Ponctuation et respiration : ce que la virgule fait vraiment à une lecture audio
La virgule, le point-virgule et le point ne produisent pas la même pause. Le même paragraphe ponctué de deux façons, la différence de durée mesurée, et pourquoi un texte mal ponctué s'entend.
À l'écrit, la ponctuation se voit. À l'oral, elle s'entend. Une voix de synthèse ne devine pas où reprendre son souffle : elle lit la partition que vous lui donnez, et cette partition, ce sont vos virgules, vos points et vos points-virgules. Un texte ponctué à la légère ne devient pas faux à l'écran, il reste parfaitement lisible pour l'oeil qui saute et revient. Mais confié à une machine qui lit ligne à ligne, sans jamais relire, il se met à couler d'un bloc, ou à s'arrêter là où il ne faut pas. C'est le genre de défaut qu'on ne voit qu'en écoutant.
La ponctuation, c'est la partition des silences
Quand un moteur de synthèse rencontre une virgule, il n'ajoute pas un son : il ajoute un silence, court. Un point, silence plus long. Un point-virgule, entre les deux. Un deux-points, une suspension qui annonce. La vitesse de lecture des mots ne change pas d'un signe à l'autre ; ce qui change, c'est la durée des blancs entre les groupes. Ces blancs ne sont pas du vide : ce sont eux qui découpent la phrase en unités de sens, exactement comme la respiration d'un lecteur humain. Retirez-les, et l'auditeur entend une suite de mots sans articulation, qu'il doit redécouper lui-même en temps réel. C'est fatigant, et au bout de deux minutes, il décroche.
Le même paragraphe, deux ponctuations
Prenons un texte, et changeons seulement sa ponctuation, pas ses mots.
Version soignée : « Le conseil municipal, réuni mardi soir, a voté le budget. Trois élus se sont abstenus ; deux ont voté contre. Le maire, visiblement soulagé, a clos la séance à 23 heures. »
Version appauvrie, mêmes mots collés : « Le conseil municipal réuni mardi soir a voté le budget trois élus se sont abstenus deux ont voté contre le maire visiblement soulagé a clos la séance à 23 heures. »
Comptons les silences. La première version place quatre virgules, un point-virgule et deux points internes. Avec les durées de pause qu'un moteur insère typiquement (de l'ordre de 0,25 seconde pour une virgule, 0,45 pour un point-virgule, 0,65 pour un point), cela fait à peu près 2,7 secondes de silence réparti dans la phrase. La seconde version, elle, n'offre aucun point d'appui interne : la voix lit tout d'une traite, sans reprendre, et ces 2,7 secondes disparaissent. Mêmes mots, même voix, même débit : la version soignée dure près de trois secondes de plus, et ces trois secondes sont précisément ce qui la rend compréhensible. Vous pouvez refaire le test avec vos propres textes, la valeur exacte dépend du moteur mais le sens ne change pas : le silence est un contenu.
Toutes les pauses ne se valent pas
L'erreur inverse existe aussi : trop de virgules, ou des virgules mal placées, hachent la lecture et donnent une voix haletante. La virgule sépare, elle ne conclut pas ; l'utiliser à la place d'un point produit une phrase qui n'en finit pas de reprendre son souffle. Le point-virgule, lui, marque un lien fort entre deux propositions autonomes : à l'oreille, c'est une pause qui dit « la suite est du même ordre », et un moteur qui le confond avec une simple virgule perd cette nuance. Le deux-points est le plus intéressant : il n'arrête pas, il annonce, et une bonne lecture le rend par une suspension légèrement montante, comme on lève la voix avant d'énumérer. Quand vous vous demandez comment un outil traite ces signes, c'est exactement la question à lui poser sur vos propres textes, et c'est le coeur de ce que prépare la page text to speech français : la ponctuation n'est pas un décor, c'est une instruction de lecture.
Ce que ça change pour qui écrit
La bonne nouvelle, c'est que rien de tout cela ne demande d'apprendre un langage technique. Il suffit de ponctuer pour l'oreille autant que pour l'oeil. Une phrase qu'on ne pourrait pas lire à voix haute sans manquer d'air est une phrase à couper. Une énumération gagne à être annoncée par un deux-points plutôt que jetée après une virgule. Un point-virgule, quand il est justifié, s'entend et structure. Ce sont les mêmes règles que celles qui rendent un texte agréable à lire tout court, sauf qu'à l'audio, elles ne sont plus facultatives : l'auditeur ne peut pas revenir en arrière d'un coup d'oeil pour rattraper une phrase mal découpée.
C'est aussi pour cela que la qualité de lecture ne se joue pas que sur le timbre de la voix. Deux autres endroits méritent la même attention : les nombres lus à voix haute, qui ont chacun une forme orale attendue, et les liaisons, où une voix se trahit vraiment. Si vous voulez juger un outil sérieusement, faites-lui lire un paragraphe bien ponctué et le même mal ponctué : l'écart que vous entendrez vous en dira plus que n'importe quelle démonstration soignée, et il rejoint la méthode décrite dans comment évaluer une voix neuronale. Ce qui compte se joue sur vos textes réels, virgules comprises.
Sonorisez vos articles avec WeDispatch
Ce blog sera lui-même sonorisé par WeDispatch. Envie de voir ce que ça donne sur vos contenus ?
Demandez une démo