La DVT d’un enregistreur à transcription locale doit valider toute la machine à états, pas seulement le résultat de la reconnaissance vocale. Un système conforme capture l’audio, résiste aux interruptions, enregistre une note exploitable avec sa provenance et ne supprime un segment source qu’après son traitement par l’ordinateur pour la transcription.
Quel système teste-t-on ?
L’architecture approuvée de C1 répartit le travail entre deux appareils. C1 capture l’audio, détecte l’activité vocale sur l’appareil, stocke temporairement des segments audio chiffrés et les transfère par Bluetooth ou USB-C. L’ordinateur macOS ou Windows jumelé effectue la reconnaissance vocale et l’identification des locuteurs localement, écrit du Markdown OKF local et demande à C1 de supprimer chaque segment après son traitement pour la transcription.
Cette répartition crée au moins six états observables :
- Capturé : un segment complet ou récupérable existe sur C1.
- Mis en attente : l’ordinateur a copié le segment, mais n’a pas encore enregistré définitivement de note.
- Transcrit : la reconnaissance vocale a produit un texte candidat.
- Enregistré : la note Markdown et ses métadonnées sont écrites durablement.
- Confirmé : l’état de synchronisation indique que le segment a été traité.
- Libéré : C1 a supprimé le segment source.
La transition destructive intervient en dernier. Si un processus plante entre la mise en attente et l’enregistrement, la source doit rester récupérable. Si l’enregistrement réussit mais que la confirmation de suppression se perd, l’exécution suivante doit reconnaître le segment déjà traité et éviter une note en double.
Comment tester la matrice des interruptions ?
Provoquez une panne à chaque transition, puis vérifiez les deux côtés. « L’application a repris » ne suffit pas : comparez les empreintes des fichiers, le nombre de notes, l’inventaire de l’appareil et les pointeurs d’état avant et après le redémarrage.
| Panne provoquée | État attendu de l’appareil | État attendu de l’ordinateur |
|---|---|---|
| Coupure d’alimentation pendant la capture | Segments précédents intacts ; segment actif complet ou explicitement marqué comme invalide | Aucune note inventée |
| Déconnexion pendant le transfert | Segment source conservé | Fichier partiel en attente ignoré ou repris |
| Processus arrêté pendant la reconnaissance vocale | Segment source conservé | Aucun doublon enregistré ; nouvelle tentative possible |
| Coupure d’alimentation pendant l’écriture de la note | Segment source conservé | L’écriture atomique laisse l’ancien état ou une nouvelle note complète |
| Déconnexion après l’enregistrement, avant la suppression | La source peut subsister | L’empreinte du segment traité empêche une nouvelle transcription ; la suppression peut être retentée |
| Segment corrompu | Pas de suppression avant vérification d’une copie locale en quarantaine | Erreur et provenance de la source conservées |
Comment valider la transcription sans inventer un taux de précision universel ?
Le taux d’erreur sur les mots est utile pour un corpus annoté fixe, mais peut masquer les erreurs importantes pour le travail. Constituez un jeu d’évaluation versionné comprenant voix calme et faible, bruit de clavier, accents et langues prises en charge, voix superposées, termes métier, noms, dates, nombres et négations. Documentez la position du matériel et le niveau de la source pour chaque échantillon.
Présentez au moins trois niveaux :
- WER ou CER sur le corpus annoté, avec les versions du modèle et du décodeur.
- Taux de reconnaissance des termes critiques pour les identifiants, nombres, noms et instructions négatives.
- Utilité pour la tâche: une personne chargée de la vérification peut-elle retrouver la décision voulue sans réécouter tout l’enregistrement ?
Ne comparez pas deux systèmes de reconnaissance vocale avec des fichiers audio, des paramètres linguistiques ou des règles de post-traitement différents.
Que doit mesurer la validation de la VAD ?
La détection d’activité vocale modifie ce qui parvient à la reconnaissance vocale. Un seuil strict peut couper des syllabes faibles ou un début de phrase ; un seuil permissif peut conserver de longues plages de bruit. Testez les faux rejets, les fausses acceptations, les coupures aux limites et la fragmentation à partir d’intervalles annotés. Examinez ensuite la transcription : une petite erreur temporelle peut supprimer une négation critique même si les mesures globales de VAD semblent acceptables.
La conception audio documentée de C1 utilise Opus à 16 kHz en mono et à 16 kbps. La RFC 6716 définit Opus sur une plage bien plus large ; le débit propre au projet est un choix de conception, pas une exigence fixe d’Opus. Vérifiez la compatibilité du décodeur, la durée, le nombre de canaux et les empreintes ou le décompte des trames de bout en bout sur les fichiers réellement encodés.
Comment vérifier les affirmations de confidentialité ?
« Local » est une affirmation d’architecture testable. Capturez le trafic DNS et réseau pendant l’enregistrement, le transfert, la transcription, la recherche et l’export. La promesse de OneMira est plus précise que « rien n’utilise jamais Internet » : la reconnaissance vocale et la transcription s’exécutent sur l’ordinateur jumelé, tandis qu’un service IA tiers choisi par l’utilisateur suit le circuit de données de son fournisseur.
Un test de confidentialité doit donc consigner :
- quel processus ouvre chaque connexion réseau ;
- si des octets audio ou seulement des métadonnées de mise à jour et de télémétrie quittent l’ordinateur ;
- où sont stockés l’audio temporaire, les caches des modèles, les journaux et les transcriptions ;
- quand les fichiers temporaires de l’appareil et de l’ordinateur sont supprimés ;
- si un agent tiers reçoit un extrait sélectionné ou la note entière.
Le traitement local peut réduire une catégorie d’exposition au cloud, mais ne garantit pas automatiquement le respect du RGPD, de HIPAA, des règles de l’employeur ou des lois sur le consentement à l’enregistrement. La conformité dépend de la finalité, du consentement, du contrôle d’accès, de la conservation, de la juridiction et des outils utilisés ensuite.
Quelles preuves permettent de clôturer la DVT ?
Pour chaque exigence, conservez la version du test, les versions de l’appareil et du logiciel, les données d’entrée, le résultat attendu, le résultat mesuré, les journaux, les empreintes, les captures d’écran utiles et la décision finale. Réexécutez la matrice sur les deux familles de systèmes d’exploitation prises en charge. Un parcours nominal réussi sur un ordinateur puissant ne valide ni la reprise, ni le fonctionnement avec peu de ressources, ni une autre plateforme.
La documentation de dépannage doit associer les erreurs visibles par l’utilisateur à ces états. La répétabilité de la production relève ensuite du guide PVT.
Sources et lectures complémentaires
- IETF RFC 6716 : Opus — définition normalisée du codec et plage de fonctionnement prise en charge.
- Guide Microsoft de conception des appareils audio — bande passante de capture, bruit reçu, appariement des microphones et considérations de reconnaissance vocale.
- Caractéristiques de OneMira C1 — déclarations publiques actuelles sur le traitement local et le cycle de vie de l’audio.