La meilleure appli de traduction en temps reel est celle qu'on oublie
Qu'est-ce qui rend une appli de traduction en temps reel vraiment bonne ? Pas les listes de fonctionnalites. Pas le nombre de langues. C'est quand on l'oublie pendant l'appel.
J'ai teste beaucoup d'applis de traduction ces deux dernieres annees. La plupart font bonne impression en demo. Interface soignee, longue liste de langues, une page marketing bien leche. Puis on entre dans un vrai appel avec quelqu'un qui parle vite, coupe la parole ou utilise du jargon metier, et tout s'effondre.
Celles qui tiennent le coup en usage reel partagent quelques caracteristiques. Elles sont assez rapides pour qu'on oublie la latence. Elles ne remplacent pas la voix par un robot. Et elles captent le sens meme quand les mots n'ont pas d'equivalent direct d'une langue a l'autre.
C'est sur ce dernier point que la plupart des applis echouent en silence.
Ce que "meilleure" veut vraiment dire ici
Ca ne veut pas dire la plus longue liste de fonctionnalites. Ca veut dire que l'appli disparait pendant la conversation.
Quand la traduction fonctionne bien, on oublie qu'il y a une barriere linguistique. On repond naturellement, l'autre personne repond naturellement, et la reunion se termine a l'heure. Quand ca ne marche pas, chaque phrase a un petit cout supplementaire : une pause, un malentendu, un moment ou quelqu'un doit se repeter.
La plupart des comparatifs evaluent les applis sur des specs : nombre de langues, prix par utilisateur, integrations. Ce sont des criteres importants, mais secondaires. La question fondamentale est plus simple : est-ce que deux personnes peuvent avoir une conversation normale a travers cet outil ?
Pourquoi la sortie vocale change la donne
La traduction par sous-titres transforme l'appel en exercice de lecture. On regarde du texte defiler pendant que quelqu'un parle, en essayant de traiter les deux en meme temps. Ca marche pour des echanges courts. Ca craque dans toute reunion de plus de dix minutes ou avec plus de deux participants.
La traduction vocale permet a chacun de rester dans la conversation comme il le ferait normalement — en ecoutant. Ce n'est pas une amelioration marginale. Ca change le type de reunions qu'on peut avoir. Brainstormings, negociations, entretiens — ils ne fonctionnent que quand les gens peuvent reagir en temps reel sans regarder une barre laterale.
Hitoo traduit la parole en parole. La sortie conserve les caracteristiques vocales du locuteur d'origine, ce qui signifie que la version traduite ressemble a la personne qui l'a dit, pas a un moteur de synthese vocale. Je ne pensais pas que ca compterait tant que ca jusqu'a ce que j'assiste a un appel ou un fondateur pitchait des investisseurs via la traduction. Entendre son emphase et son debit reels, meme dans une autre langue, a convaincu la salle d'une facon que les sous-titres n'auraient jamais pu egaler.
La latence est le sujet dont personne ne parle
Chaque appli de traduction pretend fonctionner "en temps reel". Peu d'entre elles precisent ce que ca signifie en millisecondes. Et le chiffre compte parce que la conversation humaine a un rythme. Cassez ce rythme et les gens commencent a se couper la parole ou a rester dans un silence gene.
En dessous de 300ms, une conversation semble fluide. Au-dessus, les gens commencent a compenser. Ils attendent un battement de plus avant de repondre. Ils raccourcissent leurs phrases. Ils s'arretent en plein milieu d'une idee parce que la traduction de l'autre personne est encore en cours. Ces ajustements ne sont pas dramatiques individuellement, mais sur une reunion de 45 minutes, ils aspirent toute l'energie de la salle.
Hitoo reste sous cette barre des 300ms. Je l'ai utilise pour des appels ou les deux parties parlaient vite — italien et mandarin, allemand et portugais — et le flux a tenu. C'est rare.
La liste des langues est la partie la moins interessante
Chaque appli affiche "50+ langues" ou "100+ langues". Ce qu'elles ne disent pas, c'est que la qualite varie enormement d'une paire de langues a l'autre. Anglais-espagnol peut etre excellent. Anglais-thai peut etre a la limite de l'inutilisable.
Ce qui compte, c'est si les paires specifiques dont on a besoin fonctionnent bien. Si on gere une equipe entre le Japon, le Bresil et l'Allemagne, il faut que japonais-portugais et allemand-japonais soient solides, pas seulement anglais-vers-tout. La plupart des applis sont centrees sur l'anglais. Moins la paire est courante, pire c'est.
Hitoo prend en charge plus de 50 langues avec des chemins de traduction directs entre elles — sans tout faire transiter par l'anglais. Ca fait une difference pour les paires non anglophones parce qu'on elimine une etape intermediaire qui introduit des erreurs et du retard.
La securite est un vrai sujet, pas une case a cocher
Les appels contiennent des noms de clients, des conditions contractuelles, des discussions strategiques, des chiffres de remuneration. Une appli de traduction traite tout cet audio. Ou va-t-il ? Qui peut y acceder ?
Ce n'est pas de la paranoia. C'est de la diligence raisonnable. Toute appli qui fait transiter l'audio par des services tiers pour le traitement cree des points d'exposition. Hitoo utilise le chiffrement de bout en bout et traite la traduction sans exposer l'audio a des services externes. Pour les secteurs reglementes — juridique, sante, finance — c'est le minimum requis.
Ce que je recommanderais vraiment
Arretez de comparer des tableaux de fonctionnalites. Faites un vrai appel avec l'appli et voyez si la conversation fonctionne. Si on se retrouve a relire les sous-titres en permanence, a adapter sa facon de parler ou a s'excuser pour des erreurs de traduction, l'appli n'est pas a la hauteur.
La meilleure appli de traduction en temps reel est celle ou les deux personnes sortent de la reunion avec le sentiment d'avoir eu une vraie conversation. Pas une conversation traduite. Une vraie conversation.