Apple travaille sur la commande Hey Siri ou « Dis Siri »

Supprimer un seul mot du réveil vocal de Siri a demandé à Apple plusieurs années de travail : en novembre 2022, Bloomberg révélait que la marque cherchait à passer de « Dis Siri » à « Siri » tout court, et que l’opération butait sur un problème d’intelligence artificielle bien plus lourd qu’il n’y paraît.

L’information venait de Mark Gurman, le journaliste qui suit Apple pour l’agence. Il écrivait alors que « effectuer le changement est un défi technique qui nécessite une quantité importante de formation en IA et de travaux d’ingénierie sous-jacents », et que la firme travaillait sur le sujet depuis des mois, en testant la fonction auprès de ses propres salariés pour récolter des données d’entraînement. Le déploiement était annoncé pour « l’année prochaine ou l’année suivante ».

Pourquoi un mot de moins complique tout

Un mot de réveil, ce que les ingénieurs appellent un mot-clé d’activation, doit remplir deux conditions contradictoires. Il faut qu’il se déclenche à tous les coups quand l’utilisateur le prononce, y compris dans une voiture fenêtres ouvertes ou avec un accent régional prononcé. Il faut aussi qu’il ne se déclenche jamais tout seul pendant une conversation.

Deux syllabes offrent nettement moins de matière à reconnaître que quatre. « Dis Siri » et « Hey Siri » donnent au modèle une empreinte sonore longue, avec une attaque nette, ce qui réduit les fausses détections. Réduit à « Siri », le mot devient plus court, plus proche de sons courants dans la conversation, et le risque de réveil intempestif grimpe. Toute la difficulté consiste à compenser cette perte par un modèle acoustique bien plus fin, entraîné sur des millions d’échantillons dans des dizaines de langues.

Ce que « Dis Siri » faisait vraiment, et ce qu’on lui prêtait à tort

La fonction est arrivée avec iOS 8, en 2014. Sur les iPhone de l’époque, elle ne fonctionnait que si l’appareil était branché sur une source d’alimentation, faute d’un composant capable d’écouter en permanence sans vider la batterie.

Cette limite a sauté dès l’iPhone 6s, en 2015, grâce à un coprocesseur de mouvement dédié qui surveille le micro en consommant très peu. Depuis, l’activation vocale marche sur batterie, écran éteint, téléphone posé sur la table. L’affirmation selon laquelle il faudrait brancher son iPhone pour parler à Siri traîne encore partout : elle est fausse depuis dix ans.

Deux autres idées reçues méritent le même sort. Le mot de réveil ne limite pas les commandes disponibles : une fois Siri activé à la voix, l’assistant fait exactement ce qu’il ferait après un appui long sur le bouton latéral. Et la fonction n’est pas réservée aux modèles les plus récents : elle équipe les iPhone, les iPad, les Apple Watch, les HomePod et les voitures compatibles CarPlay.

• Régler une minuterie ou un rappel sans lâcher ce qu’on a dans les mains ;
• Dicter et envoyer un message, ou se le faire lire à voix haute ;
• Lancer un appel en conduisant, ce qui reste le cas d’usage numéro un ;
• Piloter la maison connectée, lumières, volets, chauffage, depuis un HomePod ;
• Lancer une recherche web ou une navigation sans toucher l’écran.

Quelle modification prévoit Apple pour la commande vocale d’activation de l’assistant vocal Siri

Le raisonnement d’Apple tenait en un mot : l’adoption. La marque part de loin sur ce terrain, avec un assistant longtemps jugé moins doué que celui de Google pour comprendre une demande formulée de travers. Rendre le déclenchement plus court, c’est retirer une friction à chaque usage, dans l’espoir que les gens s’en servent plus souvent.

La conduite reste le terrain où l’assistant vocal se justifie le mieux, faute d’alternative : les mains sont occupées et le regard doit rester sur la route. Encore faut-il que le téléphone soit correctement installé dans l’habitacle, un point que détaille notre article sur l’intérêt d’utiliser des accessoires de téléphone pour la voiture. Un appareil qui glisse sur le siège passager annule tout le bénéfice du mains libres.

L’assistant sert aussi de filtre vers les notifications, quand on lui demande de lire les messages qui arrivent. C’est pratique pour un SMS familial, plus délicat quand il s’agit d’une application de rencontre : sur ce point, notre présentation d’OkCupid en France détaille les réglages de discrétion à connaître avant de laisser un haut-parleur lire vos conversations dans le salon.

Comment un téléphone écoute sans tout envoyer

C’est la question que pose immanquablement quelqu’un à qui l’on explique le sujet : si l’appareil attend un mot, c’est donc qu’il écoute en permanence. La réponse tient à un découpage en deux étages, et elle vaut pour Siri comme pour ses concurrents.

Le premier étage tourne sur la puce, en local. Un petit modèle compare en continu le signal du micro à l’empreinte sonore du mot de réveil, sur une mémoire tampon de quelques secondes qui s’efface au fur et à mesure. Rien ne sort du téléphone à ce stade. Le second étage ne démarre qu’en cas de correspondance : c’est seulement là que la requête part vers les serveurs pour être interprétée, quand elle n’est pas traitée sur l’appareil.

La zone grise se situe entre les deux. Une fausse détection déclenche l’enregistrement de ce qui suit, y compris d’une bribe de conversation privée. Apple a durci sa politique sur ce point après l’affaire des écoutes de 2019, quand des sous-traitants chargés d’évaluer la qualité des réponses avaient accès à des extraits sonores. L’analyse humaine est devenue optionnelle et désactivée par défaut, et le réglage se retrouve dans les paramètres de confidentialité.

Les objections qui étaient sur la table

La question de l’accessibilité est revenue dans le débat de 2022, et elle est sérieuse. Beaucoup d’utilisateurs malvoyants pilotent leur téléphone presque entièrement à la voix, avec une commande apprise par cœur depuis des années. Changer le mot d’entrée d’un système sur lequel repose l’usage quotidien demande une période de transition, et Apple a d’ailleurs conservé la reconnaissance de l’ancienne formule en plus de la nouvelle.

Le sujet du multilinguisme est tout aussi épineux. La bascule est arrivée d’abord en anglais américain, parce que c’est la langue sur laquelle Apple dispose du plus grand volume d’échantillons. Chaque nouvelle langue oblige à réentraîner et à revalider le modèle, avec des accents, des débits et des environnements sonores différents. Le français, avec ses liaisons, complique la découpe du signal davantage que l’anglais.

Reste une conséquence moins commentée : plus les gens interrogent une machine à la voix, plus les questions posées ressemblent à des phrases complètes plutôt qu’à des suites de mots-clés. Cela déplace lentement la façon d’écrire pour le web, un mouvement de fond qu’on observait déjà bien avant les assistants vocaux, comme le rappelle notre article sur l’usage des annuaires de liens en référencement.

Il faut aussi rappeler ce que ce chantier ne réglait pas. Raccourcir le mot de réveil accélère l’entrée en conversation, cela n’améliore en rien la compréhension de ce qui suit, ni la capacité de l’assistant à enchaîner deux demandes liées. Sur ce terrain, Siri accusait un retard que les tests comparatifs de 2022 mesuraient sans indulgence, et la refonte annoncée depuis relève d’un tout autre projet que le retrait d’une syllabe.

Cette commande vocale n’était pas le seul chantier ouvert chez Apple à ce moment-là. La marque terminait en parallèle le développement de son casque de réalité virtuelle et augmentée, un appareil qui se pilote encore davantage à la voix qu’un téléphone, puisqu’il n’a ni clavier ni écran tactile. Les deux projets se répondaient plus qu’il n’y paraissait.

SIRI sur iPhone : Les phrases que j'utilise le plus souvent. Siri est une application informatique de commande vocale qui comprend les instructions verbales données par les utilisateurs et répond à leurs requêtes elle comprend de nombreuses phrases.

Voir la video sur YouTube