La différence en une phrase
Un assistant vocal est disponible en permanence, donc quelque chose doit écouter en attendant le moment où tu voudras t’en servir.
La dictée n’est pas disponible tant que tu ne la réclames pas. Tu appuies sur une touche, le micro s’ouvre, tu parles, il se referme.
Presque toutes les inquiétudes que les gens attachent au fait de parler à un téléphone appartiennent à la première conception et non à la seconde.
Comment fonctionne un mot de réveil
Le mécanisme est moins inquiétant que l’expression « écoute en permanence » ne le suggère, et aussi moins anodin que les fabricants ne le laissent entendre.
Un petit détecteur tourne en continu et compare le son entrant à un seul motif court, la phrase de réveil. Il est délibérément minuscule, il ne reconnaît pratiquement rien d’autre, et il existe pour répondre à une seule question : est-ce que ces syllabes-là viennent d’être prononcées. Tout le reste de ce qu’il entend est jeté au fur et à mesure.
Quand il croit avoir entendu la phrase, le vrai système démarre, et c’est à ce moment qu’un système de reconnaissance digne de ce nom entre en jeu.
Le détecteur doit bel et bien traiter du son en permanence, et c’est pourquoi l’inquiétude n’est pas imaginaire. Et il ne transcrit pas non plus tes conversations, parce qu’il n’en est pas capable : il compare un motif unique, il ne reconnaît pas la parole.
Les déclenchements involontaires sont la partie gênante. Quelque chose qui sonne suffisamment proche démarre l’assistant, et un fragment de ce qui se disait est alors traité comme si tu l’avais demandé.
Comment la dictée fonctionne à la place
Il n’y a pas de détecteur, parce qu’il n’y a rien à détecter.
Android affiche un indicateur dès qu’une app ouvre le micro, donc tu peux constater l’état plutôt que le déduire. Quand tu t’arrêtes, il se referme.
Ce n’est pas une fonction de confidentialité vissée sur la conception. C’est simplement ce qu’est un clavier : tu touchais déjà l’écran pour écrire, donc il n’y a aucune raison de guetter un appel.
Le résultat concret, c’est que la dictée n’a aucun état permanent. Entre le moment où tu cesses de parler et la fois suivante où tu appuies sur la touche, rien de cette fonction ne tourne.
À quoi sert chacun des deux
Beaucoup de gens se servent des deux et tirent davantage de chacun en sachant lequel est lequel.
Un assistant répond et agit. Quel temps fait-il, mets un minuteur, appelle quelqu’un, lance une musique, éteins les lumières. Il lui faut une connaissance du monde et l’accès à tes services, et c’est pourquoi il ne peut pas, pour l’essentiel, tourner entièrement sur l’appareil.
La dictée écrit ce que tu as dit. C’est toute la fonction. Elle ne répond pas, ne cherche rien, ne résume pas et ne décide pas. Du son entre, des mots sortent, dans le champ où se trouvait ton curseur.
Cette étroitesse est la raison pour laquelle la dictée peut tourner en local. Écrire une phrase que tu as dite exprès est une tâche bornée dont tous les éléments sont déjà présents. Répondre à une question quelconque, non.
Pourquoi on les confond
La confusion se comprend.
Les deux se déclenchent en parlant, donc ça ressemble au même geste. Certains téléphones posent un bouton d’assistant à côté du clavier, voire dedans, ce qui brouille encore la frontière. Et le même mot, « vocal », sert pour les deux dans tous les menus de réglages jamais écrits.
Cette confusion a un coût réel. Des gens qui dicteraient volontiers s’en abstiennent parce qu’ils croient que ça suppose un micro toujours ouvert, et des gens que les assistants inquiètent désactivent parfois la dictée, ce qui ne change rien à ce qui les préoccupait.
Pourquoi la distinction commande le lieu du traitement
Les deux catégories sont parties dans des directions différentes pour une raison technique.
Un assistant doit atteindre un serveur pour presque tout ce qui vaut la peine d’être demandé. La connaissance n’est pas sur ton téléphone, ton agenda, ta musique et tes messages vivent dans des services, et la réponse dépend de l’état du monde à l’instant présent. Aucun traitement local ne règle ça, quelle que soit la puissance du matériel à venir.
La dictée a la forme inverse. Tout ce dont elle a besoin est déjà là : ta voix, et un modèle qui change du son en mots. Rien dans la tâche n’exige de savoir quoi que ce soit au-delà de la phrase que tu viens de dire.
Voilà pourquoi la dictée locale existe comme catégorie de produits sérieuse alors que les assistants locaux, pour l’essentiel, non. L’étroitesse qu’on prend parfois pour une limite est exactement ce qui permet de garder l’ensemble sur l’appareil.
Ce qu’il faut vérifier sur ton propre téléphone
Deux minutes et tu sauras exactement ce qui tourne.
Regarde quelles apps ont l’autorisation du micro, et séparément si une fonction de mot de réveil est activée dans les réglages de ton téléphone ou de ton assistant. Ce sont deux interrupteurs différents et couper l’un n’a aucun effet sur l’autre.
Surveille l’indicateur du micro pendant un usage ordinaire. S’il apparaît alors que tu n’es pas en train de parler volontairement à quelque chose, cela t’en dit plus que n’importe quelle explication.
Et regarde ce qui se passe quand tu utilises la dictée d’un clavier : l’indicateur devrait apparaître quand tu appuies sur la touche et disparaître quand tu as fini. S’il reste allumé, regarde de plus près.
Où se situe LocalType
C’est de la dictée, sans le moindre assistant dans le produit.
Le micro s’ouvre quand tu appuies sur la touche du clavier et se ferme quand tu t’arrêtes. Il n’y a pas de mot de réveil, rien qui tourne en arrière-plan, et rien qui écoute entre deux dictées. Il ne répond pas aux questions, n’écrit pas de texte à ta place et n’agit pas sur ce que tu as dit. Il note tes mots et s’arrête.
La reconnaissance se passe sur le téléphone, à partir d’un modèle vocal rangé dans un stockage privé que seule l’app peut lire, donc l’audio n’est transmis nulle part même pendant que le micro est ouvert. L’accès à internet sert à une seule chose, aller chercher le modèle que tu choisis, et plus jamais après. Il n’y a aucun compte, aucune publicité, aucun pistage à l’intérieur du produit, et aucune archive de tes enregistrements. Les données de l’app sont volontairement exclues de la sauvegarde cloud d’Android, et dans un champ de mot de passe le micro n’apparaît pas du tout.
Trois tailles de modèle, à 60, 190 et 539 Mo, te laissent régler la vitesse contre la justesse, avec 4,1 secondes nécessaires pour 6,9 secondes de parole au réglage intermédiaire sur l’appareil de test à 4 Go. Dix-huit langues sont couvertes par un seul modèle multilingue, identifié depuis l’enregistrement plutôt que depuis un menu, et le reste du temps c’est un clavier ordinaire, avec correction automatique, dispositions et émojis.
Garder les deux, chacun pour sa tâche
Si ce qui te dérange est un appareil qui attend d’entendre son nom, c’est un assistant, et c’est un réglage distinct que tu peux couper de ton côté.
La dictée ne demande rien tant que tu n’appuies pas sur une touche, et un clavier qui fait la reconnaissance sur l’appareil ne demande rien ensuite non plus.
Ce qui veut dire aussi que les deux ne sont pas des solutions concurrentes. Garde l’assistant pour ce que les assistants réussissent, et laisse un clavier s’occuper de l’écriture. Ils répondent à des questions différentes et aucun ne remplace l’autre.