Analyse vocale au travail : quand l’intonation devient une donnée à surveiller

Une hésitation, un débit plus rapide, une voix voilée par la fatigue ou un accent régional ne racontent pas seulement la qualité d’un appel : ces signaux appartiennent à la façon dont chacun s’exprime. À mesure que les entreprises déploient des logiciels capables d’enregistrer, transcrire et classer les conversations, cette matière très humaine risque d’être convertie en tableaux de bord, scores et alertes. C’est le point d’attention soulevé par Sébastien Crozier, président de la CFE-CGC Orange, au sujet de la standardisation de la voix au travail.

L’enjeu ne consiste pas à rejeter toute technologie appliquée aux appels téléphoniques. Une retranscription peut faciliter la prise de notes, la recherche d’une information ou l’accessibilité. Dans un service client, un outil peut aussi aider à repérer qu’une procédure n’a pas été suivie. Le problème change de nature lorsque la voix devient le support d’une évaluation automatique de la personne : serait-elle assez calme, assez souriante, suffisamment enthousiaste, ou au contraire supposément stressée ?

Cette promesse d’objectivité mérite d’être regardée avec prudence. L’intonation dépend du contexte, de la langue, de l’accent, de la santé, du matériel utilisé et de la relation entre les interlocuteurs. Elle ne se laisse pas facilement réduire à une mesure universelle de l’engagement ou du professionnalisme.

Ce que recouvre vraiment l’analyse vocale

L’expression anglaise speech analytics, ou analyse de la parole, couvre des usages très différents. Elle désigne d’abord des logiciels qui traitent des enregistrements ou des flux audio pour en extraire des informations. Certains transforment la parole en texte. D’autres recherchent des termes précis, comptent les temps de silence, identifient des thèmes de conversation ou vérifient que certaines formules ont été prononcées.

Une catégorie plus ambitieuse prétend déduire de caractéristiques vocales un état affectif, comme le stress, la fatigue ou l’enthousiasme. C’est ici que se loge l’inquiétude exprimée par Sébastien Crozier. Lorsqu’un outil associe une hésitation à un manque de maîtrise, ou un ton monotone à un défaut d’implication, il porte une interprétation sur un salarié. Cette interprétation peut ensuite peser sur un accompagnement, une notation, voire une décision managériale.

La différence est déterminante. Transcrire une conversation pour établir un compte rendu n’équivaut pas à attribuer un score émotionnel à l’employé qui l’a menée. Dans le premier cas, l’outil assiste une tâche. Dans le second, il risque de fabriquer un jugement sur la personne à partir de signaux ambigus.

Pourquoi l’intonation ne se résume pas à un score

Dans une conversation, le ton porte une part du sens. Il peut traduire une urgence, une attention particulière, une émotion, une retenue ou une volonté de rassurer. Mais il est aussi profondément contextuel. Une personne peut parler vite parce que l’appel est difficile, ralentir parce qu’elle explique une procédure complexe, marquer une pause pour écouter son interlocuteur ou avoir la voix altérée par une condition passagère.

La standardisation consiste à ériger certaines caractéristiques en norme : un débit jugé idéal, un niveau d’énergie attendu, une façon de saluer, de conclure ou de reformuler. Dans une logique commerciale, l’entreprise peut souhaiter une relation homogène avec ses clients. Pourtant, l’homogénéité recherchée peut se transformer en conformité imposée, au détriment des manières diverses de communiquer.

Pour Sébastien Crozier, le risque est de voir la voix ramenée à un fichier de données et l’échange réduit à une performance mesurable. Une telle évolution peut faire oublier ce que l’écoute humaine perçoit : le contexte d’un appel, la difficulté d’une situation, le parcours du salarié, ou encore l’effort réel accompli pour résoudre un problème.

Cette approche peut aussi encourager l’autocensure. Si chaque soupir, silence ou variation de ton est susceptible d’être analysé, le salarié peut chercher à produire une voix artificiellement lisse. Or un environnement professionnel sain ne se construit pas seulement par le contrôle de procédures. Il suppose aussi une confiance permettant de signaler une difficulté, de demander de l’aide ou d’exprimer un désaccord sans craindre qu’un indicateur automatisé ne le transforme en anomalie.

Quels biais peuvent affecter les outils qui évaluent la voix ?

Aucun système d’analyse ne part de rien. Il a été conçu avec des choix techniques et, lorsqu’il repose sur l’apprentissage automatique, entraîné sur des données. Les performances peuvent donc varier selon les voix entendues, les langues, les accents, les conditions acoustiques et les catégories retenues par les concepteurs.

Une personne ayant un accent, une voix naturellement grave ou aiguë, un débit singulier ou une façon culturelle particulière de manifester la politesse peut être mal interprétée par un système calibré sur une norme implicite. La compression du son, un casque médiocre ou le bruit d’un open space peuvent également modifier les signaux audio analysés.

Ces limites sont particulièrement sérieuses si le résultat ne reste pas une simple information contextuelle, mais alimente une évaluation individuelle. Un outil qui alerte sur un « ton négatif » ne révèle pas une vérité objective : il produit une estimation dont il faut comprendre la méthode, les marges d’erreur et les conséquences concrètes.

Que dit le droit européen sur la voix au travail ?

La voix est une donnée personnelle dès lors qu’elle permet d’identifier directement ou indirectement une personne. Un enregistrement d’appel professionnel, par exemple, peut révéler l’identité du salarié, celle du client, le contenu de leurs échanges et parfois des informations particulièrement sensibles dans les faits.

Le RGPD n’affirme pas que toute donnée vocale est automatiquement une donnée sensible au sens strict. En revanche, une donnée vocale peut relever des données biométriques lorsqu’elle fait l’objet d’un traitement technique spécifique visant à identifier une personne de manière unique, par exemple dans le cadre d’une authentification par empreinte vocale. Dans cette hypothèse, le régime juridique devient plus protecteur.

Au travail, l’employeur ne peut pas s’appuyer mécaniquement sur le consentement du salarié pour justifier un dispositif intrusif. La relation de subordination rend difficile un consentement réellement libre. Le traitement doit surtout reposer sur une base légale appropriée et respecter plusieurs principes :

• une finalité précise, par exemple la formation ou la qualité de service ;
• une collecte limitée à ce qui est nécessaire ;
• une information claire des salariés et des interlocuteurs enregistrés ;
• une durée de conservation encadrée ;
• des garanties de sécurité et de confidentialité ;
• la consultation des instances représentatives du personnel lorsque les règles applicables le prévoient.

Le droit du travail français impose également que les méthodes et techniques d’évaluation des salariés soient pertinentes au regard de la finalité poursuivie, et que les personnes concernées soient informées avant leur mise en œuvre. Un contrôle permanent et généralisé serait difficile à concilier avec l’exigence de proportionnalité.

L’AI Act interdit-il la reconnaissance des émotions au travail ?

Depuis le 2 février 2025, certaines interdictions de l’AI Act, le règlement européen sur l’intelligence artificielle, sont entrées en application. Parmi elles figure l’interdiction, en principe, des systèmes d’IA destinés à inférer les émotions d’une personne physique dans les domaines du travail et de l’éducation.

Le texte prévoit des exceptions limitées, notamment lorsque l’usage est justifié pour des raisons médicales ou de sécurité. Il ne vise donc pas toute technologie qui traite un signal vocal. Un logiciel de transcription ou de recherche de mots-clés n’est pas automatiquement un système d’inférence des émotions. En revanche, un outil qui prétend classer automatiquement un salarié comme stressé, enthousiaste, désengagé ou irrité à partir de sa voix entre directement dans la zone la plus problématique.

Cette interdiction répond à une difficulté fondamentale : l’état émotionnel ne peut pas être déduit de façon certaine d’un visage ou d’une voix. Le risque n’est pas seulement technique. Dans le cadre professionnel, la conclusion tirée par une machine peut influencer le regard du manager sur un salarié, modifier les conditions d’une évaluation et installer une surveillance ressentie comme permanente.

Comment utiliser la technologie sans appauvrir les échanges ?

La question n’est pas uniquement de savoir si un outil est disponible, mais ce qu’une organisation choisit d’en faire. Les entreprises peuvent privilégier des usages limités, transparents et contrôlables. Une transcription accessible au salarié, utilisée pour produire un compte rendu ou faciliter une recherche, n’a pas la même portée qu’un classement automatique des voix selon une norme émotionnelle.

Quelques garde-fous permettent d’éviter que le pilotage par la donnée ne prenne le pas sur le travail réel :

• distinguer les outils d’assistance des dispositifs servant à évaluer les personnes ;
• ne pas automatiser une décision défavorable à partir d’un signal vocal isolé ;
• expliquer simplement quelles données sont traitées, par qui et dans quel but ;
• permettre aux salariés de contester ou contextualiser une analyse ;
• associer les représentants du personnel, les équipes de conformité et la protection des données dès la conception du projet.

L’évaluation professionnelle gagne aussi à reposer sur des éléments qualitatifs : la résolution effective des demandes, la coopération au sein de l’équipe, les retours argumentés, l’accès à la formation et le dialogue avec le manager. Un chiffre peut éclairer une situation, mais il ne doit pas faire disparaître la parole de celui ou celle qu’il prétend décrire.

Ce qu’il faut surveiller dans les entreprises

L’alerte portée par Sébastien Crozier renvoie à un choix de société dans le monde du travail : faut-il utiliser l’IA pour mieux assister les échanges, ou pour normaliser les personnes qui les mènent ? La frontière peut sembler ténue quand un logiciel est présenté comme un simple outil de qualité. Elle devient nette dès lors que des signaux vocaux sont convertis en appréciations sur l’humeur, l’implication ou la valeur professionnelle d’un individu.

Les salariés doivent pouvoir identifier les dispositifs qui enregistrent ou analysent leurs appels, comprendre leurs finalités et connaître les recours disponibles. Les managers, eux, ont intérêt à ne pas déléguer à des indicateurs opaques ce qui relève de l’écoute, du discernement et de la responsabilité humaine.

La voix transporte bien davantage qu’un contenu exploitable par une machine. Elle porte une histoire, un contexte et une relation. Préserver cette complexité ne signifie pas refuser l’innovation : cela implique de refuser qu’une technologie, sous couvert de neutralité, impose une seule bonne façon de parler, de ressentir et de travailler.