Aïe, hein, chut : ce qu'une voix de synthèse fait des interjections

Il y a une famille de mots que la synthèse vocale française traite mal, et ce n'est pas par manque d'intelligence : c'est parce que ces mots ne suivent aucune règle. Les interjections et les onomatopées (« aïe », « hein », « chut », « euh », « ouf », « hmm », « brr », « miam ») ne s'écrivent pas comme les autres. Elles imitent un son plutôt qu'elles ne le codent, et leur orthographe est une convention typographique, pas une notation phonétique. Un moteur entraîné sur du texte courant en voit peu, les range mal, et les rend souvent d'une façon qui trahit immédiatement la machine.

Pourquoi ces mots sont un cas à part

Un mot ordinaire du français se lit en appliquant des correspondances lettre à son, corrigées par le contexte. « Château » se déchiffre, « président » se tranche par la grammaire. Une interjection, elle, n'a pas de forme canonique. On écrit « euh », « eu », « heu » pour le même hésitement. On écrit « hmm », « hum », « mmh » pour le même acquiescement pensif. La lettre n'est là que pour évoquer un son que tout le monde reconnaît à l'oral, et personne n'a jamais fixé.

Résultat : le moteur applique ses règles habituelles à un mot qui n'a pas été fait pour elles. « Chut » devient un mot d'une syllabe articulée au lieu du souffle attendu. « Hein » peut sortir avec un « h » prononcé, ce qui n'arrive jamais en français parlé. « Grr » n'a pas de voyelle, donc rien à quoi accrocher une syllabe, et le moteur bafouille ou saute le mot. Ce ne sont pas des bugs isolés : c'est le comportement normal d'un système qui rencontre une écriture faite pour l'œil et pas pour lui.

Six interjections et ce qu'on attend d'elles

Voici six cas courants, avec la lecture attendue à l'oral et l'erreur qu'un outil produit fréquemment.

| Écrit | Lecture attendue | Erreur fréquente |
|-------|------------------|------------------|
| aïe | « aïe » en deux temps, la douleur qui monte | « a-i-e » épelé, ou un « aï » sec sans la plainte |
| hein | « in » nasal, sans aucun « h » | le « h » articulé, « h-ein » |
| chut | un « chhh » soufflé, presque sans voyelle | « chute » avec un t final net |
| euh | une hésitation tenue, voyelle allongée | « eu » bref, avalé, qui perd la fonction d'hésitation |
| hmm | un « m » tenu, bouche fermée, pensif | « hache-m-m » ou trois lettres épelées |
| miam | « miam » gourmand, une seule syllabe pleine | « m-i-a-m » segmenté, sans l'élan |

Le point commun saute aux yeux : dans chaque cas, la lecture juste dépend d'une intention (la douleur, l'hésitation, le silence demandé) que l'orthographe ne contient pas. Une machine qui déchiffre les lettres n'a aucun moyen de la retrouver. C'est exactement le genre de finition qui sépare une voix qui lit le français d'une voix qui le restitue, et c'est le parti pris qu'on défend sur la page text to speech français : la prononciation ne se joue pas seulement sur les lettres, mais sur ce qu'un lecteur humain sait faire du texte.

Ce que notre moteur fait, et ce qu'il ne fait pas

Soyons concrets et honnêtes. Sur les interjections les plus fréquentes, celles qui reviennent dans les dialogues et les récits, le rendu est correct sans intervention : « aïe », « oh », « ah », « bof » passent naturellement. Sur les formes rares, les onomatopées inventées, les suites de consonnes sans voyelle (« pff », « tss », « grr »), le résultat est incertain, et il peut varier d'une voix à l'autre du catalogue. Nous préférons le dire que promettre une lecture parfaite d'un objet qui n'a, par nature, pas de lecture unique.

Il y a aussi une question d'usage. Dans un article de presse ou un billet de blog, les interjections sont rares et souvent dans des citations. Dans une fiction, un dialogue théâtral, une bande dessinée transcrite, elles sont partout, et c'est là que le sujet devient vraiment sensible. Si votre contenu en est truffé, ne vous fiez pas à un beau paragraphe de démonstration : écoutez d'abord vos propres passages difficiles. C'est le même réflexe que pour prononcer les noms propres et les lieux, où seul un test sur vos vrais textes dit la vérité.

Le geste qui reprend la main

Quand une interjection compte (une réplique clé, un effet comique qui tombe à plat si le son est faux), la garantie ne vient pas de la voix mais du lexique de prononciation. Vous y déclarez, une fois, comment un mot précis doit se dire, en l'écrivant d'une façon que le moteur lit mieux. « Hmm » qui sort épelé ? Vous fixez sa lecture et le moteur cesse de deviner sur ce mot. C'est une correction ponctuelle, pas un réglage global : elle ne touche que le mot que vous avez visé, dans tous vos contenus, et elle tient dans le temps.

L'autre levier est la ponctuation autour de l'interjection. « Chut ! » et « Chut, dit-elle » ne se lisent pas au même rythme, et c'est le sujet plus large de la respiration et de la ponctuation : une virgule, un point d'exclamation, des points de suspension changent la pause et l'intonation, donc l'effet. Une interjection bien ponctuée est déjà à moitié bien lue.

Comment tester un outil en deux minutes

Prenez cinq interjections que votre contenu utilise vraiment et faites-les lire à la suite : « Aïe », « Hein ? », « Chut », « Euh, je ne sais pas », « Hmm, peut-être ». Écoutez trois choses : le « h » de « hein » reste-t-il muet, « chut » souffle-t-il au lieu de claquer, l'hésitation « euh » est-elle tenue. Un outil qui réussit les trois traite le français parlé, pas seulement le français écrit. Un outil qui épelle « hmm » vous dit tout ce que vous devez savoir avant d'équiper un livre audio ou une fiction.

Les interjections ne sont pas un détail de puriste. Ce sont les mots où l'oreille détecte le plus vite qu'un audio a été posé à la va-vite, parce que ce sont les mots qu'on reconnaît sans réfléchir. Une seule interjection ratée dans un dialogue, et l'auditeur sent la machine derrière la voix.

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