Sépare d’abord deux questions
L’essentiel de la confusion vient de ce qu’on traite une question comme deux, ou deux comme une.
Où ma voix est-elle traitée ? Soit l’audio part vers un serveur et du texte revient, soit un modèle posé sur ton téléphone fait le travail et rien n’est transmis.
Que fait le clavier de mon texte ? Tout clavier voit ce que tu tapes, parce que c’est ce qu’est une méthode de saisie. La question est de savoir si quoi que ce soit quitte l’appareil et si c’est rangé quelque part.
Une app peut être soigneuse sur l’une et négligente sur l’autre. Juger d’après le vocabulaire de la brochure plutôt que d’après ces deux questions est la façon dont les gens finissent surpris.
Ce qu’implique la dictée dans le cloud
L’architecture décide, pas la bonne foi de l’entreprise.
Si la reconnaissance se passe sur un serveur, ton audio doit s’y rendre. Cela veut dire qu’il existe, ne serait-ce qu’un instant, sur du matériel appartenant à quelqu’un d’autre, et que la suite relève des règles de cette entreprise plutôt que de quoi que ce soit de visible depuis ton téléphone.
Pour la plupart des gens et la plupart du temps, ça ne pose pas de problème, et les entreprises concernées sont soumises à de vraies obligations légales. C’est aussi la seule façon d’avoir les plus gros modèles, qui se sortent mieux d’un audio difficile que tout ce qui tient sur un appareil de poche.
Si ça compte malgré tout, c’est que certaines phrases ne ressemblent pas aux autres. Un indice de mot de passe dit à voix haute. La situation médicale d’un collègue. Les conditions commerciales d’un client. Tout ce qui est couvert par un accord que tu as signé. Dans ces cas-là, « c’est transmis, puis traité selon une politique » n’est pas la même réponse que « ce n’est pas transmis ».
Ce qu’implique la dictée sur l’appareil
Si le modèle est un fichier sur ton téléphone, il n’y a aucune transmission à examiner. Pas d’envoi, pas de copie côté serveur, pas de durée de conservation, pas de question de juridiction.
C’est une garantie plus forte qu’une politique, parce que c’est une propriété du fonctionnement du logiciel et non une promesse sur le comportement d’une entreprise. Les politiques changent. Une app sans chemin réseau ne peut pas se mettre à envoyer ton audio sans livrer une nouvelle version qui demande l’autorisation.
C’est aussi plus étroit qu’on ne le suppose.
Ce dont la dictée ne peut pas te protéger
Le traitement local règle une question et en laisse quatre autres intactes.
L’app dans laquelle tu écris. Le clavier livre du texte et sort du tableau. Ce que ce texte devient ensuite dépend entièrement du logiciel qui le reçoit, et si celui-là garde tout sur ses serveurs, avoir dicté en local n’y change strictement rien.
Les gens à portée d’oreille. Dire un message intime à voix haute dans un bureau partagé est une exposition plus grande que n’importe quelle question logicielle, et aucune app n’y remédie.
Un appareil déjà compromis. Si quelque chose de malveillant tourne déjà avec des privilèges élevés, le clavier n’est pas le maillon faible.
Le fait que le message prouve ce que tu as écrit. Une dictée locale veut dire que ta voix n’a pas été transmise. Elle ne veut pas dire que le message qui en sort est secret pour son destinataire.
Qui vend la dictée comme un produit de sécurité plutôt que comme une propriété de confidentialité en fait trop, et cela nous inclut.
La dictée n’est pas un assistant qui écoute en permanence
Une bonne part de l’inquiétude attachée à cette question appartient à un autre produit, et les séparer rend la réponse beaucoup moins alarmante.
Un assistant écoute en continu pour repérer un mot de réveil. C’est son métier, et c’est pourquoi le voyant du micro est une vraie question avec eux.
La dictée ne fonctionne pas ainsi. Le micro s’ouvre quand tu appuies sur la touche et se ferme quand tu t’arrêtes, et c’est bien pour cela qu’il y a une touche. Entre ces deux instants, rien n’écoute, et Android affiche un indicateur dès qu’une app tient le micro ouvert, donc tu peux le constater toi-même plutôt que de croire qui que ce soit.
Cette distinction explique aussi pourquoi la dictée peut tourner en local alors que les assistants, pour l’essentiel, ne le peuvent pas. Écrire une phrase que tu as dite exprès est une tâche bornée sur une entrée que tu as choisi de donner. Répondre à une question quelconque suppose une connaissance du monde, et ça, un téléphone ne peut pas la contenir.
Ce qu’un employeur va probablement demander
Si tu dictes ta correspondance professionnelle, c’est la version de la question qui se pose en pratique.
L’inquiétude porte rarement sur une entreprise qui se conduirait mal. Elle porte sur le fait que des données quittent un périmètre maîtrisé, parce qu’une règle ou un contrat dit qu’elles ne devraient pas. Matière client, données de patients, tout ce qui relève d’un accord de confidentialité.
Une dictée côté serveur veut dire que l’audio passe chez un tiers, et c’est une question à laquelle leurs juristes doivent répondre, même si la réponse se révèle rassurante. Une dictée sur l’appareil ne soulève pas la question, parce que rien n’a été transmis et qu’il n’y a aucun sous-traitant à nommer.
Si on te demande de le démontrer, le test du mode avion est toute la démonstration. Coupe le réseau, dicte, montre que ça marche encore.
Les champs de mot de passe
Le système signale au clavier qu’un champ attend un mot de passe, et ce signal est là pour être utilisé.
Chez LocalType, la dictée y est coupée net, si bien qu’un mot de passe reste indictable même en le voulant. Cela compte plus qu’il n’y paraît : dicter devient un réflexe une fois l’habitude prise, et les écrans de connexion voisinent avec tout le reste sur un téléphone.
Vérifie que tout clavier que tu installes fait de même, quel que soit celui que tu choisis.
Où se tient LocalType, précisément
La reconnaissance vit dans l’espace réservé de l’app, invisible aux autres programmes, et elle travaille sur l’appareil. Il n’existe aucun chemin cloud dans l’app, donc il n’y a aucun mode à contrôler avant de dire quelque chose de délicat.
Il n’y a aucun compte, donc aucune identité accrochée au clavier. Ni publicité, ni pistage à l’intérieur. Tes enregistrements ne sont archivés nulle part : le son se change en texte et l’affaire est close. La sauvegarde cloud d’Android se voit refuser les données de l’app, avec la conséquence qu’un nouveau téléphone démarre vide. Le vocabulaire que tu ajoutes ne bouge pas de cet appareil. Et le réseau n’est sollicité qu’une seule fois, au téléchargement du modèle vocal.
Et la limite ci-dessus s’applique toujours entièrement : dès que tes mots sont dans l’app où tu écrivais, ils suivent les règles de cette app, pas les nôtres.
La sécurité est une question d’architecture
La dictée vocale est aussi sûre que son architecture. Si l’audio est transmis, tu fais confiance à une entreprise et à une politique. S’il n’est pas transmis, il n’y a rien à quoi faire confiance, puisqu’il n’y a rien en transit.
Aucune des deux n’est fausse. Mais tu devrais savoir laquelle tu utilises, et maintenant tu peux le découvrir en dix secondes.
Si tu ne retiens qu’une habitude, retiens celle-là. Ne pas lire une politique, ne pas comparer des promesses commerciales, juste couper le réseau et regarder ce qui marche encore.