Patrick Tucker (@DefTechPat), pour Defense One, qui s’apprête à publier L’avenir nu : qu’arrive-t-il dans un monde qui anticipe chacun de vos mouvements ?, revient sur les défis de l’espionnage audio. Et notamment sur le programme ASpIRE, le nouveau défi de reconnaissance automatique du langage dans des environnement de réverbération que viennent de lancer le Bureau du directeur du renseignement national américain et l’Agende de projets de recherche en intelligence avancée (Iarpa), qui invite la recherche à réinventer la reconnaissance vocale. Réagissant à l’article d’un des spécialistes du sujet, Nelson Morgan, publié l’année dernière, qui définissait la reconnaissance vocale comme la science de la récupération des mots à partir d’un signal acoustique pour transmettre ces mots à un auditeur humain, soulignait les limites de la seule transcription automatique. Celle-ci est utile et efficace que dans très peu de situation. La reconnaissance de la parole dans des environnements difficiles (bruyants notamment) reste assez difficile et celle-ci n’a pas autant progressé que ne l’a fait la reconnaissance faciale ces dernières années.

Les systèmes de reconnaissance de la parole sont conçus pour travailler dans des conditions d’enregistrement spécifiques et optimale. Et c’est à cela que veut s’attaquer le programme ASpIRE. Peut-on appliquer les avancées en intelligence artificielle de Siri à la reconnaissance de la parole ? Ces interrogations s’étendent jusqu’au domaine des commandes vocales avec lesquelles nous commanderons nos objets connectés demain (ce qui n’est pas sans poser de nouveaux défis, rappelait Rachel Feltman pour Quartz, notamment sur la standardisation des commandes). bien sûr à l’écoute massive des métadonnées téléphoniques, et enfin de l’écoute distante à la miniaturisation des micro qui peuvent n’être plus qu’une molécule (une molécule de dibenzoterrylène change de couleur en fonction du niveau sonore).

La recherche s’intéresse aussi à l’identification vocale des locuteurs, à l’heure où les masques limitent la portée de la reconnaissance faciale. En 2012, le FBI a investit dans VoiceGrid, une technologie pour stocker les empreintes vocales des suspects qui seraient depuis systématiquement collectées. La police fédérale de Mexico a reconnue avoir une base de données d’un million d’enregistrement de voix. Comprendre ce que disent les ennemis, connaître son nom semble demeure une nécessité stratégique, même si cela passe par un espionnage de masse.