« L’assistant vocal écoute toujours. » À quelques semaines de l’Halloween, ça fait une bonne histoire de haut-parleur possédé. La réalité est plus précise : le microphone capte toujours lorsqu’il est actif, mais le traitement local du mot d’activation n’est pas le même mécanisme que l’envoi d’un extrait au service cloud.

Le signal analogique du micro est converti en échantillons numériques. Un processeur de signal réduit le bruit, estime des caractéristiques fréquentielles et les place dans un petit tampon circulaire. Un modèle compact cherche en continu un motif comme « Alexa » ou « Dis Siri ». Tant que son score reste sous le seuil, les nouveaux échantillons remplacent les anciens localement.

micro → conversion numérique → filtre/caractéristiques → modèle du mot-clé
                                                     ↓ si seuil dépassé
tampon avant déclenchement + nouvelle phrase → service vocal cloud
→ reconnaissance de parole → intention → action → synthèse de réponse

Le tampon avant déclenchement permet de ne pas couper le premier mot. Après activation, l’appareil indique normalement qu’il transmet, chiffre l’audio vers le service et associe la demande à un compte ou un appareil. La reconnaissance transforme l’onde en texte; un module de compréhension détecte une intention et des paramètres, par exemple Minuterie(durée=10 minutes). Un service exécute l’action, puis renvoie une réponse audio.

Le faux déclenchement vient du seuil. Un seuil bas manque moins de vrais appels, mais accepte plus de phrases ressemblantes. Un seuil haut protège mieux la vie privée au prix d’un appareil qui répond moins bien. Je testerais avec la télévision, des accents, une conversation lointaine et les noms qui ressemblent au mot-clé, puis je mesurerais :

1. vrais mots détectés;
2. vrais mots manqués;
3. faux déclenchements par heure;
4. durée audio envoyée;
5. délai avant l’indicateur visible ou sonore;
6. comportement sans réseau.

La panne réseau devrait donner un signal clair et ne pas garder indéfiniment des commandes en attente. Certaines fonctions locales peuvent continuer; une action cloud sensible ne doit pas se lancer plus tard sans contexte lorsque la connexion revient. Une minuterie répétée après un timeout est tannante; une serrure ouverte deux fois ou au mauvais moment est plus grave. Les actions physiques demandent une confirmation, une autorisation et un journal adaptés au risque.

La confidentialité porte sur tout le cycle : extrait brut, transcription, intention, résultat et historique. Je veux savoir combien de temps chacun vit, s’il sert à l’amélioration, comment il est relié au compte et comment le supprimer. Effacer la transcription visible ne garantit pas automatiquement que toutes les copies audio et données dérivées suivent la même règle; la politique doit le dire.

Un historique vocal devient une cible. Le compte utilise un mot de passe unique et l’authentification multifacteur. Les profils familiaux ne devraient pas permettre à n’importe quelle voix d’écouter un calendrier privé ou d’acheter sans contrôle. Les intégrations tierces reçoivent le minimum d’information et leurs permissions sont revues.

Le bouton physique de micro a une valeur particulière lorsqu’il coupe électriquement le chemin ou donne un état impossible à contourner par logiciel. Une DEL contrôlée par le même circuit est plus crédible qu’une simple icône. Je vérifie aussi ce qui arrive après une mise à jour et un redémarrage : le choix précédent doit rester.

Je ne classe pas l’appareil comme espion ou objet inoffensif. C’est une chaîne de détection locale, transmission, inférence et conservation. Ma pratique serait d’ouvrir l’historique, provoquer des faux déclenchements, désactiver l’utilisation d’amélioration si je ne la veux pas et couper physiquement le micro dans les moments sensibles. La nuance devient utile seulement si les contrôles sont visibles et testables.