Lorsque le Speech Accessibility Project a démarré, la plus grande base de données de parole atypique comptait 16 personnes atteintes de paralysie cérébrale ; à la fin de septembre 2025, environ 2 000 participants avaient envoyé des enregistrements au projet (Speech Accessibility Project, 2025 et 2026). Project Euphonia de Google, l’autre grand corpus, a atteint plus de 1,5 million d’énoncés provenant d’environ 3 000 locuteurs en février 2025, mais il reste fermé aux équipes extérieures (Martin et al., Frontiers in Language Sciences 2025 ; Google Project Euphonia). Davantage de données n’a pas encore effacé l’écart : dans un benchmark de 2026 portant sur huit systèmes d’IA, la parole typique est restée sous 5% de taux d’erreur sur les mots (WER, la part des mots qu’un système transcrit de travers), tandis que la dysarthrie sévère a dépassé 51% pour chaque système (Alsayegh et Masood, International Journal of Intelligent Systems 2026). Nous avons agrégé des données du Speech Accessibility Project de l’University of Illinois Beckman Institute, de Google Research, du Linguistic Data Consortium, du NIDCD, de l’ASHA et de plus d’une douzaine d’articles évalués par des pairs. Nos statistiques sur le biais d’accent en reconnaissance vocale montrent comment ces erreurs se comparent aux écarts liés à l’origine ethnique, au dialecte et à l’accent ; ce panorama s’intéresse aux jeux de données eux-mêmes : leur taille, les personnes qu’ils contiennent et leur effet sur les taux d’erreur.
TL;DR
- Environ 2 000 personnes avaient envoyé des enregistrements au Speech Accessibility Project à la fin de septembre 2025 (Speech Accessibility Project, 2026).
- Project Euphonia contenait plus de 1,5 million d’énoncés provenant d’environ 3 000 locuteurs en février 2025, et Google ne le partage pas en dehors de l’entreprise (Martin et al., Frontiers in Language Sciences 2025).
- TORGO, un benchmark de référence depuis 2012, compte 8 locuteurs dysarthriques et environ 23 heures d’audio (Linguistic Data Consortium, LDC2012S02).
- UA-Speech a enregistré 19 locuteurs atteints de paralysie cérébrale en 2008, dont 16 restent dans la distribution actuelle (University of Illinois, UA-Speech 2008).
- La maladie de Parkinson, la paralysie cérébrale, la SLA, le syndrome de Down et l’AVC étaient chacun prévus à 400 participants dans le Speech Accessibility Project (ClinicalTrials.gov NCT05889260).
- Les locuteurs atteints de SLA représentaient 39,2% d’un sous-ensemble de recherche Euphonia de 195 locuteurs, contre 10,8% pour la maladie de Parkinson (Tobin et Tomanek, Google 2021).
- Les huit systèmes d’IA ont tous dépassé 51% de WER sur la dysarthrie sévère dans TORGO (Alsayegh et Masood, IJIS 2026).
- Le taux d’erreur sur les caractères de Whisper-Turbo en zero-shot sur UA-Speech était de 9,3% pour les locuteurs témoins et de 165,2% pour les locuteurs dysarthriques (de Groot et al., TU Delft 2025).
- L’affinage de l’USM de Google sur de la parole désordonnée a fait passer le WER de la parole sévère de 48,1 à 31,3 (Tobin et al., Google Research 2024).
- Les modèles personnalisés ont amélioré le WER de 62% en relatif pour la SLA, 71% du gain provenant de 5 minutes de données (Shor et al., Interspeech 2019).
- TORGO ne contient que 957 textes uniques parmi 16 394 entrées de texte (Hui et al., 2024).
- La dysarthrie touche 44% à 88% des personnes atteintes de la maladie de Parkinson (ASHA Practice Portal, Dysarthria in Adults).
1. Les deux grands corpus : Speech Accessibility Project et Project Euphonia
Les données de parole désordonnée existent désormais à une échelle comparable à celle de LibriSpeech, un benchmark de parole lue très utilisé, mais une seule des deux grandes collections est ouverte. Environ 2 000 participants avaient envoyé des enregistrements au Speech Accessibility Project à la fin de septembre 2025, et le projet indique qu’environ 65 organisations utilisent ses données. Le corpus Euphonia de Google compte davantage de locuteurs, mais sa page de projet précise que le jeu de données n’est pas accessible aux équipes ou entreprises extérieures (Google, Project Euphonia).
Concrètement, la recherche ouverte sur la reconnaissance de la parole désordonnée passe en grande partie par un seul point d’accès contrôlé. Le Speech Accessibility Project diffuse ses données dans le cadre d’un accord d’utilisation des données (un contrat signé qui précise qui peut utiliser les enregistrements et dans quel but), qui exige deux signatures de l’organisation demandeuse et dure au plus 3 ans (Speech Accessibility Project, page Conduct Research). La croissance d’Euphonia, de 1,2 million d’énoncés en 2024 à plus de 1,5 million en 2025, reste à l’intérieur de Google.
| Métrique | Valeur | Source |
|---|---|---|
| Participants ayant envoyé des enregistrements au Speech Accessibility Project, fin septembre 2025 | Environ 2 000 | Speech Accessibility Project, page d’accueil 2026 |
| Paquet de données du Speech Accessibility Project, description du catalogue | Environ 1 090 heures de parole provenant d’environ 1 130 participants ; cinq pathologies | Catalogue YorVoice de l’University of York, notice du Speech Accessibility Project |
| Page d’accès pour les chercheurs du Speech Accessibility Project | 1 500 heures de parole enregistrée ; environ 999 participants ; environ 65 organisations utilisant les données | Speech Accessibility Project, page Conduct Research 2026 |
| Corpus Project Euphonia, février 2025 | Plus de 1,5 million d’énoncés provenant d’environ 3 000 locuteurs | Google (Martin et al.), Frontiers in Language Sciences 2025 |
| Corpus Project Euphonia, 2024 | 1,2 million d’énoncés provenant de plus de 2 000 locuteurs | Google (Jiang et al.), Interspeech 2024 |
| Enregistrements Euphonia avec transcriptions corrigées et relues par des humains | 352 130 (29% du corpus) | Google (Jiang et al.), Interspeech 2024 |
| Locuteurs Euphonia avec étiquettes de caractéristiques de la parole | Plus de 75% des locuteurs, plus de 40 étiquettes | Google (Jiang et al.), Interspeech 2024 |
Contexte : pour donner l’échelle, LibriSpeech, construit à partir de livres audio lus, est un corpus d’environ 1 000 heures (OpenSLR, LibriSpeech). Les deux descriptions du Speech Accessibility Project ne concordent pas (plus d’heures mais moins de participants sur la page du projet lui-même), ce que nous consignons dans la note sur les données. Les chiffres d’Euphonia proviennent de Jiang et al. et de Martin et al..
2. Les anciens corpus : TORGO, UA-Speech et l’ère des petites données
Pendant plus d’une décennie, la reconnaissance de la parole dysarthrique a été évaluée sur une poignée de locuteurs. TORGO contient 8 locuteurs dysarthriques (5 hommes, 3 femmes) et 7 locuteurs témoins, soit environ 23 heures d’anglais enregistrées à Toronto entre 2008 et 2010. UA-Speech, enregistré à l’University of Illinois, couvrait 19 locuteurs atteints de paralysie cérébrale, chacun lisant 765 mots isolés (Kim et al., Interspeech 2008). Un modèle présenté comme état de l’art sur l’un ou l’autre corpus a donc, en pratique, été testé sur moins de personnes qu’une classe ordinaire.
Les corpus se réduisent et se fragmentent aussi avec le temps. UA-Speech distribue désormais 16 de ses 19 locuteurs d’origine, car trois ont retiré leur autorisation ou avaient des données corrompues, et sa licence interdit l’usage commercial (University of Illinois, UA-Speech). Hors de l’anglais, le tableau est similaire : un corpus italien de commandes et un corpus mandarin reposent chacun sur quelques dizaines de locuteurs.
| Métrique | Valeur | Source |
|---|---|---|
| Locuteurs TORGO | 8 dysarthriques (paralysie cérébrale ou SLA) et 7 témoins | Linguistic Data Consortium, TORGO LDC2012S02 (2012) |
| Audio TORGO et publication | Environ 23 heures, enregistrées de 2008 à 2010 ; publié le 19 janvier 2012 | Linguistic Data Consortium, TORGO LDC2012S02 (2012) |
| Matériel de lecture TORGO | 162 phrases de Yorkston et Beukelman, 460 phrases dérivées de TIMIT, plus des enregistrements des mouvements de la langue et des lèvres (articulographie électromagnétique) | Linguistic Data Consortium, TORGO LDC2012S02 (2012) |
| Locuteurs UA-Speech atteints de paralysie cérébrale, d’origine contre actuellement distribués | 19 contre 16 | Kim et al., Interspeech 2008 ; University of Illinois, page UA-Speech |
| Vocabulaire UA-Speech et dispositif d’enregistrement | 765 mots isolés par locuteur, dont 300 mots rares distincts ; réseau de 8 microphones | Kim et al., Interspeech 2008 |
| Plus grande base de données de parole atypique au démarrage du Speech Accessibility Project | 16 personnes atteintes de paralysie cérébrale | Speech Accessibility Project, article Microsoft Azure 2025 |
| EasyCall (italien) | 21 386 enregistrements de 31 locuteurs dysarthriques et 24 locuteurs sains | Turrisi et al., Interspeech 2021 |
| CDSD (mandarin) | 133 heures provenant de 44 locuteurs | Wang et al., Chinese Dysarthria Speech Database (arXiv v2, 2025) |
Données disponibles les plus récentes : TORGO (LDC, 2012), UA-Speech (Kim et al., 2008) et EasyCall (Interspeech 2021) ont tous plus de trois ans, et restent les corpus sur lesquels la plupart des articles publient encore leurs résultats. L’article CDSD sur le mandarin donne les 133 heures comme 124 heures d’audio plus 9 heures de vidéo, 80 des heures d’audio provenant de seulement 8 locuteurs enregistrés pendant 10 heures chacun.
3. Qui figure dans les données : étiologie, sévérité et langue
Tout grand corpus penche vers les personnes les plus faciles à recruter en premier. Le Speech Accessibility Project a été conçu pour 2 000 personnes, 400 pour chacune de cinq étiologies (la cause médicale sous-jacente de la différence de parole) : maladie de Parkinson, SLA, paralysie cérébrale, syndrome de Down et AVC (ClinicalTrials.gov NCT05889260). Son premier paquet de données ne contenait que des locuteurs parkinsoniens, et la version du défi d’avril 2024, enregistrée surtout en 2023, restait dominée par eux (Zheng et al., Interspeech 2025 Challenge). Nos statistiques sur le traitement de la parole et de la voix dans la maladie de Parkinson couvrent le versant clinique de cette population.
Le biais d’Euphonia va dans l’autre sens, vers la SLA et vers une parole plus légère. Dans un sous-ensemble de recherche de 195 locuteurs, la SLA représentait 39,2% des locuteurs et un quart étaient jugés sévères. La plupart des enregistrements évalués dans le premier paquet du Speech Accessibility Project se situaient à l’extrémité la moins altérée de l’échelle d’intelligibilité, ce qui compte, car un jeu de données composé surtout de parole légère flatte la moyenne d’un modèle.
| Métrique | Valeur | Source |
|---|---|---|
| Conception prévue du Speech Accessibility Project | 2 000 personnes, 400 par étiologie, 1,2 million d’échantillons de parole (600 par personne) | ClinicalTrials.gov NCT05889260, notice du Speech Accessibility Project |
| Inclusion réelle dans la notice du registre (qui ne liste que la maladie de Parkinson et les syndromes parkinsoniens apparentés) | 485 participants ; étude terminée le 31 juillet 2025 | ClinicalTrials.gov NCT05889260, notice du Speech Accessibility Project |
| Version du défi SAP-240430, partition d’entraînement | 369 locuteurs, 131 420 énoncés, 290,35 heures | Zheng et al., Interspeech 2025 Speech Accessibility Project Challenge |
| SAP-240430, partitions de développement et de test | Dév. 55 locuteurs (43,56 heures) ; Test1 50 locuteurs (42,16 heures) ; Test2 50 locuteurs (38,77 heures) | Zheng et al., Interspeech 2025 Speech Accessibility Project Challenge |
| Recrutement du premier paquet de données, personnes inscrites, approuvées et enregistrées | 746, 283 et 253 | Speech Accessibility Project (Hasegawa-Johnson et al.), JSLHR 2024 |
| Premier paquet de données, évaluations d’intelligibilité sur une échelle de 1 à 7 (1 = le moins altéré) | 76% des enregistrements évalués à 1 ; 1,5% de 5 à 7 | Speech Accessibility Project (Hasegawa-Johnson et al.), JSLHR 2024 |
| Sous-ensemble Euphonia de 195 locuteurs, par étiologie | SLA 39,2% ; paralysie cérébrale 13,4% ; maladie de Parkinson 10,8% ; déficience auditive 5,2% ; ataxie 3,1% | Google (Tobin et Tomanek), Personalized ASR on Small Disordered Speech Datasets 2021 |
| Sous-ensemble Euphonia de 195 locuteurs, par sévérité | Typique 7,7% ; légère 35,4% ; modérée 31,8% ; sévère 25,1% | Google (Tobin et Tomanek), Personalized ASR on Small Disordered Speech Datasets 2021 |
Contexte : la couverture linguistique est la dimension la plus mince. Tous les participants du premier paquet du Speech Accessibility Project ont déclaré l’anglais américain comme langue maternelle (Hasegawa-Johnson et al., JSLHR 2024), et la page Euphonia de Google précise que le programme du Speech Accessibility Project n’est actuellement disponible qu’en anglais. L’extension d’Euphonia à quatre autres langues avait atteint 132 locuteurs en 2025 : 76 en japonais, 38 en espagnol, 14 en français et 4 en hindi (Martin et al., Frontiers in Language Sciences 2025). Les personnes atteintes de SLA se heurtent au même manque à mesure que leur parole change, ce que nos statistiques sur la détérioration bulbaire de la parole dans la SLA suivent dans le temps.
4. L’écart de taux d’erreur sur les mots pour la parole dysarthrique
Les reconnaisseurs prêts à l’emploi sont presque au point pour la dysarthrie légère et échouent toujours à l’extrémité sévère. Dans un benchmark de 2026 portant sur huit systèmes sur TORGO, dont Whisper large-v3, Deepgram Nova-3, GPT-4o et Gemini 2.5 Pro, la dysarthrie sévère a dépassé 51% de WER pour chaque système, tandis que les meilleurs systèmes obtenaient environ 1% à 2% sur la dysarthrie légère (Alsayegh et Masood, IJIS 2026). Les grands modèles de langage multimodaux n’ont montré aucun avantage sur les reconnaisseurs classiques avec les réglages par défaut.
C’est la sévérité, et non la marque du modèle, qui prédit l’échec. La base de référence de Google passe de 10,7 de WER sur la parole légère à 48,1 sur la parole sévère sur son jeu de test de phrases lues (Tobin et al., Google Research 2024). Sur UA-Speech, Whisper-Turbo en zero-shot (c’est-à-dire utilisé sans aucune adaptation aux locuteurs) a produit un taux d’erreur sur les caractères supérieur à 100%, ce qui se produit lorsqu’un modèle produit plus de caractères erronés, y compris des mots inventés, que la référence n’en contient.
| Métrique | Valeur | Source |
|---|---|---|
| TORGO, huit systèmes d’IA commerciaux et multimodaux, parole typique contre dysarthrie sévère | Moins de 5% de WER contre plus de 51% de WER pour chaque système | Alsayegh et Masood, International Journal of Intelligent Systems 2026 |
| TORGO, dysarthrie légère, meilleurs systèmes | Environ 1% à 2% de WER | Alsayegh et Masood, International Journal of Intelligent Systems 2026 |
| Dysarthrie sévère, prompt par défaut contre prompt de transcription littérale | GPT-4o de 60,1% à 52,9% ; GPT-4o Mini de 66,0% à environ 55% | Alsayegh et Masood, International Journal of Intelligent Systems 2026 |
| UA-Speech, taux d’erreur sur les caractères de Whisper-Turbo en zero-shot, locuteurs témoins contre locuteurs dysarthriques | 9,3% contre 165,2% | de Groot et al. (TU Delft), Diffusion-Based Speech Enhancement for Dysarthric Speech 2025 |
| Jeu de test de phrases lues Euphonia, WER de référence de l’USM par sévérité | Légère 10,7 ; modérée 29,5 ; sévère 48,1 | Google (Tobin et al.), Towards a Single ASR Model That Generalizes to Disordered Speech 2024 |
| Jeu de test Parkinson (toutes les phrases), modèles entraînés uniquement sur de la parole lue typique | LibriSpeech 100 heures : 45,15% de WER ; LibriSpeech 960 heures : 38,76% de WER | Speech Accessibility Project (Hasegawa-Johnson et al.), JSLHR 2024 |
| Locuteurs dont le WER prêt à l’emploi atteignait l’objectif de 15% pour la domotique, tous les locuteurs contre les locuteurs sévères | 35% contre 10% | Google (Tobin et Tomanek), Personalized ASR on Small Disordered Speech Datasets 2021 |
Cas atypique : l’amélioration de GPT-4o avec un prompt de transcription littérale montre qu’une partie des erreurs des modèles multimodaux sur la parole sévère vient d’une reformulation de ce qui a été dit, et pas seulement d’un mauvais entendu ; les auteurs indiquent que les modèles Gemini n’ont tiré aucun gain constant des mêmes prompts. Le chiffre d’UA-Speech provient de de Groot et al., qui ne rapportent le résultat dysarthrique que sous forme agrégée, et non par groupe d’intelligibilité, pour la condition zero-shot.
5. Les gains des modèles personnalisés et affinés
De petites quantités des bonnes données déplacent davantage les taux d’erreur que n’importe quel changement d’architecture. Les modèles personnalisés ont amélioré le WER de 62% en relatif pour les locuteurs atteints de SLA, et 71% de cette amélioration est venue de seulement 5 minutes de données d’entraînement (Shor et al., Interspeech 2019). Ces modèles ont été entraînés sur 67 locuteurs atteints de SLA, soit environ 36 heures d’audio (blog de Google Research, 2019).
Le résultat plus récent est qu’un modèle unique partagé peut absorber une grande partie de ce bénéfice. L’USM de Google, affiné sur 1 158 heures de parole désordonnée, a comblé 64% de l’écart entre le modèle de référence et les modèles propres à chaque locuteur, et Microsoft signale des gains de précision de 18% à 60% dans Azure AI Speech grâce aux données du Speech Accessibility Project, selon le handicap du locuteur. Le plafond reste la sévérité : le WER de 31,3 du modèle affiné sur la parole sévère est plus de quatre fois son chiffre de 7,3 sur la parole légère dans le même tableau (31,3 divisé par 7,3 donne 4,3).
| Métrique | Valeur | Source |
|---|---|---|
| Amélioration relative du WER grâce aux modèles personnalisés, parole de personnes atteintes de SLA contre parole accentuée | 62% contre 35% | Google (Shor et al.), Interspeech 2019 |
| WER des locuteurs atteints de SLA après personnalisation, phrases de la banque de messages, dysarthrie légère contre plus sévère | 10% contre 20% | Google (Shor et al.), Interspeech 2019 |
| Locuteurs atteignant l’objectif de 15% de WER pour la domotique avec 50 énoncés (3 à 4 minutes) contre 250 énoncés (18 à 20 minutes) | 63% contre 79% | Google (Tobin et Tomanek), Personalized ASR on Small Disordered Speech Datasets 2021 |
| USM affiné sur de la parole désordonnée, WER avant contre après, par sévérité | Légère 10,7 à 7,3 ; modérée 29,5 à 19,6 ; sévère 48,1 à 31,3 | Google (Tobin et al.), Towards a Single ASR Model That Generalizes to Disordered Speech 2024 |
| Affinage de l’USM, amélioration relative sur la parole lue contre la parole conversationnelle spontanée | 33% contre 26% | Google (Tobin et al.), Towards a Single ASR Model That Generalizes to Disordered Speech 2024 |
| Gains de Microsoft Azure AI Speech avec les données du Speech Accessibility Project | 18% à 60%, selon le handicap du locuteur | Speech Accessibility Project, article Microsoft Azure 2025 |
| Taux d’erreur sur les caractères au test CDSD en mandarin, entraîné uniquement sur CDSD contre préentraîné sur WenetSpeech puis affiné | 24,9% contre 16,4% | Wang et al., Chinese Dysarthria Speech Database (arXiv v2, 2025) |
| UA-Speech, taux d’erreur sur les caractères de Whisper-Turbo affiné par groupe d’intelligibilité | Très faible 64,4% ; faible 44,8% ; moyenne 40,1% ; élevée 30,2% | de Groot et al. (TU Delft), Diffusion-Based Speech Enhancement for Dysarthric Speech 2025 |
Contexte : les locuteurs sévères restent le groupe le plus difficile, même avec toutes leurs données. Dans l’étude de personnalisation d’Euphonia, 69% des locuteurs sévères ont atteint l’objectif de 15% pour la domotique avec l’ensemble de leurs enregistrements, contre 99% des locuteurs légers (Tobin et Tomanek, 2021). Le responsable du Speech Accessibility Project a déclaré que l’entraînement sur une partie du jeu de données avait réduit les taux d’erreur des personnes atteintes de la maladie de Parkinson de presque un facteur deux (Speech Accessibility Project, annonce du partage des données 2024). Données disponibles les plus récentes sur la personnalisation par locuteur : Shor et al. (2019) et Tobin et Tomanek (2021).
6. Pièges des benchmarks : chevauchement des phrases, artefacts d’enregistrement et bruit d’annotation
Les petits corpus aux phrases répétées font paraître la précision publiée meilleure que l’usage réel. TORGO ne contient que 957 textes uniques parmi 16 394 entrées de texte, et le chevauchement des phrases par locuteur pour les huit locuteurs dysarthriques va de 95,7% à 100% (Hui et al., 2024). Lorsque les auteurs ont reconstruit la partition de façon qu’aucune phrase n’apparaisse à la fois dans l’entraînement et le test, le WER d’un modèle wav2vec2 pour un locuteur léger est passé de 3,17% à 45,21%. Un modèle peut apprendre la liste de phrases plutôt que le locuteur.
Le même effet apparaît dans le corpus le plus récent. Sur des phrases que les locuteurs d’entraînement avaient aussi lues, le modèle affiné du Speech Accessibility Project a obtenu 5,18% de WER, et l’article rapporte séparément les phrases communes et non communes pour cette raison. Les conditions d’enregistrement sont un second piège : Schu et al. (2022) ont constaté que la plupart des classifieurs de dysarthrie de pointe donnaient des résultats identiques ou meilleurs sur les segments sans parole d’UA-Speech et de TORGO, ce qui signifie qu’ils détectent peut-être le dispositif d’enregistrement plutôt que la parole.
| Métrique | Valeur | Source |
|---|---|---|
| Textes uniques TORGO contre entrées de texte totales | 957 contre 16 394 | Hui et al., Enhancing AAC Software for Dysarthric Speakers, arXiv 2024 |
| Chevauchement des phrases par locuteur dans TORGO, huit locuteurs dysarthriques | 95,7% à 100% | Hui et al., Enhancing AAC Software for Dysarthric Speakers, arXiv 2024 |
| WER wav2vec2, locuteur sévère M04, partition d’origine contre partition sans chevauchement | 64,50% contre 93,75% | Hui et al., Enhancing AAC Software for Dysarthric Speakers, arXiv 2024 |
| WER wav2vec2, locuteur léger M03, partition d’origine contre partition sans chevauchement | 3,17% contre 45,21% | Hui et al., Enhancing AAC Software for Dysarthric Speakers, arXiv 2024 |
| Phrases Parkinson communes avec les locuteurs d’entraînement, modèle entraîné sur LibriSpeech 960 heures contre affiné sur les données du projet | 45,39% contre 5,18% de WER | Speech Accessibility Project (Hasegawa-Johnson et al.), JSLHR 2024 |
| Relecture des transcriptions Euphonia, transcriptions standardisées par locuteur contre énoncés avec de réels changements de mots | 72% en moyenne contre moins de 5% | Google (Jiang et al.), Interspeech 2024 |
| Filtre automatique d’absence de parole d’Euphonia, part des enregistrements signalés qui contenaient en réalité de la parole (taux de fausses omissions) | 47,7% | Google (Jiang et al.), Interspeech 2024 |
| USM affiné sur de la parole désordonnée, WER LibriSpeech Clean sur la parole typique | 2,4, inchangé aux pondérations de données testées | Google (Tobin et al.), Towards a Single ASR Model That Generalizes to Disordered Speech 2024 |
Contexte : le bruit d’annotation dans Euphonia était surtout cosmétique, puisque environ 95% des corrections portaient sur la ponctuation, les majuscules ou d’autres normalisations ; le risque principal était que le filtre automatique écarte de la parole valide mais faible ou lente, ce qui élimine précisément les locuteurs dont un jeu de données a le plus besoin. Le résultat de l’USM répond à une inquiétude courante : ajouter de la parole désordonnée n’a pas dégradé la précision sur la parole typique aux pondérations testées par les auteurs.
7. Contexte de prévalence : la population que servent ces jeux de données
Les corpus ci-dessus couvrent quelques milliers de locuteurs ; la population présentant des différences de parole se compte en millions. En 2012, 7,7% des enfants américains âgés de 3 à 17 ans avaient un trouble de la communication ou de la déglutition au cours des 12 derniers mois, et les problèmes d’élocution étaient le type le plus courant, à 5,0% (NCHS Data Brief No. 205). Seuls 55,2% de ces enfants ont bénéficié d’un service d’intervention la même année.
Chez les adultes, la dysarthrie est une manifestation fréquente de maladies neurologiques courantes plutôt qu’un trouble rare. La synthèse de l’ASHA la situe à 44% à 88% chez les personnes atteintes de la maladie de Parkinson et à 22% à 58% chez les personnes en phase aiguë d’un AVC (ASHA Practice Portal, Dysarthria in Adults), et ce sont ces fourchettes, et non la composition d’un échantillon de commodité, que devrait refléter un jeu de données représentatif. Les troubles de la fluence comme le bégaiement ajoutent une autre population, décrite dans nos statistiques démographiques sur le bégaiement.
| Métrique | Valeur | Source |
|---|---|---|
| Enfants américains de 3 à 17 ans avec un trouble de la communication ou de la déglutition au cours des 12 derniers mois ; problèmes d’élocution | 7,7% ; 5,0% | NCHS Data Brief No. 205 (2015, données NHIS 2012) |
| Prévalence par âge, 3 à 6 ans contre 11 à 17 ans | 11,0% contre 4,9% | NCHS Data Brief No. 205 (2015, données NHIS 2012) |
| Enfants avec un trouble ayant reçu des services d’intervention au cours des 12 derniers mois | 55,2% | NCHS Data Brief No. 205 (2015, données NHIS 2012) |
| Adultes américains déclarant un problème de voix au cours des 12 derniers mois | 7,6% (environ 17,9 millions) | NIDCD, Quick Statistics About Voice, Speech, and Language |
| Américains qui bégaient ; Américains vivant avec une aphasie | Plus de 3 millions (environ 1%) ; environ 2 millions, avec près de 180 000 nouveaux cas par an | NIDCD, Quick Statistics About Voice, Speech, and Language |
| Taux de dysarthrie, maladie de Parkinson ; sclérose en plaques ; AVC aigu ; traumatisme crânien aigu à subaigu | 44% à 88% ; 40% à 51% ; 22% à 58% ; environ 30% à 86% | ASHA Practice Portal, Dysarthria in Adults |
| Taux de dysarthrie, maladie de Huntington ; maladie neuromusculaire comme la SLA | 78% à 93% ; 26% à 62% | ASHA Practice Portal, Dysarthria in Adults |
| Adultes américains avec des difficultés d’audition, de parole ou de langage ayant déclaré avoir rencontré de la stigmatisation | 65% de 1 004 personnes interrogées | ASHA-YouGov National Poll 2024 |
Données disponibles les plus récentes : les chiffres de prévalence chez l’enfant proviennent de la National Health Interview Survey de 2012, publiée en 2015, et le résumé du NIDCD lui-même (NIDCD Quick Statistics) cite la même enquête. Le chiffre sur la stigmatisation provient d’un sondage en ligne mené du 21 au 26 février 2024 (ASHA-YouGov, 2024).
Résumé : les jeux de données d’IA pour la parole atypique et dysarthrique en chiffres
| Métrique | Valeur | Source |
|---|---|---|
| Participants ayant envoyé des enregistrements au Speech Accessibility Project, fin septembre 2025 | Environ 2 000 | Speech Accessibility Project, page d’accueil 2026 |
| Paquet de données du Speech Accessibility Project, description du catalogue | Environ 1 090 heures provenant d’environ 1 130 participants | Catalogue YorVoice de l’University of York, notice du Speech Accessibility Project |
| Corpus Project Euphonia, février 2025 | Plus de 1,5 million d’énoncés provenant d’environ 3 000 locuteurs | Google (Martin et al.), Frontiers in Language Sciences 2025 |
| Enregistrements Euphonia avec transcriptions relues par des humains | 352 130 (29%) | Google (Jiang et al.), Interspeech 2024 |
| Locuteurs et audio TORGO | 8 locuteurs dysarthriques et 7 témoins ; environ 23 heures | Linguistic Data Consortium, LDC2012S02 (2012) |
| Locuteurs UA-Speech atteints de paralysie cérébrale, d’origine contre actuellement distribués | 19 contre 16 | Kim et al., Interspeech 2008 ; University of Illinois |
| Conception prévue du Speech Accessibility Project | 2 000 personnes, 400 par étiologie | ClinicalTrials.gov NCT05889260 |
| SAP-240430, partition d’entraînement | 369 locuteurs, 290,35 heures | Zheng et al., Interspeech 2025 Speech Accessibility Project Challenge |
| Sous-ensemble Euphonia de 195 locuteurs, part de la SLA contre la maladie de Parkinson | 39,2% contre 10,8% | Google (Tobin et Tomanek) 2021 |
| Locuteurs Euphonia non anglophones, 2025 | 132 (japonais 76, espagnol 38, français 14, hindi 4) | Google (Martin et al.), Frontiers in Language Sciences 2025 |
| TORGO, parole typique contre dysarthrie sévère, huit systèmes d’IA | Moins de 5% contre plus de 51% de WER | Alsayegh et Masood, IJIS 2026 |
| UA-Speech, taux d’erreur sur les caractères de Whisper-Turbo en zero-shot, témoins contre dysarthriques | 9,3% contre 165,2% | de Groot et al. (TU Delft) 2025 |
| WER de l’USM sur la parole désordonnée sévère, avant contre après affinage | 48,1 contre 31,3 | Google (Tobin et al.) 2024 |
| Modèles personnalisés, amélioration relative du WER pour la parole de personnes atteintes de SLA | 62%, dont 71% du gain à partir de 5 minutes de données | Google (Shor et al.), Interspeech 2019 |
| Phrases Parkinson communes avec les locuteurs d’entraînement, modèle LibriSpeech 960 heures contre modèle affiné sur les données du projet | 45,39% contre 5,18% de WER | Speech Accessibility Project (Hasegawa-Johnson et al.), JSLHR 2024 |
| Textes uniques TORGO contre entrées de texte | 957 contre 16 394 | Hui et al., arXiv 2024 |
| Enfants américains de 3 à 17 ans avec un trouble de la communication ou de la déglutition (2012) | 7,7% | NCHS Data Brief No. 205 (2015) |
| Dysarthrie chez les personnes atteintes de la maladie de Parkinson | 44% à 88% | ASHA Practice Portal, Dysarthria in Adults |
Méthodologie et sources
Nous avons effectué 17 recherches et lu la page principale du jeu de données, la notice du registre, l’article de revue ou le preprint derrière chaque chiffre. Les taux d’erreur sont rapportés dans la notation propre à chaque source : WER pour le taux d’erreur sur les mots, taux d’erreur sur les caractères (CER) là où la source l’utilise (affinage UA-Speech et corpus mandarin), avec ou sans signe de pourcentage selon l’impression de la source. Les chiffres de plus de trois ans sont signalés dans leurs sections comme données disponibles les plus récentes.
- Page d’accueil du Speech Accessibility Project (University of Illinois Beckman Institute), 2026
- Speech Accessibility Project, Conduct Research Through the Project
- Speech Accessibility Project, Speech Accessibility Project Data Leads to Recognition Improvements on Microsoft Azure, 2025
- Speech Accessibility Project, Now Sharing Recordings and Data, 2024
- Catalogue YorVoice de l’University of York, notice du Speech Accessibility Project
- ClinicalTrials.gov, Speech Accessibility Project, NCT05889260
- Hasegawa-Johnson et al., Community-Supported Shared Infrastructure in Support of Speech Accessibility, JSLHR 2024
- Zheng et al., The Interspeech 2025 Speech Accessibility Project Challenge
- Google, page des publications et de l’accès aux données de Project Euphonia
- Jiang et al. (Google), Learnings from Curating a Trustworthy, Well-Annotated, and Useful Dataset of Disordered English Speech, Interspeech 2024
- Martin et al. (Google), Project Euphonia: Advancing Inclusive Speech Recognition through Expanded Data Collection and Evaluation, Frontiers in Language Sciences 2025
- Tobin et Tomanek (Google), Personalized Automatic Speech Recognition Trained on Small Disordered Speech Datasets, 2021
- Tobin, Tomanek et Venugopalan (Google), Towards a Single ASR Model That Generalizes to Disordered Speech, 2024
- Shor et al. (Google), Personalizing ASR for Dysarthric and Accented Speech with Limited Data, Interspeech 2019 et l’article du blog de Google Research sur la personnalisation d’Euphonia, 2019
- Linguistic Data Consortium, TORGO Database of Dysarthric Articulation, LDC2012S02
- Kim et al., Dysarthric Speech Database for Universal Access Research, Interspeech 2008 et la page de distribution UA-Speech de l’University of Illinois
- Turrisi et al., EasyCall Corpus: A Dysarthric Speech Dataset, Interspeech 2021
- Wang et al., CDSD: Chinese Dysarthria Speech Database, arXiv v2 2025
- Alsayegh et Masood, Benchmarking Commercial Speech Recognition and Multimodal Large Language Models on Dysarthric Speech, International Journal of Intelligent Systems 2026
- de Groot et al. (TU Delft), Objective and Subjective Evaluation of Diffusion-Based Speech Enhancement for Dysarthric Speech, 2025
- Hui, Zhang et Mohan, Enhancing AAC Software for Dysarthric Speakers in e-Health Settings: An Evaluation Using TORGO, 2024
- Schu, Janbakhshi et Kodrasi, On Using the UA-Speech and TORGO Databases to Validate Automatic Dysarthric Speech Classification Approaches, 2022
- OpenSLR, LibriSpeech ASR corpus
- Black, Vahratian et Hoffman, Communication Disorders and Use of Intervention Services Among Children Aged 3-17 Years, NCHS Data Brief No. 205, 2015
- NIDCD, Quick Statistics About Voice, Speech, and Language
- ASHA Practice Portal, Dysarthria in Adults
- ASHA-YouGov National Poll: Most Adults With Communication Disorders Report Facing Stigmas, 2024
- Note sur les données : la taille du Speech Accessibility Project est décrite de trois façons. Sa page de recherche donne 1 500 heures provenant d’environ 999 participants, la notice du catalogue de l’University of York donne environ 1 090 heures provenant d’environ 1 130 participants, et la page d’accueil compte environ 2 000 personnes ayant envoyé des enregistrements en septembre 2025 (des enregistrements envoyés ne sont pas des données publiées et transcrites) ; nous rapportons les trois plutôt que d’en choisir une. La notice ClinicalTrials.gov ne liste que la maladie de Parkinson et les syndromes parkinsoniens apparentés, de sorte que son inclusion réelle de 485 personnes ne doit pas être lue comme le total du projet. L’article du JSLHR donne l’ensemble d’entraînement du premier paquet à 190 locuteurs dans sa section Méthode et à 191 dans ses Résultats. Le résumé de l’article de revue sur TORGO décrit sept personnes avec des troubles de la parole, alors que la version du LDC liste huit locuteurs dysarthriques ; nous utilisons le chiffre du LDC. Le résumé de l’article sur l’USM décrit environ 1 000 heures de parole désordonnée et moins de 1% des données d’entraînement, tandis que son tableau d’entraînement liste 1 158 heures. L’article CDSD décrit la partie B comme comptant 8 locuteurs dans une section et 7 dans une autre, après le retrait d’un locuteur pour erreurs d’annotation. Chez Tobin et Tomanek, le texte indique que 90% des locuteurs légers atteignent l’objectif avec 50 énoncés alors que le tableau affiche 93%. Le chiffre de 18% à 60% de Microsoft est décrit comme des gains de précision sans métrique ni jeu de test précisés. Les deux chiffres du corpus Euphonia (2024 et 2025) reflètent une croissance, pas un conflit. Prévalence chez l’enfant : le NIDCD indique 7,2% pour les seuls troubles de la voix, de la parole ou du langage, contre 7,7% pour le NCHS, qui inclut aussi la déglutition.
Dernière mise à jour : 24 octobre 2026. Nous actualisons ce panorama chaque trimestre, et la prochaine révision est attendue lorsque le Speech Accessibility Project publiera son prochain paquet de données et sa prochaine version de la partition entraînement/test.