Aller au contenu
Cercle IA · Voix Un site du réseau Cercle IA

Guide

Choisir une voix IA naturelle : méthode en six points

Méthode en six points pour comparer des voix de synthèse sur le même texte, avec une grille à remplir et des exemples de voix françaises.

Mis à jour le

Le naturel perçu doit être évalué selon le public et l’usage ; le nom commercial d’une voix ne constitue pas une mesure. Les documentations lues le 16/11/2026 donnent des noms de voix, des familles et des styles d'élocution, mais aucune note de naturel. Une voix se juge donc à l'écoute, sur le même texte, dans les mêmes conditions. La méthode ci-dessous compare trois voix en six points. Prévoyez une première écoute courte puis une reprise différée ; la méthode évite de choisir sur une démonstration qui ne ressemble pas à votre usage.

1. Définir l'usage

Commencez par le contexte. Une vidéo de présentation, une formation en ligne, un message d'accueil téléphonique ou la lecture d'une fiche produit n'appellent pas le même registre. Une formation demande surtout de la clarté et un rythme régulier ; un message d'accueil demande une diction nette sur les numéros et les noms. Notez en une phrase ce que la voix doit faire, et sur quel support elle sera entendue. Pour un agent vocal qui répond au téléphone, la page standard téléphonique et réservations par IA rappelle l'obligation de dire que c'est une IA et le cadre de l'enregistrement des appels.

2. Écrire un texte test

Rédigez un texte d'environ 150 mots, identique pour toutes les voix. Il doit contenir des éléments qui révèlent les points faibles d'une voix :

  • une question, pour tester l'intonation montante ;
  • une date et un chiffre, comme 16/11/2026 ou 1 250 euros ;
  • un nom propre et une marque ;
  • un sigle, comme RGPD, avec son explication ;
  • une énumération de trois ou quatre éléments ;
  • un mot anglais dans une phrase française ;
  • une phrase longue, avec deux virgules.

Ce texte n'a pas besoin d'être parfait. Il doit être représentatif de ce que la voix lira vraiment.

3. Choisir trois voix de familles différentes

Comparer plusieurs familles donne un premier aperçu ; comparer deux voix d’une même famille reste utile pour départager des timbres. Les documentations lues donnent plusieurs familles pour le français.

  • Google Cloud, fr-FR : des voix Chirp 3: HD (une trentaine de noms listés, comme fr-FR-Chirp3-HD-Achernar), des voix Neural2 (fr-FR-Neural2-F et fr-FR-Neural2-G), des voix Studio (fr-FR-Studio-A et fr-FR-Studio-D), des voix WaveNet et des voix Standard.
  • Google Cloud, fr-CA : des voix Chirp 3: HD et des voix Neural2 (fr-CA-Neural2-A à D), WaveNet et Standard, sans voix Studio dans la liste lue.
  • Microsoft Azure, fr-FR : des voix neuronales comme fr-FR-DeniseNeural et fr-FR-HenriNeural, qui listent des styles d'élocution (cheerful, excited, sad, whispering), et d'autres voix sans style listé. La page liste aussi des voix HD, dont fr-FR-Vivienne:DragonHDLatestNeural et fr-FR-Remy:DragonHDLatestNeural, et des voix MAI-Voice-2 avec une liste de styles plus longue.
  • Microsoft Azure, fr-CA : fr-CA-SylvieNeural, fr-CA-JeanNeural, fr-CA-AntoineNeural et fr-CA-ThierryNeural, ainsi que des voix HD.

Un choix possible : une voix Neural2 de Google, une voix neuronale d'Azure avec un style, et une voix HD. Les styles ne se testent pas tous sur toutes les voix : une voix sans style listé se compare sur le texte seul.

4. Générer dans les mêmes réglages

Gardez la même vitesse, la même ponctuation et les mêmes pauses pour toutes les voix. Si vous utilisez des balises SSML, appliquez-les à toutes les voix, mais vérifiez qu'elles sont prises en charge : la documentation Microsoft indique que les voix HD ne prennent pas en charge toutes les balises. Un réglage qui fonctionne sur une voix peut être refusé ou interprété différemment sur une autre. Dans ce cas, la comparaison ne porte pas sur la voix, mais sur les réglages. Voir SSML : définition et exemple.

5. Écouter à deux moments

Écoutez les trois fichiers à la suite, une première fois sans prendre de note. Notez seulement l'impression générale. Puis écoutez-les de nouveau le lendemain, pour juger la fatigue à l'écoute et les erreurs qui reviennent. Une gêne perçue sur l’extrait mérite une vérification sur une séquence plus longue ; deux minutes ne suffisent pas à prédire toute l’écoute.

Séparer compréhension et préférence

Faites écouter les fichiers sans afficher le nom du fournisseur et changez leur ordre pour le second auditeur. Demandez d'abord de restituer une date, un nom et une consigne. Recueillez ensuite la préférence de timbre. Une voix agréable qui fait mal comprendre une condition ne convient pas au même usage qu'une narration d'ambiance.

Arbitrer un désaccord sur une voix

Deux auditeurs peuvent préférer des timbres différents tout en comprenant la même consigne. Pour un exercice, demandez à chacun de justifier son choix par un passage précis, puis séparez erreur comprise, effort d’écoute et préférence personnelle. Si les avis restent opposés, revenez au public prévu et au support de diffusion. Gardez le désaccord dans la fiche de choix : une moyenne de notes ne l’explique pas.

Un accompagnement à l’évaluation des voix peut aider à structurer ce travail.

Pour préparer un échange au cercle, apportez un texte fictif et les points à faire examiner, sans enregistrement personnel.

6. Noter, décider, garder la trace

Remplissez la grille ci-dessous, avec une note de 1 (insuffisant) à 3 (bon) pour chaque voix. La grille est une méthode de comparaison, pas une norme. La ligne de licence se renseigne séparément et ne reçoit pas de note : une préférence sonore ne compense pas des droits manquants.

Critère Voix A Voix B Voix C
Noms propres et marques
Chiffres, dates et unités
Pauses et rythme
Intonation des questions
Respect de la ponctuation
Fatigue à l'écoute (deux minutes)
Licence compatible avec l’usage (oui / non / à vérifier)

Une fois la voix choisie, notez son nom exact, la date du test, le service utilisé et les réglages. Les listes de voix changent : conserver les fichiers validés est nécessaire ; le même nom et les mêmes réglages ne garantissent pas un rendu identique après une évolution du service.

Pour la suite de la production, voir Voix off IA en français. Pour les droits d'une voix retenue, voir Voix IA et usage commercial.

Questions fréquentes

Un nom de voix suffit-il à juger sa qualité ?

Non. Les documentations lues donnent des noms, des familles et des styles, pas une note de qualité. Seule l'écoute de votre texte permet de comparer.

Faut-il tester les voix du Québec pour un public québécois ?

Oui, c'est le plus sûr. Les documentations lues listent des voix fr-CA distinctes des voix fr-FR. Testez-les sur votre texte, avec les mots et les tournures de votre public.

Sources

Pages consultées pour écrire cet article :

  1. https://iarche.fr/services/accompagnement
  2. https://docs.cloud.google.com/text-to-speech/docs/list-voices-and-types
  3. https://learn.microsoft.com/fr-fr/azure/ai-services/speech-service/language-support?tabs=tts
  4. https://learn.microsoft.com/fr-fr/azure/ai-services/speech-service/speech-synthesis-markup-structure
  5. https://learn.microsoft.com/fr-fr/azure/ai-services/speech-service/speech-synthesis-markup-voice

À lire aussi

Pour passer à la pratique

Pour poursuivre : Partez du métier, gardez la main.