Synthèse vocale du navigateur ou audio préparé : ce que votre visiteur entend vraiment en français

C'est une objection qu'on entend souvent, et elle est légitime : « Les navigateurs lisent déjà les pages à voix haute. Le système de mon téléphone aussi. Pourquoi payer pour un audio que mes visiteurs ont déjà gratuitement ? »

La réponse tient en une phrase : la voix du navigateur appartient au visiteur, pas à vous. Elle change d'un appareil à l'autre, vous ne l'entendez jamais telle qu'il l'entend, et vous n'avez aucun moyen de la corriger quand elle se trompe. Pour un texte en anglais, l'écart est parfois faible. Pour un texte en français, avec ses liaisons, ses nombres et ses sigles, il se voit vite. Voici comment le constater vous-même, sans nous croire sur parole.

Le test de trente secondes

Les navigateurs exposent leur synthèse vocale aux pages web par une interface standard, speechSynthesis. Ouvrez la console de développement de votre navigateur (touche F12, onglet Console) sur n'importe quelle page, et collez :

``
speechSynthesis.getVoices().filter(v => v.lang.startsWith("fr")).map(v => ${v.name} | ${v.lang} | locale : ${v.localService})
``

Si la liste revient vide, relancez la même ligne une seconde plus tard : les voix se chargent en différé. Vous obtenez alors les voix françaises disponibles sur cet appareil-là. Refaites l'essai sur un autre ordinateur, sur un téléphone, dans un autre navigateur. Les noms changent, leur nombre change, et parfois il n'y en a qu'une.

Puis écoutez la première sur une phrase de votre site :

``
const u = new SpeechSynthesisUtterance("Les 1 200 abonnés de la CAF ont été reçus le 1er mars à 15 h 30."); u.lang = "fr-FR"; speechSynthesis.speak(u);
``

Ce que vous entendez est ce qu'entendrait un visiteur équipé comme vous. Pas un autre.

Ce que ce test montre

Trois choses, qui se vérifient chacune avec la ligne ci-dessus.

La voix dépend de l'appareil. Selon le système et sa version, la voix française proposée va d'une voix récente, plutôt agréable, à une voix ancienne très mécanique. Deux visiteurs de la même page n'entendent pas le même texte de la même façon, et vous ne savez pas lequel des deux vous avez.

Une partie des voix ne travaille pas sur l'appareil. La colonne locale du test le dit : une voix marquée false n'est pas synthétisée localement, le texte part vers le service de l'éditeur du navigateur ou du système. Ce n'est pas un défaut en soi, mais c'est un trajet de données que vous ne maîtrisez pas et que votre visiteur ignore. Nous avons décrit le nôtre, étape par étape, dans où vont les données d'un texte lu par une voix de synthèse.

La lecture n'est préparée par personne. Le navigateur reçoit le texte tel qu'il est écrit, et décide seul. « 1er » devient parfois « un e r », « 15 h 30 » parfois « quinze h trente », « CAF » est épelé ou prononcé selon la voix. Personne n'a relu, et personne ne peut corriger : la seule action possible pour l'éditeur du site est de réécrire son texte pour l'oreille d'une voix qu'il ne connaît pas.

Ce qu'un audio préparé fait autrement

Un audio produit pour l'article est un fichier, le même pour tous. C'est moins spectaculaire qu'une technologie, mais c'est ce qui permet tout le reste.

• Vous entendez ce que vos visiteurs entendent. Il y a une seule lecture, celle que vous pouvez écouter avant publication. Si elle est fausse, elle est fausse pour vous aussi, et vous le savez.
• Le texte est préparé avant d'être lu. Entités HTML oubliées, filets, signes écrits pour l'œil : une préparation passe avant la voix, et nous en avons fait le détail dans ce qui ne doit pas être lu à voix haute. Pour le reste (un encadré, un bloc « à lire aussi »), le bouton « Texte lu » de Mes audios vous laisse choisir exactement ce que la voix lit. Un navigateur, lui, lit ce qu'il trouve, menus compris quand il n'a pas de mode lecture.
• Une erreur se corrige une fois. Un nom propre mal dit, un sigle épelé à tort : une ligne dans le lexique de prononciation, appliquée sur le mot entier avant chaque synthèse, et l'erreur ne revient plus sur les audios suivants. Avec la voix du navigateur, la même erreur se reproduit à chaque visite, sur chaque appareil concerné, sans que vous l'entendiez.
• La voix est choisie, et elle est stable. Vous la sélectionnez pour votre ligne éditoriale, et un lecteur fidèle la retrouve d'un article à l'autre. Notre façon de les choisir et de les tester est détaillée sur la page text to speech français.

Le fichier sert aussi ailleurs que sur la page : en podcast, en téléchargement pour l'écoute hors connexion, avec des chapitres et des sous-titres. La voix du navigateur n'existe que dans l'onglet ouvert.

Ce que la voix du navigateur fait bien

Il serait malhonnête de s'arrêter là. La synthèse du navigateur a des qualités réelles :

• Elle ne coûte rien, ni à vous ni au visiteur.
• Elle lit tout, y compris ce que vous n'avez pas sonorisé : commentaires, pages anciennes, documents.
• Elle est réglée par l'utilisateur, pour l'utilisateur. Quelqu'un qui l'emploie tous les jours a souvent choisi sa voix et son débit, et les connaît mieux que n'importe quelle voix que vous lui imposeriez.

Ce dernier point compte particulièrement pour les personnes aveugles ou malvoyantes. Elles utilisent un lecteur d'écran, qui est un outil de navigation et pas seulement de lecture, et une version audio ne le remplace pas. Les deux coexistent, et nous avons expliqué pourquoi dans version audio ou lecteur d'écran.

La bonne question

La question n'est donc pas « audio ou navigateur ». Le navigateur restera là, et c'est très bien. La question est : qui est responsable de la façon dont votre texte sonne ?

Avec la voix du navigateur, personne. Le texte part, chaque appareil le lit à sa manière, et vous n'en saurez rien. Avec un audio préparé, c'est vous : vous l'écoutez, vous le corrigez, et ce que vous avez validé est ce que tout le monde entend. Pour un site dont le texte est le produit (un média, une collectivité, un cabinet), c'est cette responsabilité qu'on achète, plus qu'une voix.

Si vous voulez comparer sérieusement, refaites le test ci-dessus avec un de vos paragraphes, puis appliquez le même paragraphe au protocole d'essai de dix minutes. Vous aurez votre réponse, sur votre texte, et non sur le nôtre.

À lire aussi

• « Citation, fin de citation » : faut-il annoncer une citation dans un article lu à voix haute ?
• Changer de volume audio en cours d'abonnement : ce qui arrive à vos crédits et à votre facture
• Une voix de synthèse pour un jeune public : ce qui marche, ce qui ne marche pas