Votre voix, c'est vous | Joana Revis | TEDxCannes

Traducteur: Elisabeth Buffard Relecteur: Mohand Habchi

Si je vous dis :

« la voix est le propre de l'homme »,

vous allez tous me dire : « Ben oui, évidemment ».

Eh bien non,

la voix n'est pas le propre de l'homme, la voix, elle est partout.

La parole est le propre de l'homme, oui !

Mais la voix, elle est partout.

Tous les animaux ont une voix : les mammifères, terrestres ou marins,

tous les oiseaux, évidemment,

même certains amphibiens ont une voix.

Nous comprenons d'ailleurs parfaitement

les intonations de nos compagnons à quatre pattes.

On dit d'ailleurs qu'il ne manque que la parole, pas la voix !

La voix, ils l'ont.

La voix n'est pas le propre de l'homme.

La voix, elle est partout.

Elle est tellement partout

qu'elle est entrée dans la technologie de notre quotidien.

Et ça nous a semblé tellement naturel qu'on s'en est à peine rendu compte.

Aujourd'hui, les plateformes d'appels

nous font interagir vocalement avec des répondeurs,

la voix de notre GPS nous indique la route à suivre

et nous pouvons même avoir une conversation

avec notre téléphone portable, n'est-ce pas ?

Voix de synthèse : Je n'en doute pas Johanna.

JR : Ça va toi ?

Voix : Ça va comme sur des roulettes.

JR : Formidable.

Ce que vous voyez là n'est pas un concert de Lady Gaga.

Alys est la petite chérie de ses producteurs.

Elle n'est jamais malade, ne fait aucune fausse note

et elle ne ravage pas sa chambre d'hôtel.

Parce qu'Alys est un hologramme.

Elle est programmée par ordinateur

et sa voix est aussi virtuelle que sa présence sur scène.

(Musique)

C'est dingue, non ?

Toutes ces voix sont des voix de synthèse.

Elles sont parfaitement intelligibles,

extrêmement performantes et mieux encore, elles sont infaillibles.

Pourtant, elles restent parfaitement reconnaissables.

Voix : Hum, hum, pardon, mais je ne suis pas d'accord.

JR : Oui, pardon, j'ai oublié de vous présenter quelqu'un.

La voix que vous venez d'entendre est une voix de synthèse

que j'ai programmée spécifiquement pour ce TEDx.

Je l'ai appelée HAL en hommage à l'ordinateur de Stanley Kubrick.

Voix : J'adore Stanley Kubrick.

JR : On est très heureux de le savoir, Hal,

mais ne t'en déplaise, ton rôle aujourd'hui,

c'est de démontrer le fossé qu'il existe entre nous.

Et plus particulièrement, entre ta voix de synthèse et ma voix humaine.

Voix : Je ne vois pas bien ce que tu veux dire.

JR : Eh bien, j'y viens justement.

Ce qui nous sépare, ce n'est pas ce que l'on dit,

c'est comment on le dit.

Prenons un exemple :

pourrais-tu , HAL, s'il te plaît, lire la phrase qui est inscrite à l'écran ?

Voix : Volontiers ; je n'ai pas dit que tu avais volé l'argent.

JR : Super. Maintenant redis-la en insistant sur le fait

que ce n'est pas toi qui l'a dit.

Voix : Facile. Je n'ai pas dit que tu avais volé l'argent.

JR : Voilà, c'est ça que je voulais dire lorsque je parlais de fossé entre nous.

La voix de synthèse n'a aucune intention.

Elle est neutre, en toutes circonstances.

D'ailleurs, si on regarde les courbes qui représentent la mélodie de sa voix,

on se rend compte que, entre les deux productions,

il a fait exactement la même chose.

Alors que moi, je pourrais dire :

JE n'ai pas dit que tu avais volé l'argent.

Je n'ai pas DIT que tu avais volé l'argent.

Je n'ai pas dit que TU avais volé l'argent.

Et avec le simple son de ma voix,

non seulement je vais donner un sens différent

à une phrase qui contient des mots identiques,

mais en plus, je vais transmettre l'intégralité de mes intentions.

Alors quand on compare mes courbes avec celles de HAL,

on se rend compte que, à chaque fois que moi,

je veux insister sur un mot, ma voix devient plus forte,

plus aiguë, et elle est immédiatement suivie d'une pause.

Mais HAL n'est pas le seul

à qui la transmission des intentions pose des difficultés.

Même les ordinateurs les plus performants ont des difficultés

et sont limités par leur prosodie.

John Oliver : Soyez franc, est-ce vraiment le plus grand honneur que vous ayez reçu ?

Stephen Hawking : Oui.

JO : Bien, déceler votre ton de voix est un peu difficile,

en disant ça, êtes vous sarcastique ?

SH : Oui.

Voix : D'accord, mais ça, on ne peut pas me le programmer ?

JR : Si, on pourrait, techniquement, c'est faisable.

En revanche, ce que je ne pourrai jamais lui donner c'est une personnalité.

Parce qu'au delà des sons qui sortent de notre bouche,

ce qui rend notre voix humaine,

c'est qu'elle va transmettre tous les aspects les plus intimes

de notre personnalité.

Notre voix dit tout de nous.

A l'instant où nous ouvrons la bouche,

notre interlocuteur décode immédiatement des informations sur notre identité,

et en particulier, notre genre et notre âge.

Pourquoi ? Eh bien, tout ou presque au départ

est une question de taille du larynx.

D'ailleurs, lorsque Titze réalise la modélisation mathématique

d'un larynx de toute petite taille, avec des cordes vocales de 2 mm

et qu'il le fait jouer sur son ordinateur,

ça donne ça.

(Cri de bébé)

Puis, il reprend exactement le même modèle sans rien changer du tout,

sauf la taille, pour obtenir des cordes vocales de 5 cm,

et voilà ce que ça donne.

(Rugissement de lion)

Titze en déduit que la seule différence entre les deux,

c'est la taille des cordes vocales.

Chez l'être humain, ça fonctionne à peu près de la même manière,

c'est ce qui nous permettra de faire la différence

entre une voix d'homme et une voix de femme,

une voix d'adulte et une voix d'enfant.

Enfin, la plupart du temps, puisque à toute règle,

il y a toujours des exceptions.

Ce que l'on voit sur cette courbe,

c'est qu'il existe une zone commune aux voix d'hommes et aux voix de femmes,

entre 145 et 165 hertz.

À l'intérieur de cette zone,

on retrouve des voix d'hommes aigües et des voix de femmes graves.

Dans ma pratique de vocologiste, je soigne des voix cassées

ou j'optimise la voix de ceux qui ont des besoins spécifiques :

des avocats, des conférenciers, des chefs d'entreprise.

Lorsque je travaille par exemple à féminiser la voix d'un transsexuel,

c'est-à-dire d'un homme biologique qui vit sa vie en tant que femme,

c'est cette zone-là que je cherche à atteindre.

Par ailleurs, je vais peut-être vous surprendre si je vous dis

que nous sommes tous capables, à la simple écoute d'une voix,

d'estimer l'âge de son locuteur à cinq ans près.

Ce qui est incroyable comme niveau de précision.

De la naissance à l'âge adulte, c'est une question de croissance,

donc toujours une question de taille du larynx.

Ensuite, ce sera une question de vieillissement.

C'est pas magique, les cordes vocales, ça vieillit comme le reste du corps.

Les muscles perdent de la tonicité, du volume et la voix se voile.

La voix de Hal, elle, n'a ni âge ni sexe.

La seule chose que l'on peut dire c'est que c'est une voix d'adulte.

Ni d'enfant ni de personne âgée.

Hal : Je ne vois pas bien ce que tu veux dire.

JR : D'ailleurs, lorsqu'on mesure la hauteur de sa voix,

on se rend compte qu'elle est à 160 hertz.

Pile dans la zone d'ambiguïté.

Alors, sans sexe, sans âge, la voix de HAL n'a aucune personnalité

et ne transmet aucune émotion.

Parce que des émotions, elle n'en ressent aucune, justement.

Quand on pense aux émotions,

on pense toujours à leur dimension psychique

mais les émotions ont un point de départ physique,

biochimique, tout à fait concret à l'intérieur de notre corps.

Par exemple, quand on a peur, il y a une décharge d'adrénaline

qui fait que notre cœur bat plus vite, notre respiration s'accélère

et tous les muscles de notre corps se tendent

pour être prêts à faire face à la situation.

Eh bien, comme notre larynx utilise à la fois

l'air de nos poumons et les muscles de nos cordes vocales,

ça s'entend dans la voix.

Parce qu'elle transmet aussi les émotions,

notre voix est un véritable visage sonore.

Celle de nos proches véhicule

toute la relation que nous avons avec eux,

tout le patrimoine de notre histoire commune.

Cette voix-là,

Voix : Il les perdait toutes de la même façon.

JR : Elle vous dit rien à vous, évidemment.

Mais moi, cette voix, elle me bouleverse parce que c'est la voix de ma grand-mère.

Lorsque je l'entends, tout me revient :

mes vacances chez elle, notre complicité, son sourire et bien sûr son visage.

Tout cela, la technologie n'est pas capable de le reproduire.

D'après vous, pourquoi, sinon, à presque 50 ans d'écart,

ces deux réalisateurs auraient choisi des voix de vrais comédiens

pour « incarner » la voix de leurs ordinateurs ?

Pour Kubrick en 68, on imagine très bien qu'il n'avait pas la technologie.

Mais pour Spike Jones en 2014,

le choix de Scarlett Johansson est parfaitement clair.

Parce que lorsqu'on s'interroge sur la réalité des choses

et sur leur représentation,

alors il faut considérer que …

Voix : ceci n'est pas une voix.

JR : C'est une machine à dire des mots.

Voix : Mais alors tu veux dire

que je ne pourrai jamais être une vraie voix ?

JR : La recherche avance,

la technologie avec, à une vitesse hallucinante.

La jeune femme que vous voyez ici, incroyable de réalisme

et capable d'avoir les expressions faciales des émotions,

est en réalité un robot.

Déjà, elle est programmée pour donner la réplique à une véritable comédienne.

Demain, avec les progrès de l'intelligence artificielle,

elle sera peut-être capable de libre arbitre,

donc d'interaction subtile et autonome avec les êtres humains.

Demain, elle sera votre parfaite secrétaire.

Demain, elle sera votre parfaite baby-sitter.

Demain, elle sera peut-être la femme de votre vie.

Voix : Ou une conférencière TEDx.

JR : Ou une conférencière TEDx.

(Applaudissements)