Assistant d'appel

Le problème

Un appel administratif qui tourne mal. En face, quelqu’un qui parle vite, des chiffres qui passent, une référence à noter, une promesse qu’on voudrait garder par écrit. Pour ces appels, j’avais déjà un outil. Il avait un défaut fatal : il répondait après coup. Le temps que le conseil arrive, la conversation avait déjà tourné, et je raccrochais avec la moitié des éléments en tête.

J’ai donc repris le sujet de zéro, avec une seule exigence : que ce soit réactif, au point d’être utile pendant la phrase suivante.

Ce que j’ai construit

Une vraie application Mac, qui vit aussi dans la barre des menus : un raccourci pour démarrer ou terminer l’appel, et le micro ne s’ouvre jamais sans que je l’aie demandé. Avant l’appel, je prépare un speech : ce que je veux obtenir, les points à ne pas laisser passer. Ses lignes numérotées deviennent des objectifs que je coche pendant l’appel, ou que le coach coche à ma place quand ils sont atteints.

Pendant l’appel, la voix est transcrite en direct, localement, en un quart à une demi-seconde par phrase. L’outil détecte lui-même le début de la conversation : je peux armer l’outil, lancer l’appel, et il passe en direct à la première voix. Deux façons de l’utiliser : le téléphone en haut-parleur posé contre le Mac, ou l’appel pris directement sur le Mac, avec deux voix séparées, la mienne et celle d’en face.

Au centre, les consignes du coach s’affichent en grand, la plus récente en haut : ce qu’il faut dire maintenant, le piège à éviter, l’objectif atteint. À droite, tout ce qui ressemble à un montant, une date, une adresse mail, un numéro ou une référence est surligné et rangé dans une liste à part. Et si je veux garder une idée, une note rapide s’ajoute d’une seule touche.

Ce que j’ai mesuré

La transcription était le point de départ de tout, alors je l’ai mesurée avant de la choisir. Sur une série de petits enregistrements de test, deux modèles ont été comparés. Le plus léger tourne 37 fois plus vite que le temps réel et le plus gros seulement 16 fois, pour une qualité du même ordre. Ce n’est donc pas le calcul qui crée l’attente : c’est le silence qu’il faut laisser pour être sûr que la phrase est finie.

Le vrai gain est ailleurs. Sans aide, un mot sur cinq était mal compris, surtout les noms propres et le vocabulaire du dossier (18,7 % d’erreurs). En fournissant au modèle les mots du speech préparé avant l’appel, on tombe à 4,7 %. Le vocabulaire a compté plus que la taille du modèle.

Ce que ça raconte de ma façon de travailler

• Repartir du vrai besoin. L’ancien outil marchait en démonstration et échouait au moment qui comptait. La réactivité est devenue le critère d’acceptation numéro un, pas une amélioration à venir.
• Mesurer avant de choisir. Deux modèles, un banc de test, des chiffres : le choix s’est fait sur la latence et le taux d’erreur, pas sur la réputation.
• Une seule règle de confidentialité claire. Tout est géré localement, sur ma machine : rien ne part chez un tiers, et rien ne s’enregistre sans mon action. Les sessions ne sont jamais versionnées.
• Valider en vrai, pas seulement en test. Le jour de la mise en service, trois appels réels ont servi de recette : micro autorisé, consignes poussées pendant l’appel, objectifs et captures vérifiés, y compris sur une conversation à débit rapide.

Ce que j’ai vérifié

• Signal observé : un outil précédent trop lent pour servir pendant un appel tendu.
• Test ou contrôle : vingt-deux tests automatisés (découpage de la voix, détection des montants, dates, mails, numéros et références, sessions, interface et flux), un banc de mesure sur la transcription, et trois appels réels le jour de la mise en service.
• Résultat : transcription en un quart à une demi-seconde par phrase, erreur de mots ramenée de 18,7 % à 4,7 % avec le vocabulaire préparé, consignes visibles pendant l’appel.
• Limite actuelle : une seule voix en mode haut-parleur (pas encore de distinction entre les deux interlocuteurs), et l’appel pris directement sur le Mac reste à valider en conditions réelles. Le banc de mesure repose sur des enregistrements de test, pas sur des appels.