Première étape, le micro
Tu appuies sur la touche. Android accorde à l’app l’accès au micro et affiche un indicateur à l’écran tant qu’il est ouvert, ce qui compte, puisque cela veut dire que l’état s’observe au lieu de se croire.
Le micro mesure la pression de l’air des milliers de fois par seconde et produit des nombres. À ce stade, un enregistrement n’est rien d’autre que ça : une longue liste de mesures qui décrivent les mouvements d’une membrane.
Rien n’a encore été décidé, et rien n’a été envoyé nulle part.
Deuxième étape, ces nombres doivent exister quelque part
La reconnaissance ne peut pas travailler sur un son qui n’a pas été capté, donc pendant quelques secondes l’audio existe en mémoire pendant qu’il est traité.
C’est l’étape sur laquelle les gens s’interrogent d’ordinaire quand ils demandent si la dictée les « enregistre ». Techniquement oui, au sens où des mesures existent. Au sens qu’ils veulent dire, à savoir si un fichier est conservé que quelqu’un pourrait écouter plus tard, cela dépend entièrement de ce qui vient ensuite.
Troisième étape, l’embranchement
C’est là que les deux architectures se séparent, et tout ce qui compte découle de celle que tu utilises.
Côté serveur. L’audio est empaqueté et transmis par le réseau vers un ordinateur distant, qui fait tourner un modèle dessus et renvoie du texte. Pendant ce voyage, l’audio existe sur le matériel de quelqu’un d’autre. Ce qui lui arrive là-bas relève des règles de cette entreprise plutôt que de quoi que ce soit de visible depuis ton téléphone.
Sur l’appareil. Un fichier de modèle déjà présent sur ton appareil traite les mesures sur place. Rien n’est empaqueté, rien n’est transmis, et l’audio n’existe jamais ailleurs que dans la mémoire de ton téléphone.
Tu peux déterminer laquelle une app emploie en moins d’une minute : coupe les données mobiles et le Wi-Fi, et dicte. Si des mots apparaissent, c’était la seconde.
Quatrième étape, le son devient du texte
Le modèle produit des mots. À partir de là, l’audio a rempli son office et l’objet utile est le texte.
Ce passage est le moment important, parce qu’un texte est beaucoup plus léger, beaucoup moins identifiant, et qu’il ne porte ni ta voix, ni le ton que tu y as mis, ni ton accent, ni rien de ce qu’il y avait au fond de la pièce.
Quoi que l’on fasse du texte ensuite, l’enregistrement de toi en train de le dire est une question distincte avec une réponse distincte.
Cinquième étape, le texte entre dans le champ
Les mots atterrissent dans ce que tu écrivais, exactement comme si tu les avais tapés.
À cet instant, l’intervention du clavier s’arrête complètement. Ce qui suit relève de l’app dans laquelle tu as mis le texte : la messagerie, l’app de notes, le navigateur, le client de courrier, et ce que chacun fait de ce que tu écris.
C’est la limite de ce que n’importe quel clavier peut promettre, le nôtre compris. Un clavier ne peut pas rendre une messagerie discrète, et personne ne devrait prétendre le contraire.
Où chaque architecture garde l’audio, en pratique
« En mémoire » porte beaucoup de poids à la deuxième étape.
Avec une reconnaissance sur l’appareil, les mesures existent à l’intérieur du processus de l’app le temps de produire des mots, puis cette mémoire est réemployée pour autre chose, comme toute mémoire. Aucun fichier n’est écrit, donc il n’y a rien à trouver, à supprimer ou à sauvegarder par accident.
Avec une reconnaissance côté serveur, les mêmes mesures sont en plus recopiées dans une requête réseau, envoyées par la connexion que tu utilises, reçues par du matériel que tu ne contrôles pas, et traitées là-bas. Chacune de ces opérations est une étape technique normale, et chacune est un endroit de plus où ta voix existe.
Aucune de ces deux descriptions n’est une accusation. C’est simplement qu’un chemin comporte quatre endroits où ta voix existe et l’autre un seul.
Ce qui survit ensuite
Derrière cette question s’en cachent trois, et on les confond sans arrêt.
L’audio survit-il ? Avec une reconnaissance sur l’appareil, il n’y a ni fichier ni conservation. LocalType ne garde aucune archive de tes enregistrements : les mesures sont traitées et ce sont les mots qui restent.
Le texte survit-il ? Oui, dans l’app où tu l’as envoyé, exactement comme un texte tapé. C’est bien l’intérêt d’écrire quelque chose.
Quelque chose de toi survit-il dans le clavier ? Tes réglages et les mots que tu as ajoutés, qui restent sur l’appareil. La sauvegarde cloud d’Android se voit volontairement refuser les données de l’app, donc ils ne quittent pas l’appareil et ne réapparaissent pas sur un nouveau.
Ce que fait LocalType à chaque étape
Le micro s’ouvre quand tu appuies sur la touche et se ferme quand tu t’arrêtes ; il n’y a pas de mot de réveil et rien qui écoute entre deux dictées. Le modèle est un fichier dans un stockage privé qu’aucune autre app ne peut atteindre, et c’est la seule chose qui traite l’audio. Aucun réseau n’intervient à aucun moment après le téléchargement initial, et l’accès à internet est demandé pour exactement un usage, récupérer le modèle que tu as choisi.
Il n’y a aucun compte, donc rien n’associe tout cela à une personne. La publicité est absente du produit et aucun pistage n’y tourne. Dans un champ de mot de passe, la touche micro n’est pas proposée du tout, si bien que la seule catégorie de parole que personne ne devrait dicter ne peut pas l’être par accident.
Les questions auxquelles ceci ne répond pas
La reconnaissance sur l’appareil répond à une question et en laisse plusieurs intactes. Cela ne te dit pas ce que fait le fabricant de ton téléphone, ni ce que fait l’app dans laquelle tu écris, ni ce qu’un message devient une fois envoyé. Ce sont trois systèmes distincts avec trois réponses distinctes.
Cela ne te rend pas anonyme non plus. La personne à qui tu écris sait qui tu es, et aucune méthode de saisie n’y change rien.
Ce à quoi cela répond est étroit et vérifiable : savoir si ta voix est transmise à un tiers pour devenir du texte. Une reconnaissance sur l’appareil répond non, et tu peux le vérifier en mode avion plutôt que de croire une page.
« La dictée est-elle privée » est une question à laquelle personne ne peut répondre pour toi. « L’audio est-il transmis, et un enregistrement survit-il » se règle en une minute environ, pour n’importe quelle app sur n’importe quel téléphone, et c’est sur ces deux faits que repose tout le reste.
Une chose à faire aujourd’hui
Quel que soit ton clavier, passe une minute à découvrir quel chemin prend ta dictée.
Mode avion, une phrase dictée, et regarde ce qui se passe. Ensuite, va voir si l’app a seulement l’autorisation d’accéder à internet, ce qui se lit dans les réglages d’applications d’Android et prend trente secondes de plus.
Ces deux faits t’en disent plus sur ce que devient ta voix que n’importe quel document de politique, et ils valent pour le clavier que tu as déjà autant que pour n’importe quelle alternative. La plupart des gens n’ont jamais vérifié, et la réponse n’est fréquemment pas celle qu’ils supposaient, dans un sens comme dans l’autre.