Concevoir une interface vocale : le vocabulaire anglais du voice design

Assistants vocaux dans les enceintes connectées, recherche vocale dans une application, commandes vocales embarquées dans une voiture : le voice UI (VUI), ou interface vocale, s'invite dans de plus en plus de projets confies à des designers habitues jusque-la à l'écran. Le champ qui regroupe cette discipline s'appelle le conversational design : concevoir une conversation plutôt qu'un écran.

La quasi-totalite de la documentation, des outils et des équipes qui travaillent sur ces sujets utilisent l'anglais comme langue de référence — les guidelines des grands assistants vocaux ne sont généralement disponibles qu'en anglais. Un designer qui maîtrise ce vocabulaire peut répondre à un brief de voice design sans se sentir hors de son terrain.

Une utterance désigne tout ce qu'un utilisateur prononce a voix haute face à l'assistant, mot pour mot : "What is the weather like tomorrow?" est une utterance parmi des dizaines de formulations possibles pour la même demande. Derriere cette utterance, le système cherche à identifier l'intent, l'intention réelle de l'utilisateur, independamment de la manière exacte dont elle a été formulée.

Le prompt est la question ou la réponse que l'assistant formule a voix haute pour faire avancer l'échange : "Would you like me to add that to your calendar?" Quand le système ne comprend pas la demandé, il declenche un fallback, une réponse de secours pensée pour rassurer l'utilisateur plutôt que de le laisser dans une impasse : "I did not quite catch that — could you say it differently?"

Concevoir une bonne interface vocale demande de penser le turn-taking, l'alternance naturelle entre les tours de parole de l'utilisateur et de l'assistant, pour éviter les silences genants ou les interruptions maladroites. Le wake word, le mot ou la phrase qui active l'assistant, mérite lui aussi une attention particulière : trop court, il declenche des activations accidentelles ; trop long, il agace des le premier jour.

Enfin, deux notions reviennent dans presque toutes les réunions avec une équipe produit anglophone : la persona, la personnalité et le ton attribues à la voix de l'assistant (chaleureuse, formelle, joueuse), et la latency, le délai de réponse entre la fin de la question et le début de la réponse — un ecart de quelques centaines de millisecondes suffit a rendre une conversation vocale desagreable. "The latency feels off during the demo — can we shave 300 milliseconds off the response time?" est une phrase que tout designer vocal entendra tot ou tard.