.

À l'inverse, plus nous serons nombreux, artistes talentueux, qualifiés et passionnés, à refuser de contribuer à notre propre remplacement, plus nous enverrons un message fort à l'industrie. Et plus nous nous serrerons les coudes, plus nous pourrons défendre la valeur de notre métier. Je ne dis pas qu'il faut rejeter toute forme de technologie. L'innovation fait partie de notre histoire, et elle peut aussi être un formidable outil au service de la création. Mais je crois qu'il existe une différence fondamentale entre utiliser la technologie pour enrichir le travail humain et contribuer activement à rendre ce travail inutile.

Il ne s'agit pas simplement de savoir ce que l'intelligence artificielle sera capable de faire demain.

Il s'agit aussi de décider ce que nous souhaitons, collectivement, encourager.

Peut-être que notre oreille finira par s'habituer aux voix artificielles. Peut-être qu'elle s'y habitue déjà.

Mais s'habituer à quelque chose ne signifie pas nécessairement cesser d'apprécier son contraire. Nous vivons dans un monde saturé d'images retouchées, et pourtant, les photographies authentiques continuent de nous toucher. Nous écoutons des chansons produites avec des technologies sophistiquées, et pourtant, une voix imparfaite accompagnée d'un simple piano peut encore nous donner des frissons. Alors pourquoi en serait-il autrement pour la voix parlée ?

Je veux croire qu'il restera toujours une place pour les voix qui racontent, qui interprètent, qui osent, qui surprennent. Pour ces petites imperfections qui nous ressemblent. Pour ces interprétations qui ne se contentent pas de prononcer les bons mots, mais qui leur donnent un sens. Et surtout, pour les humains qui se cachent derrière elles. Mais je crois aussi que cette place, nous devons continuer à la défendre. En soutenant les artistes qui font le choix de protéger leur voix. En sensibilisant les clients à la valeur d'une véritable interprétation. En encourageant les productions qui privilégient le talent humain. Et en continuant, surtout, à exercer notre métier avec toute la créativité, la sensibilité et la passion dont nous sommes capables.

Je ne suis pas naïve.

Je sais que l'IA continuera d'évoluer. Je sais que certains marchés choisiront la facilité ou l'économie plutôt que l'humain. Et je sais que les prochaines années apporteront leur lot de défis. Mais je refuse de croire que le résultat sera nécessairement identique, quoi que nous fassions.

L'avenir de notre métier ne dépend pas uniquement de ce que les machines seront capables de reproduire. Il dépend aussi de ce que nous, collectivement, choisirons de valoriser.

Et tant qu'il restera des artistes pour défendre l'humain derrière la voix, des créateurs pour reconnaître sa valeur et des auditeurs pour l'apprécier, je choisirai de croire que nous pouvons encore faire pencher la balance.

Parce qu'au fond, la question n'est peut-être pas de savoir si l'intelligence artificielle réussira un jour à sonner parfaitement humaine.

Mais si nous continuerons, nous, à accorder de l'importance à l'humain qui se trouve derrière la voix.

Vous préparez une publicité, une vidéo corporative ou une narration et vous hésitez entre une voix générée par IA et une véritable comédienne voix off ?

Au-delà du coût et de la rapidité, posez-vous une question : qu'avez-vous envie que votre public ressente ?

Parce qu'une voix ne sert pas seulement à transmettre un message. Elle participe à l'identité de votre marque, à la relation que vous créez avec votre public et à l'émotion que vous souhaitez laisser derrière vous.

Et si nous prenions quelques minutes pour parler de votre projet ?

Je suis Katherine Poirier-Roy, comédienne voix off francophone basée à Québec. J'accompagne les agences, les producteurs et les entreprises dans la création de messages qui sonnent vrais.