Sigles et acronymes en audio : SNCF s'épelle, OTAN se prononce
SNCF s'épelle, OTAN se prononce comme un mot, CAF dépend du contexte. Comment une voix de synthèse décide, où elle se trompe, et le geste exact pour lui apprendre la bonne lecture une fois pour toutes.
Il y a deux façons de lire une suite de majuscules à voix haute, et le français choisit l'une ou l'autre sans prévenir. SNCF s'épelle, lettre à lettre : « ess-en-cé-eff ». OTAN se prononce comme un mot : « otan », pas « o-té-a-enne ». Rien dans l'écriture ne dit lequel des deux : c'est l'usage qui tranche, et l'usage ne se déduit d'aucune règle. Pour une voix de synthèse, c'est un vrai point de rupture, parce qu'un sigle mal lu s'entend immédiatement et donne l'impression que personne n'a écouté le résultat.
Trois familles, trois comportements
Le premier cas, ce sont les sigles qui s'épellent parce qu'ils ne sont pas prononçables comme un mot : SNCF, RATP, HDMI, PDG, RGPD. La voix doit dire chaque lettre. L'erreur classique est de tenter une prononciation « à la française » d'une suite imprononçable, ce qui produit un borborygme.
Le deuxième cas, ce sont les acronymes devenus des mots à part entière : OTAN, SIDA, OVNI, ONU, PACS. On les prononce, on ne les épelle plus. L'erreur inverse se produit ici : une voix qui épelle « o-vé-en-i » là où tout le monde dit « ovni » sonne aussi faux que l'inverse.
Le troisième cas est le plus retors : le même sigle change de lecture selon le contexte ou le lecteur. CAF peut s'épeler (« cé-a-eff », la Caisse d'allocations familiales) ou se prononcer selon les régions et les habitudes. « ORL » s'épelle, mais dans une phrase rapide certains disent presque « orel ». Il n'y a pas de vérité unique : il y a un choix, et ce choix doit être le vôtre, pas celui du hasard.
Comment une machine décide
Une voix neuronale prédit la lecture d'un sigle à partir de ce qu'elle a vu à l'entraînement. Pour les sigles très courants, elle a de bonnes chances de tomber juste, parce que « SNCF » épelé et « OTAN » prononcé reviennent partout dans les corpus. Le problème surgit sur les sigles moins fréquents, les sigles propres à votre métier ou à votre région, et surtout les sigles rares que le modèle n'a presque jamais rencontrés. Là, il fait une hypothèse, et une hypothèse se trompe à peu près une fois sur deux entre épeler et prononcer.
C'est pour cela qu'on ne règle pas ce problème en changeant de voix. Une autre voix fera exactement les mêmes hypothèses sur les mêmes mots. La question à poser à un fournisseur n'est donc pas « votre voix lit-elle correctement ce sigle ? » mais « puis-je lui imposer la bonne lecture, et cette consigne tient-elle sur tous mes articles ? ». C'est la même logique de préparation du français que celle exposée sur la page text to speech français : le socle est solide, et vous gardez la main sur les cas particuliers.
Le geste exact chez WeDispatch
La correction passe par le lexique de prononciation, une petite liste que vous tenez vous-même, une ligne par entrée, au format écriture = prononciation. Pour un sigle à épeler que la voix tente de prononcer, vous écrivez la suite de lettres comme elle doit être dite. Pour un sigle à prononcer que la voix épelle, vous écrivez le mot phonétique attendu. Par exemple : URSSAF = Urssaf pour imposer la prononciation en un mot, ou ADEME = a-dé-heu-em-e pour forcer une lecture précise.
Trois propriétés comptent. D'abord, c'est une règle, pas une intelligence artificielle : elle s'applique de façon identique à chaque synthèse, sur tous les articles suivants, y compris en mode charte. Ensuite, elle vit à côté du texte, pas dedans : vous ne réécrivez pas vos articles, et vous ne régénérez pas ceux déjà produits pour ajouter une entrée qui vaudra pour les prochains. Enfin, détail qui compte, le texte affiché à l'écran (surlignage, sous-titres) suit la prononciation corrigée, pour que le mot mis en avant soit bien celui qu'on entend. Un secrétaire de rédaction remplit ce lexique entre deux bouclages, sans compétence technique.
Ce que ça change concrètement
Pour un média régional, un organisme public, un cabinet ou une entreprise qui parle sa langue de métier, les sigles ne sont pas un détail : ce sont les mots que l'audience connaît le mieux et qui se remarquent le plus quand ils sonnent faux. Le bon réflexe est de constituer, une fois, la liste des vingt ou trente sigles qui reviennent dans vos contenus, de vérifier ce que la voix en fait, et de corriger d'un trait ceux qui accrochent. Après quoi le sujet disparaît.
C'est exactement l'esprit du test que nous recommandons avant tout engagement, décrit dans comment évaluer une voix neuronale, et il rejoint le travail sur les noms propres traité dans bien prononcer les noms propres dans un audio de presse. Un sigle mal lu et un nom de commune écorché relèvent du même remède : une règle claire, écrite une fois, qui tient dans le temps.
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