Abdelhalim Ait Brahim L’idée séduit immédiatement : un assistant qui décroche à votre place, comprend un client parlant darija, répond correctement et ne rate jamais un appel. Plusieurs acteurs au Maroc mettent désormais cet argument en avant.
L’objectif est légitime et la technologie progresse réellement. Mais entre une démonstration réussie et un dispositif qui tient sur des appels quotidiens, il y a un écart que peu de propositions décrivent honnêtement. Voici ce qui se passe réellement entre le moment où un client parle et celui où il obtient une réponse.
Trois étapes, trois occasions de se tromper
Un assistant vocal n’est pas un bloc unique. C’est une chaîne, et chaque maillon peut lâcher.
Comprendre les sons et les transformer en texte. Le système reçoit un signal audio et doit en tirer des mots. C’est ici que tout se joue, et c’est l’étape la plus fragile en darija.
Comprendre la demande. Une fois le texte obtenu, il faut saisir ce que la personne veut réellement, ce qui est le même travail que pour un assistant écrit.
Répondre, à l’oral. Le système formule une réponse et la prononce. Une voix synthétique qui prononce mal les noms de villes ou de rues marocaines détruit la crédibilité en une phrase.
Une erreur au premier maillon contamine tout le reste. Si le système entend mal, il comprendra mal et répondra à côté, quelle que soit la qualité du modèle derrière.
Pourquoi la darija est particulièrement difficile
Quatre raisons cumulatives, et c’est leur cumul qui fait la difficulté.
Elle est peu représentée. Les systèmes de reconnaissance vocale apprennent sur d’énormes volumes d’enregistrements. L’arabe standard et le français en ont beaucoup. La darija parlée, très peu, et ce déséquilibre se voit immédiatement à l’usage.
Elle varie fortement. Un client de Marrakech, un autre de Tanger et un troisième d’Agadir n’emploient ni le même vocabulaire ni les mêmes tournures pour la même demande.
Elle se mélange au français en pleine phrase. Un client peut commencer en darija, glisser un terme technique en français, donner un chiffre en arabe. Un système réglé sur une seule langue décroche à la première bascule.
Le canal dégrade le son. Un appel téléphonique transporte une bande de fréquences réduite. Un système qui fonctionne bien sur un micro d’ordinateur perd nettement en qualité sur une ligne.
Ce qui compte plus que la performance brute
L’erreur classique consiste à juger un assistant vocal sur son taux de réussite annoncé. Deux critères comptent davantage en usage réel.
Ce qu’il fait quand il n’a pas compris. Un bon dispositif reconnaît son échec après une ou deux tentatives et passe la main à un humain, en transmettant le contexte. Un mauvais dispositif fait répéter le client une troisième, une quatrième fois. C’est le moment où l’on perd le client, et aucune statistique de reconnaissance ne le mesure.
Le temps de réponse. Une conversation vocale ne supporte pas l’attente. Un silence de deux secondes, acceptable par écrit, devient très inconfortable au téléphone. Beaucoup de démonstrations impressionnantes deviennent pénibles dès qu’on ajoute les délais réels.
Comment tester une proposition, honnêtement
Si un prestataire vous présente un assistant vocal, ne regardez pas la démonstration. Demandez à appeler vous-même, et faites-le dans les conditions qui sont réellement les vôtres.
Appelez depuis un téléphone, pas depuis un ordinateur. Placez-vous dans un endroit bruyant, un atelier, une rue, une salle avec du passage. Employez les tournures exactes de vos clients, pas celles du script. Changez de langue au milieu d’une phrase. Coupez la parole au système. Posez une question hors sujet pour voir comment il réagit.
Un dispositif qui tient dans ces conditions vaut quelque chose. Un dispositif qui n’a été testé qu’en studio avec un script préparé ne vous dit rien de ce qui se passera lundi matin.
Le point réglementaire
Un appel téléphonique traité automatiquement soulève deux questions que la Loi 09-08 sur la protection des données personnelles rend concrètes.
L’enregistrement des conversations, d’abord : si les appels sont conservés pour améliorer le système, l’interlocuteur doit en être informé, et la durée de conservation doit être définie.
L’information sur la nature de l’interlocuteur, ensuite. Faire croire à un client qu’il parle à une personne alors qu’il parle à une machine est un choix qui se retourne toujours contre l’entreprise le jour où il se sait.
Notre position
Nous déployons des agents conversationnels multilingues, y compris en darija, principalement à l’écrit sur les canaux où arrivent réellement les demandes. C’est là que le rapport entre le bénéfice et le risque est le plus favorable aujourd’hui pour une PME marocaine.
Quand un client nous demande du vocal, nous commençons par regarder si les appels représentent vraiment une part significative de ses demandes entrantes. Dans la majorité des cas que nous auditons, la réponse est non : le volume est sur WhatsApp, et traiter d’abord ce canal produit un effet plus rapide pour beaucoup moins cher.
En résumé
- Un assistant vocal est une chaîne de trois maillons, et une erreur à la reconnaissance sonore contamine tout le reste
- La darija cumule quatre difficultés : peu de données d’entraînement, forte variation régionale, mélange avec le français en pleine phrase, et dégradation du son par la ligne téléphonique
- Ce qui compte en usage réel n’est pas le taux de réussite annoncé, mais ce que fait le système quand il n’a pas compris et son temps de réponse
- Une proposition se teste depuis un vrai téléphone, dans le bruit, avec vos tournures, en changeant de langue et en coupant la parole
- Dans la majorité des audits, le volume de demandes est sur les messageries écrites : traiter ce canal d’abord coûte moins cher et produit un effet plus rapide
Si vous voulez savoir où se situe réellement votre volume, c’est le genre de chose que révèle un audit gratuit de trente à soixante minutes, sans engagement.
Questions fréquentes
Un assistant vocal en darija, ça existe vraiment ?
Des briques existent et progressent vite, mais la darija reste nettement plus difficile à traiter en voix qu'en écrit. Elle est peu représentée dans les données d'entraînement, elle varie selon les régions et elle se mélange au français en pleine phrase. Une démonstration réussie ne dit rien de la tenue sur des appels réels.
Pourquoi la voix est-elle plus dure que l'écrit ?
À l'écrit, le système reçoit exactement ce que la personne a tapé. À l'oral, il doit d'abord transformer un signal sonore en texte, avec un accent, un débit, du bruit de fond et une ligne téléphonique qui dégrade le son. Chaque erreur à cette étape se propage ensuite dans la compréhension et dans la réponse.
Comment tester une proposition d'assistant vocal ?
En appelant vous-même depuis un vrai téléphone, dans un environnement bruyant, avec des tournures que vos clients emploient réellement, en changeant de langue en cours de phrase et en coupant la parole au système. Une démonstration en studio avec un script préparé ne prouve rien sur ce qui compte.
Faut-il commencer par la voix ou par l'écrit ?
Presque toujours par l'écrit. WhatsApp et les messageries concentrent déjà la majorité des demandes dans la plupart des activités marocaines, pour un coût et un risque bien inférieurs. La voix se justifie quand vos clients appellent vraiment et que les appels manqués vous coûtent quelque chose de mesurable.