Assistants vocaux et genre : pourquoi le choix d’une voix n’est jamais neutre

Les assistants vocaux répondent à des questions, règlent une alarme ou lancent de la musique. Pourtant, la voix qui accomplit ces tâches apparemment ordinaires véhicule aussi des codes sociaux. Lorsqu’elle est perçue comme douce, chaleureuse, patiente ou prompte à s’excuser, beaucoup d’utilisateurs lui prêtent spontanément un genre. Ce phénomène mérite d’être pris au sérieux : une interface ne possède pas d’identité de genre, mais sa conception peut influencer la manière dont nous lui parlons et les rôles que nous jugeons naturels.

La question n’est donc pas de savoir si Alexa, Siri ou un autre agent conversationnel sont « réellement » des femmes ou des hommes. Ils ne le sont pas. Elle est de comprendre pourquoi une voix paraît féminine, masculine ou neutre à l’oreille, et ce que ces associations disent de nos habitudes culturelles. En janvier 2025, les recherches disponibles invitent surtout à ne pas traiter cette personnalisation comme un détail purement esthétique.

Une voix n’a pas de genre, mais elle est immédiatement interprétée

Une voix de synthèse est produite par un système informatique. Elle peut reproduire une hauteur, un rythme, une intonation et une prononciation qui évoquent une personne humaine. Mais ni ces paramètres acoustiques ni le logiciel qui les génère ne déterminent à eux seuls un genre. Les auditeurs les interprètent à partir de repères appris : la hauteur de la voix, le prénom attribué à l’assistant, les formulations employées, le degré de politesse ou encore le rôle confié à l’outil.

C’est ce mécanisme qui explique qu’un assistant chargé de tâches de service, doté d’un ton chaleureux et d’une voix entendue comme féminine, puisse être associé à des attentes traditionnellement imposées aux femmes : disponibilité, patience, écoute ou conciliation. Inversement, une voix perçue comme masculine peut être associée à l’autorité ou à l’expertise. Ces raccourcis ne décrivent ni les personnes réelles ni les capacités d’un système, mais ils existent dans les représentations sociales.

Les noms et les voix de produits comme Siri ou Alexa ont contribué à rendre ce débat visible. Une même entreprise peut proposer plusieurs voix selon les langues, les pays et les réglages. Toutefois, un choix par défaut compte particulièrement : c’est celui que la majorité des personnes entendront sans modifier les paramètres. La possibilité de personnaliser une voix ne dispense donc pas les concepteurs de s’interroger sur le message porté par la configuration initiale.

Ce que les études observent dans les échanges avec les assistants

Les interactions avec une machine ne sont pas toujours froides ou mécaniques. Même en sachant qu’ils parlent à un programme, les utilisateurs peuvent remercier, sourire, hocher la tête, couper la parole ou manifester leur irritation. Ces réactions deviennent révélatrices lorsque la voix de l’outil est perçue comme genrée.

Des travaux publiés dans Proceedings of the ACM on Human-Computer Interaction montrent que les hommes interrompent les assistants vocaux presque deux fois plus souvent que les femmes. Ce résultat ne permet pas d’affirmer que tous les hommes se comportent ainsi, ni de réduire les attitudes individuelles à une question de sexe. Il indique en revanche que les rapports de genre et de pouvoir observés dans les conversations humaines peuvent aussi se retrouver face à une interface vocale.

Une autre étude, menée par des chercheurs de l’université Johns Hopkins, a demandé à 40 participants d’interagir avec un assistant vocal préprogrammé pour commettre des erreurs. Trois attributs vocaux étaient comparés : une voix féminine, une voix masculine et une voix neutre. Les chercheurs ont observé les réactions des participants, notamment lorsque l’assistant se trompait.

Les résultats de l’étude Johns Hopkins révèlent également que les hommes interrompaient fréquemment l’assistant lorsqu’il commettait des erreurs. Ils avaient davantage tendance à répondre de manière sociale aux assistants à voix féminine, par exemple en souriant ou en hochant la tête. Autrement dit, la voix ne modifiait pas les capacités techniques de l’outil, mais elle modifiait l’interprétation humaine de ses erreurs et de son rôle.

Pourquoi une voix féminine peut renforcer des stéréotypes

Le point sensible ne réside pas dans l’existence même d’une voix féminine. Une diversité de voix peut répondre à des préférences réelles et améliorer l’accessibilité ou le confort d’usage. Le problème apparaît lorsqu’une seule catégorie de voix est systématiquement associée aux mêmes fonctions et aux mêmes comportements : servir, obéir, s’excuser et rester aimable quelles que soient les paroles reçues.

En 2019, un rapport de l’UNESCO sur les assistants vocaux avait déjà alerté sur le risque de présenter une voix féminine comme la norme pour des agents numériques chargés d’assister les utilisateurs. La critique portait moins sur la technologie vocale elle-même que sur l’accumulation de choix de design : prénom, tonalité, répliques, personnalité et réponses à l’impolitesse.

Une formulation apologétique peut paraître anodine dans un dialogue. Répétée dans un assistant dont la voix est entendue comme féminine, elle risque cependant de conforter l’idée que l’assistance et la déférence seraient des qualités naturellement féminines. À l’inverse, attribuer systématiquement les voix perçues comme masculines aux rôles de guide, d’expert ou d’autorité peut renforcer un autre partage stéréotypé.

Il faut aussi éviter un raccourci inverse : les études ne démontrent pas qu’un assistant vocal transforme automatiquement les comportements sociaux hors écran. Elles mettent en évidence des associations et des réactions dans des situations données. C’est déjà suffisamment important pour justifier une conception plus attentive, surtout à mesure que ces outils entrent dans les foyers, les téléphones, les véhicules ou les environnements de travail.

Les limites à garder en tête avant de généraliser

Les résultats disponibles sont précieux, mais ils ne doivent pas être surinterprétés. L’étude de Johns Hopkins porte sur un échantillon de 40 personnes et sur une situation expérimentale dans laquelle l’assistant faisait volontairement des erreurs. Elle permet d’isoler certains effets de la voix, pas de prévoir exactement toutes les interactions avec les assistants commerciaux dans la vie quotidienne.

Le contexte culturel compte également. Une voix jugée féminine dans une langue ou dans un pays ne sera pas nécessairement interprétée de la même manière ailleurs. La question se complique encore dans les langues où les adjectifs, les participes et les noms imposent fréquemment un genre grammatical. Concevoir une voix dite neutre ne consiste donc pas seulement à sélectionner une fréquence vocale intermédiaire : il faut aussi réfléchir aux mots, aux accords, au nom de l’agent et à sa manière de se présenter.

Enfin, « neutre » ne signifie pas automatiquement « sans biais ». Une voix peut être conçue pour ne pas renvoyer explicitement à un genre binaire tout en restant perçue différemment selon les publics. La neutralité est une intention de design à tester, et non une garantie automatique.

Faut-il supprimer le genre ou offrir davantage de choix ?

Il n’existe pas de réponse universelle. Imposer une seule voix féminisée comme réglage par défaut est difficile à justifier si elle est accompagnée de traits de personnalité stéréotypés. Mais remplacer toutes les voix par une seule option prétendument neutre ne résoudrait pas, à lui seul, la diversité des préférences et des usages.

Une approche plus réfléchie consiste à distinguer plusieurs décisions souvent confondues : le choix d’une voix, le choix d’un nom, la personnalité de l’agent et les réponses qu’il fournit. Un utilisateur peut préférer une voix grave, aiguë, calme ou énergique sans que cette préférence impose au système un rôle social codé. De même, la courtoisie d’un assistant peut être maintenue sans le programmer pour accepter passivement les insultes ou multiplier les excuses.

Les chercheurs cités envisagent des assistants capables de détecter en temps réel certains comportements biaisés, afin d’ajuster les interactions et de favoriser des échanges plus équitables. Cette piste soulève à son tour des questions importantes : comment définir un comportement biaisé, comment éviter les erreurs d’interprétation et quel niveau d’analyse des échanges est acceptable pour l’utilisateur ? Elle rappelle surtout que le problème ne se limite pas à la bande sonore.

Une conception inclusive se joue dans les détails

Pour réduire les biais, les équipes de conception peuvent d’abord tester les assistants auprès de publics divers, plutôt que de présumer qu’une voix ou une personnalité conviendra à tout le monde. Elles peuvent ensuite proposer des réglages compréhensibles, laisser un choix réel à l’utilisateur et éviter de présenter une seule voix comme la voix « normale » de l’assistant.

La place des voix non binaires mérite aussi une attention spécifique. Elles ont été peu représentées dans les études initiales mentionnées par les chercheurs. Les intégrer ne doit pas revenir à créer une option marginale ou exotique : il s’agit de reconnaître que les catégories féminine et masculine ne suffisent pas à décrire toutes les identités ni toutes les expériences d’écoute.

L’évaluation doit également porter sur les dialogues. Quelques questions simples peuvent aider : l’assistant s’excuse-t-il davantage qu’il n’explique ? Réagit-il de la même façon à une demande ferme et à une injure ? Les rôles de soutien, d’expertise et d’autorité sont-ils distribués de manière variée dans les voix proposées ? Ces interrogations relèvent autant de l’écriture conversationnelle que de l’ingénierie audio.

Ce qu’il faut surveiller dans les prochains assistants vocaux

À mesure que les assistants deviennent plus conversationnels, la question de leur personnification gagnera en importance. Une voix plus naturelle, une mémoire des préférences ou des réponses plus expressives peuvent rendre l’échange plus fluide. Elles peuvent aussi renforcer l’impression de parler à une personne et, avec elle, les projections de genre, d’âge, de statut ou d’origine sociale.

Le principal enjeu, pour les entreprises comme pour les utilisateurs, est de ne pas confondre humanisation et reproduction des normes sociales les plus automatiques. Un assistant efficace n’a pas besoin d’être enfermé dans le personnage de la secrétaire toujours disponible ou de l’expert autoritaire. Il peut être clair, respectueux et personnalisable sans assigner un rôle social à une voix.

Les études devront désormais inclure davantage de participants, de langues, de cultures et de voix non binaires, puis observer les usages sur la durée. En attendant, les résultats déjà disponibles conduisent à une idée simple : choisir la voix d’une IA n’est pas seulement une décision de confort. C’est aussi une décision de représentation, qui mérite d’être expliquée, discutée et testée avec rigueur.