Apprendre le français avec une voix de synthèse : ce qu'elle enseigne bien, et ce qu'elle n'enseigne pas

Un apprenant de français langue étrangère bute rarement sur le vocabulaire en premier. Il bute sur l'écart entre ce qui est écrit et ce qui se dit. « Ils ont » et « ils sont » ne diffèrent que d'un son. « Les enfants » se prononce avec un « z » que rien n'annonce à l'œil, « les haricots » sans. Et à l'oral, les mots ne se détachent pas : ils s'enchaînent, au point qu'une phrase entendue ne ressemble plus à la phrase lue.

C'est précisément là qu'une voix de synthèse peut aider : elle rend audible n'importe quel texte écrit, à la demande, autant de fois qu'on veut. Encore faut-il savoir ce qu'elle enseigne vraiment, et ce qu'elle ne fera jamais à la place d'un enseignant. Cet article s'adresse aux écoles de langue, aux associations d'accueil, aux sites qui publient pour des lecteurs dont le français n'est pas la première langue, et aux apprenants eux-mêmes.

Ce qu'elle fait bien : relier l'écrit et l'oral

Le premier usage est le plus simple et le plus utile : lire et écouter en même temps. Un apprenant qui suit le texte des yeux pendant que la voix le prononce fait exactement l'exercice qui lui manque, rattacher une graphie à un son. Quand l'article est sonorisé avec un calage mot à mot, le mot prononcé s'éclaire à l'écran au rythme de la voix ; c'est ce qu'on appelle la lecture guidée, et c'est sans doute la fonction la plus précieuse pour ce public, parce qu'elle supprime l'effort de chercher où en est la voix.

Le deuxième atout est moins évident : la régularité. Une voix de synthèse prononce le même mot de la même manière à chaque fois. Pour un locuteur natif, c'est une limite (on s'en lasse sur un long texte). Pour un apprenant, c'est un repère stable : il peut réécouter dix fois la même phrase sans que l'intonation change, ce qu'aucun enregistrement humain ne garantit d'une prise à l'autre.

Le troisième, c'est la disponibilité. Un enseignant ne peut pas enregistrer chaque texte qu'il distribue. Un site d'information ne fera jamais lire chaque article par un comédien. La synthèse rend audible ce qui ne l'aurait jamais été.

Les liaisons : un bon modèle, sur les cas qui comptent

Pour un apprenant, la liaison est le piège central, et c'est aussi le test le plus dur pour une machine. Nous avons détaillé cinq phrases pièges dans notre article sur les liaisons. Ce qui en ressort, appliqué à l'apprentissage :

• les liaisons obligatoires (« ils en ont assez », « les anciens élus ») sont faites systématiquement : l'apprenant entend la bonne forme ;
• après « et », la liaison n'est jamais faite, et c'est traité comme une règle, pas comme une intuition ;
• devant un h aspiré (« les héros », « les haricots »), les cas courants sont connus ; pour un mot rare, la garantie vient d'un réglage humain, pas de la voix ;
• les liaisons facultatives (« pas encore ») sont lues dans un registre unique, tenu d'un bout à l'autre du texte.

Ce dernier point mérite une précision pour un enseignant : la voix ne montre pas qu'une liaison est facultative. Elle choisit. Un apprenant qui n'entend que cette voix pourra croire qu'il n'existe qu'une seule bonne façon de dire « pas encore ». C'est à l'enseignant de dire que les deux se disent.

Ralentir : utile, mais ce n'est pas articuler

Tout apprenant veut ralentir. Le lecteur le permet : le panneau « Confort de lecture » propose de descendre à 0,75 fois, et l'éditeur du site peut aussi choisir une vitesse par défaut plus lente (0,9 fois). Le choix de l'auditeur est retenu d'un article à l'autre, sans compte.

Il faut cependant savoir ce que ce réglage fait réellement : il joue le même fichier plus lentement. Il ne rajoute pas de pause entre les mots, il ne détache pas les syllabes. Les enchaînements restent là, simplement étirés. C'est plutôt une bonne nouvelle : l'apprenant entend du français réel, pas un français de dictée qui n'existe nulle part. Mais un débutant complet qui attend « un mot, une pause, un mot » n'aura pas cela. Pour la différence entre cette vitesse d'écoute et le débit de la voix au moment de la fabrication, voyez le réglage de vitesse du lecteur.

Ce qu'elle n'enseigne pas

Disons-le nettement, parce que c'est là que les promesses des outils débordent :

• Elle ne corrige pas l'apprenant. Une voix de synthèse parle, elle n'écoute pas. Évaluer la prononciation d'un élève relève de la reconnaissance vocale, une autre technologie, expliquée dans synthèse vocale et reconnaissance vocale.
• Elle ne donne qu'une norme. Nos voix françaises sont pensées pour le français de France ; aucune n'est déclarée avec un accent régional, et aucune ne parle comme on parle au Québec, en Belgique ou en Afrique de l'Ouest (nous l'avons détaillé pour le français québécois). Pour un apprenant qui vit à Montréal ou à Dakar, c'est un modèle utile mais incomplet.
• Elle ne joue pas les émotions. L'ironie, l'agacement, la complicité, tout ce qui se dit par le ton plus que par les mots, est rendu de façon neutre. Or c'est justement ce qu'un apprenant avancé a le plus de mal à saisir.
• Elle n'explique rien. Elle prononce « les haricots » sans liaison ; elle ne dit pas pourquoi.

Pour qui c'est utile, concrètement

Pour une école de langue ou une association d'accueil, l'usage le plus direct est d'écouter les textes qu'on publie déjà : actualités du site, fiches pratiques, consignes. La page text to speech français décrit comment l'outil lit la langue et ce qu'il prépare dans le texte avant la lecture. Un nom propre ou un terme qui accroche se corrige une fois dans le lexique, et la correction vaut pour tous les audios suivants.

Pour un site qui publie en français simplifié, à l'intention de nouveaux arrivants par exemple, l'audio s'ajoute à ce travail de rédaction sans le remplacer : un texte court, aux phrases simples, s'écoute nettement mieux qu'un texte dense lu lentement. Les recommandations voisines du facile à lire et à comprendre sont développées dans notre article sur l'accessibilité cognitive.

Le test à faire avant de recommander un outil

Prenez cinq phrases de votre propre manuel : une avec une liaison obligatoire, une avec « et » suivi d'une voyelle, une avec un h aspiré, une question, un nombre (« 1 280 euros »). Faites-les lire, suivez le texte en même temps, puis ralentissez. Si les trois premières sont justes, si la question monte et si le nombre se dit comme vous l'enseignez, la voix est un bon support d'écoute. Elle ne sera jamais un professeur, et ce n'est pas ce qu'on lui demande.

À lire aussi

• Intégrer l'audio d'un article dans votre propre lecteur, sans changer de design
• Faire lire une fiche produit à voix haute : prix, tailles, avis et références
• Webhook « audio prêt » : être prévenu quand la version audio d'un article existe