Le numérique est en train de changer de paradigme, passant du visuel à l’oral. La voix a le vent en poupe. Preuve en est avec le succès de Clubhouse, le nouveau réseau social basé sur l’audio. Que ce soit avec les smartphones ou les « home assistants », la voix est aussi devenue la modalité privilégiée d’interaction entre l’humain et la machine. Les interfaces vocales qui nous écoutent et nous parlent s’imposent progressivement partout. Mais parler et se faire comprendre des machines coûte très cher. La collecte de données vocales pour entraîner ces technologies suppose d’immenses investissements en temps et en argent et peut constituer un obstacle important à l’accès de la concurrence au marché. Les Gafa, encore eux, sont devenus des acteurs de R & D extrêmement dominants dans le domaine de la reconnaissance et de la synthèse de la parole. La France, quant à elle, possède un écosystème en matière de technologies vocales. Mais les entreprises disposent d’un volume de données vocales très pauvre, pourtant indispensable à l’entrainement de leurs algorithmes d’intelligence artificielle et au travail sur la voix. D’où l’idée d’une campagne de data funding pour une récolte de données sonores. Contrairement à Mozilla qui demande à des volontaires d’enregistrer des phrases, l’association professionnelle The Voice Lab invite les utilisateurs d’Alexa, de Siri ou de Google Home à demander à leur éditeurs leurs archives vocales pour ensuite les communiquer au Voice Lab, en se fondant sur l’obligation de portabilité des données inscrites dans l’article 20 du RGPD.

Les promesses du marché de l’intelligence artificielle conversationnelle sont ascensionnelles, voire exponentielles. On pense bien sûr à l’explosion des assistants vocaux mais aussi aux usages liés à la téléphonie classique avec les secrétariats et les call centers. A l’heure actuelle, le duopole Amazon Alexa / Google Home s’impose sur le marché des assistants vocaux, ce qui constitue une porte d’entrée inédite auprès des consommateurs. Eux seuls sont en mesure de détenir ou d’acquérir la masse et la diversité de voix pour entraîner les machines et d’avoir des technologies vocales aussi performantes. Ce qui pose un problème de concurrence, de souveraineté et de protection des données personnelles.

Campagne de collecte de données

Des initiatives ont été mises en place pour permettre l’émergence d’une alternative aux solutions et aux modèles économiques existants, afin de garantir le respect de la vie privée des utilisateurs mais aussi d’éviter une dépendance économique sur les interfaces du futur que sont les interfaces vocales. En 2017, Mozilla, partant du constat que seule une poignée d’entreprises contrôle l’accès à toutes les fonctions de reconnaissance vocale, avait lancé une campagne de don d’enregistrements vocaux pour permettre à d’autres acteurs économiques d’accéder à un ensemble diversifié d’accents et de langues. Common Voice avait pour objectif de collecter 10 000 heures de voix. Le projet a d’abord rencontré l’enthousiasme puis a fini par s’essouffler.

L’idée de constituer un vrai vivier de données pour permettre une alternative à l’emprise des Gafa a été reprise par The Voice Lab, association française de l’industrie Voice-Tech. Soutenue par la Banque publique d’investissement (BPI), elle regroupe des acteurs institutionnels (universités, laboratoires de recherche…) et des entreprises privées, dont l’intérêt commun est de constituer un écosystème indépendant et des standards pour permettre à la France et l’Europe de rester compétitives sur le marché de la voix au niveau mondial.

Elle a lancé une campagne de collecte de données qui propose aux utilisateurs de partager leurs voix enregistrées par les assistants intelligents ou des enceintes connectées avec des centres de recherches publiques, européens pour des projets utiles au bien commun.

Il leur suffit de demander une copie de leurs données sur la base du RGDP. La plateforme Datafunding.org utilisée par The Voice Lab explique qu’« une fois votre demande de donnée effectuée, l’entreprise concernée vous enverra vos données quelques heures à quelques jours plus tard. Récupérez votre archive sur votre ordinateur, téléversez-là dans votre espace personnel sur Datafunding puis autorisez le partage de ces données avec le Voicelab. ». Elles seront hébergées par l’association. Pas plus compliqué que ça. A priori.

Les membres de l’association comptabilisaient 2 000 heures en langue française. Leur objectif est de doubler ce volume de données, et à terme d’atteindre les 100 000 heures. Et les données ne seront que la première brique d’une place de marché qui comprendra également des moteurs de reconnaissance vocale et, enfin, une dernière couche de services à l’instar des assistants vocaux, des chatbots, de solutions de sous-titrage, etc.

Données intimes, données sensibles

Le nerf de la guerre repose donc sur les données vocales et l’efficacité de ces technologies dépend de volumes gigantesques pour la compréhension d’une langue dans sa généralité et dans toutes ses finesses, pour répondre aux besoins de nouveaux services en ligne pour tous les usages. Pour ce faire, les technologies vocales fonctionnent par apprentissage automatique à partir d’enregistrements de vraies voix. Cela nécessite de disposer d’une grande diversité de données : des voix de femmes, d’hommes, d’enfants, de personnes âgées, des accents régionaux, des langages techniques ou professionnels, des niveaux de langage académique, populaire ou argotique, etc. Sans disposer de toutes les facettes d’une langue, la machine risque de passer à côté d’une demande ou de commettre des contre-sens.

La voix est une trace laissée par des mouvements d’air causés par le phénomène de phonation, c’est-à-dire la production de sons propres à la langue parlée. C’est aussi une donnée. Une donnée intime, particulièrement sensible. Elle porte beaucoup d’informations sur un individu comme son âge, son sexe, ses origines, son éducation, ses ressentis, son état physique ou psychique, sa consommation éventuelle d’alcool ou de psychotropes, ses émotions, ses intentions, etc.
Ce sont donc des données personnelles. Et dans la mesure où elle permet d’identifier le locuteur à partir de caractéristiques physiques, en l’occurrence la voix, elle est aussi considérée comme une donnée biométrique.

Certaines entreprises ont un accès plus privilégié à ces données en raison des services qu’elles proposent que ce soit Google avec Youtube ou Google Home ou Amazon avec Alexa. Elles disposent de la « matière » pour entraîner leur intelligence artificielle en conservant notamment les commandes vocales envoyées à leur assistant dans divers cas d’usage ou en écoutant les vidéos. Aujourd’hui, il semble qu’ils demandent l’autorisation expresse aux utilisateurs d’utiliser leur voix pour certains usages prédéfinis et leur offrent la possibilité d’accéder aux données enregistrées et de demander leur suppression.

Risque de désintermédiation

La collecte des données par et pour les assistants vocaux tels qu’Alexa ou Google Home pose un problème de protection mais aussi un problème de concurrence en termes d’offres alternatives car ils constituent une nouvelle porte d’accès vers les services et les achats en ligne, contrôlée par leurs éditeurs. Il s’agit d’un nouvel intermédiaire pour les activités de vente en ligne des géants du numérique, respectivement de Google Shopping ou du site d’Amazon, une base avancée de leurs comparateurs de prix et marketplaces. L’assistant proposera notamment les offres référencées sur son propre site. Si le volume des transactions par ce canal reste encore marginal, il ne cesse de croître comme le nombre d’applications vocales de vendeurs en ligne tels que Sephora, Monoprix, Carrefour ou encore Accor, SNCF. Cela pose à nouveau la question de la dépendance des marques aux géants de l’internet et au référencement vocal. Mais alors qu’un moteur de recherche peut afficher sur un écran de nombreux résultats, une enceinte connectée ne peut guère donner qu’une réponse unique, voire deux ou trois.
Il y a donc un risque de renforcement de positions dominantes pour ceux qui peuvent arriver en première place lors d’une recherche : les mieux référencés ou ceux qui ont signé des contrats avec Amazon, Google ou Apple. Ces interfaces vocales promettent de révolutionner la relation client.

En juillet dernier, la Commission européenne avait lancé une enquête visant les assistants vocaux d’Amazon, de Google et d’Apple concernant la limitation de la concurrence et l’avance que les données personnelles pourraient procurer aux Gafa.

Pour la commissaire en charge de la Concurrence Margrethe Vestager, il existe un « sérieux risque » que des produits comme Alexa, Siri et Assistant puissent aider Amazon, Apple et Google, pour pousser le marché au-delà du point de bascule faisant tomber la concurrence vers du monopole. Elle expliquait que « l’accès à de grandes quantités de données des utilisateurs semble être la clé de la réussite de ce secteur. Aussi, nous devons faire en sorte que les acteurs du marché n’utilisent pas le contrôle qu’ils exercent sur ces données pour fausser la concurrence ou fermer ces marchés aux concurrents ».

La commission devait publier un rapport préliminaire en vue d’une consultation au printemps 2021 pour qu’un rapport final soit publié au cours de l’été 2022. En attendant, des mesures prévoient de réguler ces « gatekeepers » dans les futurs règlements DSA et DMA. Seront-elles suffisantes pour permettre à des alternatives vocales d’exister ?