Les emojis à voix haute : ce qu'une synthèse vocale française devrait en faire

Un emoji ne se lit pas comme un mot, et pourtant il en porte un. Derrière 😀 il y a un nom officiel, « visage souriant à grands yeux », que le système d'exploitation connaît et qu'un lecteur d'écran énonce délibérément pour un utilisateur aveugle. Mais un article de blog n'est pas un lecteur d'écran, et un emoji glissé en fin de titre ou dans une citation n'a presque jamais vocation à être prononcé. Le problème d'une synthèse vocale, c'est qu'elle doit trancher : lire le nom, sauter le caractère, ou marquer une pause. Les trois choix existent, et deux sur trois sont mauvais dans le contexte d'un article destiné à l'écoute.

Les trois comportements possibles, et celui qu'on entend

Face à un emoji, un moteur non préparé fait l'une de ces trois choses, et vous les avez toutes entendues quelque part.

| Ce qui est écrit | Comportement fautif | Ce qu'on attend |
|---|---|---|
| Merci à tous 🙏 | « Merci à tous, mains jointes » | « Merci à tous » |
| C'était top 😂😂😂 | « visage qui pleure de rire » répété trois fois | « C'était top » |
| Nouveau 🚀 | « Nouveau, fusée » | « Nouveau » |
| Bravo 👏 la team | « Bravo, mains qui applaudissent, la team » | « Bravo la team » |
| Prix : 15 € 🔥 | « quinze euros, feu » | « quinze euros » |
| ✅ Livré | « coche verte, livré » | « Livré » |

Lire le nom de l'emoji est le défaut le plus fréquent des voix génériques, et c'est le plus déroutant à l'oreille : « mains jointes » au milieu d'une phrase de remerciement casse le sens au lieu de l'appuyer. Le deuxième défaut est plus discret : certains moteurs sautent bien le caractère mais laissent la pause qu'il occupait, ce qui produit un silence bizarre en fin de phrase. Le bon comportement, dans un article, est presque toujours le troisième : retirer l'emoji décoratif avant de synthétiser, sans laisser de trou. C'est la logique de fond de la page text to speech français, où l'essentiel se joue avant que le son sorte : normaliser le texte, décider ce qui se lit et ce qui ne se lit pas.

Pourquoi c'est un problème de règles, pas de voix

On pourrait croire qu'une belle voix règle la question. Elle ne la règle pas, parce que le choix ne dépend pas du timbre mais d'une décision prise en amont : cet emoji est-il un signe décoratif ou une information ? La machine ne le sait pas, et le nom Unicode ne l'aide pas, puisqu'il existe toujours. Un moteur qui prédit le son caractère par caractère verra un point de code comme les autres, et soit il a une table de noms et la récite, soit il n'en a pas et bute dessus. Dans les deux cas, il n'y a pas de compréhension du rôle de l'emoji dans la phrase.

La difficulté est réelle sur trois familles. Les emojis répétés en rafale (« 😂😂😂 ») doivent être traités comme un seul geste et non lus trois fois. Les emojis fusionnés par un caractère de jonction, comme certains drapeaux ou métiers, sont un seul symbole visible mais plusieurs points de code : un moteur naïf en lit les morceaux. Et les emojis de peau ou de genre ajoutent des modificateurs invisibles qui, mal gérés, s'énoncent séparément. Aucun de ces cas ne se résout par une voix plus jolie. Ils se résolvent par une normalisation qui reconnaît l'emoji comme tel et décide de son sort, exactement comme pour les autres formes de bruit typographique qui ne se lisent pas.

Le cas où l'emoji porte du sens

Il existe une exception, et il faut la nommer pour ne pas mentir. Parfois l'emoji est le message. Un avis qui n'affiche que « ⭐⭐⭐⭐⭐ », une consigne où « ✅ » et « ❌ » distinguent le permis de l'interdit, une liste où chaque point commence par un pictogramme qui remplace un mot : là, sauter l'emoji efface de l'information. Ces cas sont rares dans un article rédigé, où l'auteur écrit ses phrases, mais ils existent dans les contenus courts et les listes. Le bon principe n'est donc pas « ne jamais lire un emoji », c'est « ne pas lire un emoji décoratif, et préférer, dans le doute, l'omission propre au bavardage ». Un « visage souriant » de trop est plus gênant à l'écoute qu'un sourire silencieux.

Ce que WeDispatch en fait

Les emojis décoratifs, ceux qui ponctuent un titre, une phrase ou une signature, sont retirés par la normalisation appliquée à chaque article, sans laisser de silence à la place. Une rafale d'emojis identiques ne se traduit pas par une répétition, et les emojis composés ne se démontent pas en morceaux prononcés séparément. Le principe est simple : dans un article destiné à l'écoute, l'emoji est un signe visuel, et le rendre à l'oral texto dessert le texte plus qu'il ne le sert.

Nous préférons le dire ainsi plutôt que de promettre une compréhension parfaite du sens de chaque pictogramme. La machine ne comprend pas votre intention, elle applique une règle raisonnable : le décoratif s'efface, le texte reste. Si un pictogramme est réellement porteur d'information dans un contenu, la bonne pratique est de l'écrire aussi en toutes lettres, pour l'œil comme pour l'oreille.

Le test à faire en deux minutes

Prenez un vrai titre ou un vrai paragraphe de votre site qui contient un ou deux emojis, pas un texte de démonstration. Faites-le lire par l'outil que vous évaluez et écoutez seulement ces passages : entendez-vous « visage souriant », un silence anormal, ou une phrase qui coule sans accroc ? C'est plus révélateur qu'une écoute globale. Et si vous voulez une méthode complète pour départager deux voix, elle est dans comment évaluer une voix neuronale. Un emoji bien géré ne s'entend pas, et c'est précisément le but.

À lire aussi

• Notes de bas de page et appels de note : ce que la synthèse vocale en fait
• Légendes et crédits de photos : ce que la synthèse vocale en fait
• Un lecteur audio dans la page ou dans une iframe : ce que ce choix décide