E-Marketing
Pendant des années, la question qu’on me posait sur les technologies vocales était technique : est-ce que ça comprend bien, est-ce que ça marche avec un accent, combien ça coûte à intégrer. Depuis 2025, ce n’est plus la bonne question. Certaines applications de la voix sont désormais purement et simplement interdites en Europe, et d’autres sont soumises à des obligations d’étiquetage. La faisabilité n’est plus le sujet, la légalité l’est.
Que recouvrent les technologies vocales et quels sont leurs enjeux ? Elles regroupent la reconnaissance automatique de la parole, la synthèse vocale et la compréhension du langage naturel, auxquelles s’ajoute la biométrie vocale. Leur principal enjeu n’est plus la performance technique, qui est largement acquise, mais le statut de la voix : c’est une donnée personnelle susceptible d’identifier son locuteur, ce qui la place sous le RGPD et, depuis 2025, sous plusieurs interdictions du règlement européen sur l’intelligence artificielle.
En bref
- La CNIL rappelle dans son livre blanc du 7 septembre 2020 que la voix est une caractéristique biométrique permettant d’identifier une personne.
- Depuis le 2 février 2025, inférer les émotions d’une personne au travail ou en établissement d’enseignement est une pratique interdite par le règlement européen sur l’IA.
- Les obligations de transparence sur les contenus générés, audio compris, s’appliquent depuis le 2 août 2026, avec un report du marquage en discussion.
- 33 % des Français de 12 ans et plus possèdent une enceinte connectée selon le Baromètre du numérique du CRÉDOC, édition 2025.
De quoi parle-t-on exactement
Quatre briques distinctes se cachent derrière l’expression « technologies vocales », et les confondre conduit à des projets mal cadrés. Voici comment je les sépare quand je fais le point avec un client.
La reconnaissance automatique de la parole
Elle transforme un signal sonore en texte. Le traitement acoustique extrait du signal une représentation, que le système associe ensuite à des segments élémentaires de la parole puis à des mots. C’est la brique la plus visible, celle qu’on utilise pour dicter un message plutôt que le taper.
Ce qu’elle analyse, c’est le spectre vocal, la représentation des fréquences produites par le passage de l’air des poumons sur les replis du larynx que sont les cordes vocales, puis modelées par la bouche, la langue et les dents. Ces articulations produisent les phonèmes, les unités sonores qui composent une langue. Comprendre cette chaîne aide à saisir pourquoi un micro mal placé ou un environnement bruyant dégrade la transcription bien plus qu’un accent régional.
La synthèse vocale
Elle fait le chemin inverse et produit une voix à partir d’un texte. C’est aussi celle qui a le plus progressé ces dernières années, au point qu’une voix synthétique est devenue difficile à distinguer d’une voix humaine, ce qui explique une bonne partie des nouvelles règles.
La compréhension du langage naturel
Elle intervient après la transcription et cherche l’intention derrière la phrase. Transcrire « il fait froid dans le salon » est un problème de reconnaissance ; comprendre qu’il s’agit d’une demande de chauffage en est un autre, et c’est là que se jouent la plupart des déceptions en domotique.
La biométrie vocale
Elle ne cherche pas ce qui est dit mais qui parle. C’est la brique la plus sensible juridiquement, parce qu’elle traite explicitement une donnée biométrique au sens du RGPD.
Pourquoi la voix n’est pas une donnée comme les autres
La voix est à la fois un contenu et un identifiant, et c’est ce double statut qui la rend délicate. La CNIL l’écrit sans détour dans son livre blanc « À votre écoute », publié le 7 septembre 2020 : la voix étant une caractéristique biométrique susceptible de permettre l’identification d’une personne, l’usage d’un assistant vocal n’a rien d’anodin.
Le même document liste les risques concrets que je retrouve dans presque tous les projets : le déclenchement accidentel qui enregistre une conversation non destinée à l’appareil, la présence du dispositif dans un lieu privé, et la relecture humaine d’extraits sonores à des fins d’amélioration du service. Ses recommandations aux concepteurs tiennent en trois principes : être transparent sur le fonctionnement avant même la première utilisation, privilégier le traitement local au traitement distant quand l’architecture le permet, et ne collecter que ce qui est strictement nécessaire.
Une voix enregistrée dit qui vous êtes autant que ce que vous dites
Ce que le règlement européen sur l’IA a changé
Deux échéances comptent pour tout projet vocal en Europe, et la première est déjà passée. Depuis le 2 février 2025, l’article 5 du règlement interdit les systèmes d’IA destinés à inférer les émotions d’une personne physique sur le lieu de travail et dans les établissements d’enseignement, sauf pour des raisons médicales ou de sécurité.
Cette interdiction vise directement un usage devenu courant dans les centres de contact : l’analyse du ton de voix d’un conseiller ou d’un agent pour évaluer son état émotionnel. Les sanctions associées aux pratiques interdites sont applicables depuis le 2 août 2025 et peuvent atteindre 35 millions d’euros ou 7 % du chiffre d’affaires annuel mondial, le montant le plus élevé étant retenu.
La seconde échéance concerne le marquage. Les obligations de transparence de l’article 50 s’appliquent depuis le 2 août 2026 : un système générant du contenu audio, image, vidéo ou texte de synthèse doit produire des sorties marquées dans un format lisible par machine et détectables comme générées artificiellement. Un point à suivre de près : une proposition dite omnibus envisage de reporter au 2 décembre 2026 les obligations de marquage prévues au paragraphe 2 de cet article, sans que cette révision ait été formellement adoptée à ce jour.
| Usage vocal | Où il en est en Europe |
|---|---|
| Dictée et transcription d’un utilisateur consentant | Autorisé, sous réserve des règles RGPD habituelles d’information et de minimisation |
| Analyse du ton de voix d’un salarié pour en déduire son humeur | Interdit depuis le 2 février 2025, hors raisons médicales ou de sécurité |
| Voix de synthèse dans un serveur vocal ou une publicité | Autorisé, avec obligation de marquage du contenu généré |
| Authentification par empreinte vocale | Traitement de donnée biométrique, encadrement RGPD renforcé |
Où en est l’usage en France
L’équipement est réel mais moins massif que le discours ambiant ne le laisse croire. Le Baromètre du numérique du CRÉDOC, réalisé pour l’Arcep, l’Arcom, le Conseil général de l’économie et l’ANCT, indique dans son édition 2025 que 33 % des Français de 12 ans et plus possèdent une enceinte connectée, en progression de quatre points sur un an.
Les assistants vocaux installés dans ces enceintes restent ceux qu’on connaît : Alexa chez Amazon, Siri chez Apple, l’assistant de Google sur la gamme Google Home. Les usages dominants n’ont pas beaucoup bougé non plus, entre la musique, la minuterie et le pilotage d’objets connectés, volets et éclairage en tête. En parallèle, l’édition 2026 du même baromètre, publiée en février 2026 auprès de 4 145 personnes, relève que près d’une personne sur deux, 48 %, déclare utiliser l’intelligence artificielle générative. C’est ce second chiffre qui tire aujourd’hui les usages vocaux, bien plus que l’enceinte posée sur le buffet.
Ce qu’une entreprise peut réellement en tirer
Deux bénéfices tiennent la route, et un troisième est souvent survendu. Le premier est l’ergonomie : dicter est plus rapide que taper, l’écart se creuse sur les textes longs et dans les situations où les mains ne sont pas libres. Le second est le premier niveau de qualification en service après-vente, où laisser un client exposer son problème à voix haute permet de l’orienter plus vite vers le bon interlocuteur.
Le troisième, la mesure du « ressenti client » par le ton de la voix, était vendu comme la promesse phare du secteur il y a cinq ans. C’est précisément l’usage que le règlement européen encadre le plus sévèrement dès qu’il touche des salariés. Avant d’ouvrir un projet de ce type, la question à poser n’est pas ce que l’outil sait faire, mais qui il écoute et à quelle fin. C’est le même réflexe que celui que j’applique aux interfaces classiques, où l’expérience réellement vécue par l’utilisateur compte davantage que la liste des fonctionnalités.
Côté écosystème français, l’événement Voice Tech Paris, premier rendez-vous B2B consacré aux applications professionnelles de la voix, a joué un rôle structurant à partir de 2019, avec des éditions tenues les 23 et 24 novembre en 2020 puis en 2021, dans un format entièrement numérique. Sa dernière édition documentée remonte à novembre 2021 et son site n’est plus accessible. Pour se tenir informé aujourd’hui, mieux vaut donc se tourner vers les publications de la CNIL et les textes européens que vers cet événement.
Ce que je retiens
Les technologies vocales sont sorties de la phase où la prouesse technique suffisait à justifier un projet. Elles fonctionnent, elles sont accessibles, et c’est justement pour ça que le cadre se resserre. Pour une entreprise, l’arbitrage utile en 2026 consiste à séparer nettement ce qui relève du confort d’usage, largement autorisé et vite rentable, de ce qui touche à l’identification ou à l’émotion, où le risque juridique dépasse aujourd’hui le gain attendu.
La recherche vocale finit presque toujours par une requête locale
Quand quelqu’un demande à voix haute où trouver un commerce, c’est le référencement local qui décide de la réponse, pas le site.
Article mis à jour en août 2026. Cet article présente une information générale et ne constitue pas un conseil juridique : faites valider tout projet vocal touchant des données personnelles par un conseil qualifié. Sources consultées pour cette version : le livre blanc « À votre écoute » de la CNIL, publié le 7 septembre 2020, pour le statut biométrique de la voix, les risques d’enregistrement accidentel et de relecture humaine, et les recommandations aux concepteurs ; le règlement européen sur l’intelligence artificielle, pour l’interdiction d’inférence des émotions au travail et en établissement d’enseignement applicable depuis le 2 février 2025, le régime de sanctions applicable depuis le 2 août 2025 et les obligations de transparence de l’article 50 applicables depuis le 2 août 2026, ainsi que la proposition omnibus de report au 2 décembre 2026 non adoptée à ce jour ; le Baromètre du numérique du CRÉDOC réalisé pour l’Arcep, l’Arcom, le CGE et l’ANCT, éditions 2025 et 2026, pour le taux d’équipement en enceintes connectées et l’usage déclaré de l’IA générative. Le calendrier européen évoluant encore, vérifiez l’état des textes avant d’engager un projet.