Le ton de la voix

L'essentiel de la recherche sur la lecture d'autrui a porté sur le visage, pour des raisons pratiques : une photographie est plus facile à standardiser qu'un enregistrement. Le canal vocal a été moins étudié, alors qu'il est disponible dans un grand nombre de situations où le visage ne l'est pas.

Les paramètres en jeu sont mesurables : hauteur, variations de hauteur, intensité, débit, pauses, qualité de timbre. Ils se combinent en profils que les auditeurs classent avec une régularité honorable, y compris à travers les langues.

Des études comparant les canaux rapportent que l'écoute seule donne parfois de meilleurs résultats que la vidéo pour identifier l'état d'un interlocuteur. L'explication proposée est que le visage attire l'attention et fournit des indices socialement contrôlés, tandis que la voix est plus difficile à mettre en scène sur la durée.

Ce résultat mérite prudence : il dépend beaucoup des matériaux et des consignes. Il suffit toutefois à écarter l'idée reçue selon laquelle le visage serait le canal principal et la voix un supplément.

Une conversation téléphonique supprime le visage et le corps, laisse la voix intacte, et conserve la synchronisation du rythme. C'est une configuration pauvre en canaux mais riche sur celui qui reste, et l'expérience courante confirme qu'on y perçoit très bien qu'une personne n'est pas dans son état ordinaire.

L'écrit supprime le canal en entier. Ce n'est pas un détail : la même phrase, lue sans prosodie, se prête à des lectures opposées, et le lecteur y projette le ton qu'il attend. C'est le mécanisme principal des malentendus par messagerie.

Certains paramètres vocaux sont communs à des états très différents. L'élévation de la hauteur accompagne la colère comme la joie intense, l'accélération du débit accompagne l'enthousiasme comme l'anxiété. Un auditeur qui ne dispose pas du contexte se trompe régulièrement de signe.

S'y ajoutent des différences stables entre personnes : certaines parlent vite et fort en toute circonstance. Comparer quelqu'un à lui-même renseigne bien mieux que le comparer à une norme, ce qui suppose de le connaître un minimum.

L'analyse automatique du ton s'est répandue dans les centres d'appels, où elle sert à signaler un client mécontent ou à évaluer un conseiller. Elle repose sur la même hypothèse contestée que la reconnaissance faciale : qu'un profil de signal corresponde de façon fiable à un état.

Le règlement européen sur l'intelligence artificielle adopté en 2024 interdit les systèmes d'inférence émotionnelle sur le lieu de travail, hors motifs médicaux ou de sécurité. La question du périmètre exact de cette interdiction, pour des dispositifs qui prétendent mesurer la satisfaction du client plutôt que l'état du salarié, occupera vraisemblablement les juristes.