Des chercheurs ont observé des réveils accidentels d’enceintes connectées à raison de 0,95 fois par heure lors d’un test contrôlé où deux séries de 134 heures de contenus Netflix ont été diffusées à sept appareils (Northeastern University et Imperial College London, PETS 2020). Une autre étude en laboratoire, qui a soumis 11 enceintes de 8 fabricants à des émissions de TV et à des journaux télévisés, a mis au jour plus de 1 000 déclenchements accidentels vérifiés (Ruhr University Bochum et Max Planck Institute, arXiv 2020). Ces fausses acceptations ont désormais un prix juridique : l’accord de 68 millions de dollars conclu par Google au sujet des fausses acceptations de l’Assistant a reçu 1,49 million de demandes déposées dans les délais avant son approbation définitive en octobre 2026 (tribunal fédéral du district nord de la Californie, ordonnance Kumandan v. Google 2026). Côté reconnaissance, un banc d’essai de dîner à domicile enregistré avec des réseaux de 7 microphones a vu le taux d’erreur sur les mots bondir de 42,10% avec des casques de proximité à 77,52% avec les appareils en champ lointain (article du corpus DiPCo, 2019). Nous avons agrégé des données de la Northeastern University, de la Ruhr University Bochum, d’Amazon Science, d’Apple Machine Learning Research, de Google Research, des organisateurs du challenge CHiME, de la Johns Hopkins University et de deux dossiers de recours collectifs fédéraux. Le nombre de foyers équipés de ces appareils est traité dans nos statistiques d’usage des enceintes connectées ; ce tour d’horizon porte sur la qualité de leur écoute.
TL;DR
- Des chercheurs ont observé 0,95 activation intempestive d’enceinte connectée par heure, soit 1,43 pour 10 000 mots prononcés, pendant la diffusion d’émissions de TV à proximité (Northeastern University et Imperial College London, PETS 2020).
- Le mot d’activation Cortana a produit 197 déclenchements accidentels contre 8 pour Hey Siri sur 624 heures d’audio par enceinte (Ruhr University Bochum et Max Planck Institute, arXiv 2020).
- Utilisateurs d’enceintes connectées ayant constaté au moins une fois par mois un réveil accidentel : 43,7% (enquête Voicebot.ai 2018, rapportée par Voicebot.ai 2020).
- Un classifieur de second étage a réduit d’environ 67% les fausses alarmes d’Alexa en plus du détecteur de premier étage (Amazon Science, ICASSP 2018).
- Le transformer en flux d’Apple supprime 95% des faux déclenchements avec une seconde d’audio supplémentaire après le déclenchement (Apple Machine Learning Research 2021).
- Le traitement à six microphones du HomePod a amélioré le taux d’erreur sur les mots d’environ 90% en relatif pendant la lecture de musique (Apple Machine Learning Research 2018).
- Faux rejets du mot d’activation à une fausse alarme par heure : 2,00% en parole de proximité contre 5,11% sur des réseaux en champ lointain (Personalized Voice Trigger Challenge 2020).
- Taux d’erreur sur les mots sur un corpus de dîner à domicile : 42,10% en parole de proximité contre 77,52% en champ lointain (article du corpus DiPCo, 2019).
- Même les meilleurs systèmes des challenges CHiME-7 et CHiME-8 restent au-dessus de 30% de tcpWER sur les dîners à domicile de CHiME-6 (CHiME-7/8 DASR review, arXiv 2025).
- 24,76% de 2 552 interactions avec Alexa menées par des adultes de 66 à 94 ans comportaient une erreur (Johns Hopkins University, arXiv 2024).
- L’accord de 68 millions de dollars de Google sur les fausses acceptations de l’Assistant a reçu 1,49 million de demandes déposées dans les délais (ordonnance d’approbation définitive Kumandan v. Google, octobre 2026).
- L’accord Siri de 95 millions de dollars d’Apple verse jusqu’à 20 dollars par appareil pour les activations involontaires (Lopez v. Apple, administrateur de l’accord, 2025-2026).
1. Activations accidentelles : à quelle fréquence les dialogues de TV réveillent une enceinte
0,95 activation intempestive par heure semble peu, jusqu’à ce qu’on se rappelle qu’un téléviseur de salon fonctionne pendant des heures, et que cette même étude a constaté que presque toutes les activations détectées localement (l’appareil s’allumait) étaient aussi envoyées vers le cloud. La question de la vie privée n’est donc pas seulement de savoir à quelle fréquence une enceinte se réveille, mais combien de temps elle continue d’écouter une fois réveillée.
La durée est ce que l’étude de Northeastern et de l’Imperial College révèle le mieux : le dixième le plus long des activations durait de 8 à 10 secondes selon l’appareil, assez pour capter une phrase entière d’une conversation privée. Les activations intempestives n’étaient pas non plus du bruit aléatoire : 20,7% des activations du Google Home Mini et 17,7% de celles du HomePod se répétaient dans plus de 75% des 12 séries de test, ce qui signifie que des répliques précises trompent de façon fiable des appareils précis. Les enquêtes auprès des propriétaires, rapportées par Voicebot.ai, racontent la même histoire depuis le canapé.
| Métrique | Valeur | Source |
|---|---|---|
| Contenu diffusé aux enceintes testées | Deux séries de 134 heures issues de 12 émissions de TV, aux États-Unis et au Royaume-Uni, vers 7 appareils (Google Home Mini, Apple HomePod, Harman Kardon Invoke, 2 Echo Dot 2e gén., 2 Echo Dot 3e gén.) | Northeastern University et Imperial College London, PETS 2020 |
| Taux d’activations intempestives observé | 0,95 par heure, soit 1,43 pour 10 000 mots prononcés | Northeastern University et Imperial College London, PETS 2020 |
| Émissions de TV ayant provoqué le plus d’activations | The West Wing : 4,26 activations par heure en moyenne ; Narcos : 6,21 activations pour 10 000 mots de dialogue | Northeastern University et Imperial College London, PETS 2020 |
| Durée atteinte par les 10% d’activations les plus longues ; activation unique la plus longue | Au moins 10 secondes sur le HomePod, 9 secondes sur le Google Home Mini, 8 secondes sur l’Echo Dot 2e gén. (mot d’activation Echo) ; jusqu’à 43 secondes dans une expérience, traitée comme une valeur aberrante | Northeastern University et Imperial College London, PETS 2020 |
| Utilisateurs d’enceintes connectées ayant remarqué avoir réveillé accidentellement leur assistant vocal au moins une fois par mois | 43,7% | Enquête Voicebot.ai 2018, rapportée par Voicebot.ai 2020 |
| Utilisateurs américains de recherche vocale (téléphones inclus) ayant réveillé accidentellement leur assistant sur un mois | 64% de 501 répondants | Enquête The Manifest, rapportée par Voicebot.ai 2020 |
| Part des réveils accidentels signalés où le logiciel a détecté son mot d’activation sans raison apparente | 29% | Enquête The Manifest, rapportée par Voicebot.ai 2020 |
Données les plus récentes disponibles : Northeastern University et Imperial College London, PETS 2020, et enquêtes auprès des propriétaires de 2018 à 2020. Aucune mesure indépendante plus large des activations intempestives n’a été publiée depuis, ces chiffres restent donc la référence. Le titre très répété « jusqu’à 19 fois par jour » vient de la couverture de presse, et non des taux rapportés par l’étude elle-même.
2. Quels mots d’activation se déclenchent le plus à tort
L’écart entre les mots d’activation est énorme : Cortana a produit 197 déclenchements accidentels alors que Hey Siri en a produit 8 sous la même diffusion. Les mots d’activation courts et d’allure courante entrent en collision avec la parole de tous les jours ; les chercheurs ont constaté que le mot chinois « dage » (grand frère) était confondu avec « Echo » et l’expression allemande « Am Sonntag » avec « Amazon » dans des bulletins météo.
Le cloud joue le rôle de second filtre, mais imparfait. Seule une petite part des déclenchements locaux de Cortana a survécu à la vérification du serveur, et pourtant l’article sur les déclenchements accidentels a constaté qu’un déclenchement confirmé dans le cloud peut envoyer 10 secondes d’audio ou plus. Une étape de vérification dans le cloud, en termes simples, est un second système de reconnaissance, plus grand, sur les serveurs de l’entreprise, qui réécoute l’extrait et annule le réveil s’il n’est pas d’accord avec l’appareil.
| Métrique | Valeur | Source |
|---|---|---|
| Périmètre du test | 11 enceintes connectées de 8 fabricants ; 13 jeux de données principaux de 24 heures chacun, diffusés deux fois (13 x 24 x 2 = 624 heures par enceinte) | Ruhr University Bochum et Max Planck Institute, arXiv 2020 |
| Déclenchements accidentels par mot d’activation | Cortana 197 ; Alexa 99 ; Computer 77 ; Amazon 57 ; Echo 43 ; OK/Hey Google 16 ; Hey Siri 8 | Ruhr University Bochum et Max Planck Institute, arXiv 2020 |
| Déclenchements de Cortana ayant aussi franchi la vérification côté cloud | 8 sur 197 (8 / 197 = 4,1%) | Ruhr University Bochum et Max Planck Institute, arXiv 2020 |
| Déclenchements d’Amazon et de Google qui se reproduisaient au moins 4 fois sur 10 relectures | Environ 75% | Ruhr University Bochum et Max Planck Institute, arXiv 2020 |
| Mot d’activation « Computer » déclenché par les mêmes épisodes de Modern Family, version anglaise contre version allemande | 9 fois contre 1 fois | Ruhr University Bochum et Max Planck Institute, arXiv 2020 |
| Audio envoyé après un déclenchement confirmé dans le cloud contre durée avant l’arrêt d’un déclenchement uniquement local | 10 secondes ou plus contre environ 1 à 2 secondes | Ruhr University Bochum et Max Planck Institute, arXiv 2020 |
Données les plus récentes disponibles : Ruhr University Bochum et Max Planck Institute, arXiv 2020. Le nombre pour Alexa apparaît comme 99 dans le texte de l’article et comme 100 dans une ligne d’un tableau récapitulatif ; nous retenons le chiffre du texte.
3. Détection du mot d’activation : arbitrer entre faux rejets et fausses alarmes
Tout moteur de mot d’activation arbitre entre deux erreurs. Un faux rejet se produit quand l’enceinte ignore un vrai « Alexa » ou « Hey Siri » ; une fausse alarme (aussi appelée fausse acceptation ou faux déclenchement) quand elle se réveille alors que personne n’a prononcé le mot d’activation. Les ingénieurs fixent un taux d’erreur puis tentent de faire baisser l’autre, ce qui explique que les résultats soient cités sous la forme « réduction relative à un niveau de fausses alarmes fixe » ou « à 0,1 fausse acceptation par heure ».
Le schéma commun aux fournisseurs est une défense en couches. Le résultat phare ici est celui d’Apple : 95% des faux déclenchements supprimés avec une seule seconde d’audio supplémentaire (Apple Machine Learning Research 2021). Le détecteur à deux étages d’Amazon et les vérifications par treillis d’Apple suivent la même logique : un détecteur bon marché toujours actif réveille l’appareil, et un second étage plus lourd décide s’il faut continuer d’écouter.
| Métrique | Valeur | Source |
|---|---|---|
| Détecteur embarqué à deux étages avec modélisation de la parole de fond : faux rejets à un niveau de fausses alarmes fixe ; fausses alarmes à un taux de manques fixe | Environ 16% de réduction relative ; environ 37% de réduction relative | Amazon Science, ICASSP 2018 |
| Classifieur de second étage en plus du détecteur de premier étage | Environ 67% de fausses alarmes en moins | Amazon Science, ICASSP 2018 |
| Taux de faux déclenchements avec un modèle de langage complémentaire, à 0,4% fixe de suppression à tort de requêtes réelles | 38,34% de réduction relative, puis 10,8% supplémentaires avec un modèle parallèle | Apple, Interspeech 2020 |
| Faux déclenchements supprimés par un transformer en flux avec une seconde d’audio après le déclenchement | 95% | Apple Machine Learning Research 2021 |
| Même modèle en flux contre la version sans flux | 18% de réduction relative moyenne des faux rejets ; 32% de mémoire d’exécution en moins ; 56% de temps d’inférence en moins | Apple Machine Learning Research 2021 |
| Réseau multi-microphones contre un modèle monocanal exécuté sur chaque microphone, à 0,1 fausse acceptation par heure | 27,2% (propre) et 31,8% (bruité) de réduction relative des faux rejets sur des jeux de test à deux microphones | Google Research, Odyssey 2020 |
| Conception du déclenchement vocal de Siri | Deux phrases de déclenchement (« Hey Siri » et « Siri ») sur 7 catégories d’appareils ; réseau de première passe compressé à 4 bits par poids | Apple Machine Learning Research 2023 |
Contexte : les fournisseurs ne publient presque jamais de taux absolus de fausses acceptations pour des produits commercialisés, seulement des améliorations relatives. L’article sur le modèle de langage complémentaire et l’article multicanal de Google suivent cette convention. Données les plus récentes disponibles pour l’architecture du système commercialisé : Apple Machine Learning Research, Voice Trigger System for Siri, 2023.
4. Beamforming et traitement acoustique en amont
Le beamforming consiste à combiner les signaux de plusieurs microphones pour que le réseau « écoute » en direction du locuteur et à l’opposé du bruit. L’annulation d’écho consiste à soustraire la musique de l’enceinte elle-même de ce que ses microphones entendent. Les deux comptent parce que, comme l’a mesuré Apple, la lecture de l’appareil lui-même peut être de 30 à 40 dB plus forte que la voix qu’il tente d’entendre (Apple Machine Learning Research 2018).
Le gain est le plus grand précisément là où une enceinte connectée peine le plus : pendant sa propre lecture de musique. Les travaux d’Amazon sur l’annulation d’écho multicouche rapportent des ordres de grandeur similaires. Le même principe directionnel réduit le bruit à l’oreille dans les aides auditives, comme le montrent nos statistiques de RSB des aides auditives à microphone directionnel ; une enceinte connectée l’applique depuis l’autre bout de la pièce.
| Métrique | Valeur | Source |
|---|---|---|
| Microphones sur l’Apple HomePod ; coût de traitement de son amélioration de la parole | Six ; moins de 15% d’un seul cœur A8 à 1,4 GHz | Apple Machine Learning Research 2018 |
| Lecture de l’appareil (écho) contre parole en champ lointain ; écho résiduel après annulation d’écho linéaire à volume élevé | 30 à 40 dB plus fort ; 10 à 20 dB au-dessus de la parole en champ lointain | Apple Machine Learning Research 2018 |
| Amélioration relative du taux d’erreur sur les mots grâce au traitement multicanal du HomePod | Environ 40% (parole réverbérée), 90% (lecture), 74% (fort bruit de fond), 61% (locuteur concurrent) | Apple Machine Learning Research 2018 |
| Amélioration absolue des faux rejets de « Hey Siri » en présence d’un locuteur concurrent | 29,0% par rapport à la réduction de bruit à base de masque ; 30,3% par rapport à la sortie de traitement du signal de référence | Apple Machine Learning Research 2018 |
| Réduction de l’écho et du bruit par le système multicouche d’Amazon sur les appareils Echo | Environ 40 dB de réduction d’écho ; environ 19 dB de réduction de bruit | Amazon Science 2018 |
| Amélioration relative du taux d’erreur sur les mots des trois couches (nommées SBNR, SBRES et NLEC par Amazon) | Environ 22%, 14% et 17% | Amazon Science 2018 |
| Réseau de l’appareil en champ lointain dans les enregistrements domestiques DiPCo | 7 microphones : 6 sur un cercle de 35 mm de rayon plus 1 au centre | Article du corpus DiPCo, 2019 |
| Réseaux utilisés dans chaque dîner à domicile de CHiME-6 | 6 appareils Microsoft Kinect avec réseaux linéaires à 4 canaux (24 microphones de réseau) | CHiME-6 Challenge paper, 2020 |
Données les plus récentes disponibles : Apple Machine Learning Research 2018 et Amazon Science 2018. Les deux entreprises ont lancé du matériel plus récent depuis, mais aucune n’a publié de mesures comparables du front-end.
5. La pénalité de distance en reconnaissance en champ lointain
Éloigner le microphone de la bouche jusqu’à l’autre bout de la pièce double presque les erreurs de reconnaissance dans des tests contrôlés. Le taux d’erreur sur les mots est passé de 42,10% avec des casques de proximité à 77,52% avec des appareils en champ lointain lors des mêmes séances de dîner (article du corpus DiPCo, 2019), et les faux rejets du mot d’activation dans le Personalized Voice Trigger Challenge étaient plus de deux fois plus élevés sur des réseaux en champ lointain que sur des téléphones de proximité.
L’audio domestique conversationnel est bien plus difficile qu’une commande isolée : les gens se coupent la parole, passent d’une pièce à l’autre et cuisinent. Deux termes aident à lire le tableau. La séparation de sources guidée (GSS) est une méthode multi-microphones qui utilise la chronologie de qui parle quand pour isoler chaque voix, et le tcpWER est un taux d’erreur sur les mots qui pénalise aussi les mots attribués au mauvais locuteur ou au mauvais moment. La revue de CHiME-7 et CHiME-8 montre que des années de progrès laissent encore les dîners à domicile comme le scénario le plus difficile.
| Métrique | Valeur | Source |
|---|---|---|
| Faux rejets du mot d’activation à une fausse alarme par heure, téléphone de proximité contre réseau de microphones en champ lointain (jeu de développement) | 2,00% contre 5,11% | Personalized Voice Trigger Challenge 2020 |
| Configuration d’enregistrement du challenge | 612 heures, 658 995 énoncés, 550 locuteurs ; réseaux de 4 ou 6 canaux à 1 m, 3 m et 5 m dans une pièce aménagée en maison connectée | Personalized Voice Trigger Challenge 2020 |
| Mot d’activation de maison connectée en champ lointain (« Xiao T, Xiao T »), jeu d’évaluation : faux rejets et fausses alarmes | Meilleur système audio seul 6,38% et 4,65% ; meilleur système audio-visuel 2,15% et 3,44% ; référence audio-visuelle officielle 10,1% et 15% | Duke Kunshan University system, ICASSP 2023 (MISP 2021 challenge) |
| Taux d’erreur sur les mots, casque de proximité contre appareil à 7 microphones en champ lointain (jeu d’évaluation) | 42,10% contre 77,52% | Article du corpus DiPCo, 2019 |
| Taux d’erreur sur les mots de référence de CHiME-6 (développement / évaluation), avec GSS contre avec un formeur de faisceaux classique (BeamformIt) | 51,8% / 51,3% contre 69,8% / 61,2% | CHiME-6 Challenge paper, 2020 |
| Référence de CHiME-6 quand le système doit aussi trouver qui a parlé quand (développement / évaluation) | 84,3% / 77,9% | CHiME-6 Challenge paper, 2020 |
| Taux d’erreur sur les mots du meilleur système de CHiME-5 (développement / évaluation) | 45,6% / 46,6% (USTC-iFlytek) | CHiME-6 Challenge paper, 2020 |
| tcpWER sur CHiME-6 des meilleurs systèmes de CHiME-7/8 ; participation à CHiME-8 | Au-dessus de 30% ; 9 équipes soumettant 32 systèmes | CHiME-7/8 DASR review, arXiv 2025 |
Contexte : les chiffres des challenges mesurent la conversation ouverte, pas les commandes courtes, ils surestiment donc l’erreur qu’une enceinte commet sur « mets un minuteur ». Ils restent la meilleure preuve publique du coût de la pièce elle-même, et l’article CHiME-6 montre que le passage d’un formeur de faisceaux classique à la GSS valait à lui seul environ 18 points sur le jeu de développement (69,8% moins 51,8%).
6. Qui est laissé de côté : les personnes âgées à domicile
Les échecs du mot d’activation et de la reconnaissance ne sont pas répartis également. Dans un déploiement à domicile d’un mois, 24,76% des interactions avec Alexa menées par des adultes de 66 à 94 ans comportaient une erreur (Johns Hopkins University, arXiv 2024), et les taux d’erreur n’ont pas baissé au fil des quatre semaines. Entendre la demande n’était qu’une partie du problème : la mécompréhension de l’intention était la plus grande catégorie d’erreurs.
Le mot d’activation lui-même fait trébucher. Prononcer une approximation comme « Alexis » causait plus de faux pas que les fausses activations, ce qui est l’image inversée du problème de la TV dans la section 1 : l’appareil est strict avec son propriétaire et indulgent avec le téléviseur. Les écarts selon l’accent et le dialecte sont traités dans nos statistiques sur le biais d’accent en reconnaissance vocale ; cette section s’en tient à l’âge et à la cognition.
| Métrique | Valeur | Source |
|---|---|---|
| Interactions avec une erreur, 15 foyers âgés de 66 à 94 ans, Echo Dot, quatre semaines | 24,76% (632 sur 2 552) | Johns Hopkins University, arXiv 2024 |
| Erreurs de reconnaissance vocale en part de toutes les erreurs | 24,4% (154 sur 632) | Johns Hopkins University, arXiv 2024 |
| Erreurs où Alexa n’a pas du tout capté la demande (« non écoutée ») | 10,9% (69 sur 632) | Johns Hopkins University, arXiv 2024 |
| Erreurs causées par le mauvais mot d’activation (par exemple « Alexis ») | 7,8% (49 sur 632) | Johns Hopkins University, arXiv 2024 |
| Erreurs causées par de fausses activations (faux déclenchements) ; part résolue à la nouvelle tentative | 2,4% (15 sur 632) ; 6,7% | Johns Hopkins University, arXiv 2024 |
| Échecs de reconnaissance de l’intention, la plus grande catégorie d’erreurs | 32,3% (204 sur 632) | Johns Hopkins University, arXiv 2024 |
| Erreurs de reconnaissance vocale sur des commandes Alexa lues par 83 personnes âgées, groupe avec démence contre groupe cognitivement normal | Nettement plus élevées dans le groupe avec démence | Cohn et al., arXiv 2026 |
L’étude de 2026 sur la démence rapporte que l’intensité de la voix, sa qualité et le ratio de pauses prédisaient la précision de la reconnaissance, ce qui relie l’écart d’âge à l’acoustique : les voix plus faibles et plus soufflées perdent davantage d’énergie à travers la pièce avant d’atteindre le réseau.
7. Les fausses acceptations devant les tribunaux et dans la politique des entreprises
Les fausses acceptations sont passées de la métrique de laboratoire à la responsabilité juridique. L’accord de Google a une période de groupe qui débute le 18 mai 2016 et un groupe sur la vie privée défini autour des enregistrements issus de fausses acceptations, et 1,49 million de demandes déposées dans les délais sont arrivées pour des avis envoyés par e-mail à 173 814 291 adresses (tribunal fédéral du district nord de la Californie, ordonnance d’approbation définitive Kumandan v. Google, octobre 2026). Selon notre calcul, cela représente un taux de demandes d’environ 0,86% des adresses notifiées (1,49 million / 173 814 291) ; l’ordonnance elle-même n’indique aucun taux de demandes.
L’accord Siri parallèle d’Apple couvre les activations involontaires de Siri pendant des conversations privées sur une décennie. La politique de l’entreprise a elle aussi évolué : Apple a indiqué en janvier 2025 qu’elle ne conserve pas les enregistrements audio des interactions avec Siri, sauf si les utilisateurs y consentent explicitement (Apple Newsroom 2025).
| Métrique | Valeur | Source |
|---|---|---|
| Fonds de l’accord sur les fausses acceptations de Google Assistant ; date d’approbation définitive | 68 000 000 dollars, sans retour au défendeur ; 13 octobre 2026 | Tribunal fédéral du district nord de la Californie, ordonnance Kumandan v. Google 2026 |
| Envoi des avis et exclusions | E-mails à 173 814 291 adresses, 98,76% délivrés ; 217 demandes d’exclusion valides et 7 objections | Tribunal fédéral du district nord de la Californie, ordonnance Kumandan v. Google 2026 |
| Paiement estimé par membre du groupe | Environ 18 à 56 dollars (groupe des acheteurs) ; environ 2 à 10 dollars (groupe sur la vie privée) | Tribunal fédéral du district nord de la Californie, ordonnance Kumandan v. Google 2026 |
| Honoraires d’avocats accordés | 22 666 666,70 dollars (un tiers du fonds) | Tribunal fédéral du district nord de la Californie, ordonnance Kumandan v. Google 2026 |
| Accord d’Apple sur les activations involontaires de Siri | Fonds de 95 millions de dollars ; jusqu’à 20 dollars par appareil Siri, jusqu’à cinq appareils ; période du groupe du 17 septembre 2014 au 31 décembre 2024 | Lopez v. Apple, administrateur de l’accord, 2025-2026 |
| Part des extraits audio de l’Assistant examinés par des experts linguistiques | Environ 0,2% | Google, blog The Keyword, juillet 2019 |
| Part des requêtes Siri écoutées par des évaluateurs humains avant la suspension de l’évaluation par Apple | Moins de 0,2% | Apple Newsroom, août 2019 |
Contexte : la déclaration de Google sur les données vocales de 2019 décrivait les fausses acceptations comme rares, et la déclaration d’Apple de 2019 s’engageait à supprimer les enregistrements jugés issus de déclenchements involontaires. Aucune des deux entreprises n’a publié de fréquence de fausses acceptations, ce qui explique que les études de laboratoire des sections 1 et 2 restent la principale preuve publique.
Résumé : le beamforming et la précision du mot d’activation des enceintes connectées en champ lointain en chiffres
| Métrique | Valeur | Source |
|---|---|---|
| Activations intempestives pendant la diffusion d’émissions de TV à proximité | 0,95 par heure, soit 1,43 pour 10 000 mots | Northeastern University et Imperial College London, PETS 2020 |
| 10% d’activations les plus longues | 8 à 10 secondes ou plus, selon l’appareil | Northeastern University et Imperial College London, PETS 2020 |
| Déclenchements accidentels, Cortana contre Hey Siri, 624 heures par enceinte | 197 contre 8 | Ruhr University Bochum et Max Planck Institute, arXiv 2020 |
| Utilisateurs d’enceintes connectées constatant un réveil accidentel au moins une fois par mois | 43,7% | Enquête Voicebot.ai 2018, rapportée par Voicebot.ai 2020 |
| Fausses alarmes supprimées par un classifieur de second étage | Environ 67% | Amazon Science, ICASSP 2018 |
| Réduction des faux déclenchements grâce à un modèle de langage complémentaire | 38,34% en relatif | Apple, Interspeech 2020 |
| Faux déclenchements supprimés avec une seconde d’audio supplémentaire | 95% | Apple Machine Learning Research 2021 |
| Réduction des faux rejets par un réseau à deux microphones à 0,1 fausse acceptation par heure | 27,2% propre, 31,8% bruité | Google Research, Odyssey 2020 |
| Niveau de lecture de l’appareil contre parole en champ lointain | 30 à 40 dB plus fort | Apple Machine Learning Research 2018 |
| Amélioration du taux d’erreur sur les mots grâce au traitement du HomePod pendant la lecture | Environ 90% en relatif | Apple Machine Learning Research 2018 |
| Réduction d’écho sur les appareils Echo | Environ 40 dB | Amazon Science 2018 |
| Faux rejets du mot d’activation, parole de proximité contre champ lointain | 2,00% contre 5,11% | Personalized Voice Trigger Challenge 2020 |
| Meilleur système audio-visuel de mot d’activation en champ lointain, faux rejets et fausses alarmes | 2,15% et 3,44% | Duke Kunshan University system, ICASSP 2023 |
| Taux d’erreur sur les mots, parole de proximité contre champ lointain | 42,10% contre 77,52% | Article du corpus DiPCo, 2019 |
| Référence de CHiME-6, GSS contre formeur de faisceaux classique (jeu de développement) | 51,8% contre 69,8% | CHiME-6 Challenge paper, 2020 |
| Meilleurs systèmes de CHiME-7/8 sur les dîners à domicile de CHiME-6 | Au-dessus de 30% de tcpWER | CHiME-7/8 DASR review, arXiv 2025 |
| Interactions avec Alexa comportant une erreur, adultes de 66 à 94 ans | 24,76% | Johns Hopkins University, arXiv 2024 |
| Accord sur les fausses acceptations de Google Assistant et demandes déposées dans les délais | 68 millions de dollars ; 1,49 million | Tribunal fédéral du district nord de la Californie, ordonnance Kumandan v. Google 2026 |
| Accord d’Apple sur les activations involontaires de Siri | 95 millions de dollars ; jusqu’à 20 dollars par appareil | Lopez v. Apple, administrateur de l’accord, 2025-2026 |
Méthodologie et sources
Nous avons effectué 15 recherches et lu l’article principal, le dossier judiciaire ou la page de l’entreprise pour chaque chiffre ci-dessus. Lorsque seule une amélioration relative est publiée, nous la rapportons comme relative ; nous n’avons pas converti les améliorations relatives en taux absolus. Les deux chiffres d’accords proviennent de dossiers judiciaires et d’administrateur, et non de mesures techniques.
- Northeastern University and Imperial College London, When Speakers Are All Ears: Characterizing Misactivations of IoT Smart Speakers, PETS 2020
- Voicebot.ai, rapport sur l’enquête The Manifest et l’enquête Voicebot 2018, janvier 2020
- Ruhr University Bochum et Max Planck Institute for Security and Privacy, Unacceptable, where is my privacy? Exploring Accidental Triggers of Smart Speakers, arXiv 2020
- Amazon Science, Monophone-based Background Modeling for Two-stage On-device Wake Word Detection, ICASSP 2018
- Amazon Science, annulation d’écho multicouche et amélioration de la voix pour les enceintes connectées, 2018
- Apple Machine Learning Research, Complementary Language Model and Parallel Bi-LRNN for False Trigger Mitigation, Interspeech 2020
- Apple Machine Learning Research, Streaming Transformer for Hardware Efficient Voice Trigger Detection and False Trigger Mitigation, 2021
- Apple Machine Learning Research, Voice Trigger System for Siri, 2023
- Apple Machine Learning Research, Optimizing Siri on HomePod in Far-Field Settings, 2018
- Google Research, Small Footprint Multi-channel Keyword Spotting, Odyssey 2020
- The 2020 Personalized Voice Trigger Challenge: Open Database, Evaluation Metrics and the Baseline Systems, arXiv 2021
- Duke Kunshan University, Post-Challenge Audio-Visual Wake Word Spotting System for the MISP 2021 Challenge, ICASSP 2023
- DiPCo, Dinner Party Corpus, 2019
- CHiME-6 Challenge: Tackling Multispeaker Speech Recognition for Unsegmented Recordings, 2020
- Cornell et al., Recent Trends in Distant Conversational Speech Recognition: A Review of CHiME-7 and 8 DASR Challenges, arXiv 2025
- Johns Hopkins University, Situated Understanding of Errors in Older Adults’ Interactions with Voice Assistants: A Month-Long, In-Home Study, arXiv 2024
- Cohn et al., erreurs de reconnaissance vocale chez des personnes âgées avec et sans démence utilisant Amazon Alexa, arXiv 2026
- Tribunal fédéral du district nord de la Californie, Kumandan v. Google, ordonnance accordant l’approbation définitive, 13 octobre 2026
- Lopez v. Apple, site de l’administrateur de l’accord Lopez Voice Assistant Settlement, 2025-2026
- Google, More information about our processes to safeguard speech data, juillet 2019
- Apple Newsroom, Improving Siri’s privacy protections, août 2019
- Apple Newsroom, Our longstanding privacy commitment with Siri, janvier 2025
- Note sur les données : la plupart des mesures techniques de ce tour d’horizon datent de 2018 à 2023, car les fabricants d’enceintes connectées publient des améliorations relatives et des notes d’architecture plutôt que des taux absolus de fausses acceptations pour les appareils commercialisés ; considérez chaque chiffre de 2018-2021 comme la donnée la plus récente disponible, et non comme la performance actuelle d’un produit. Le chiffre « jusqu’à 19 fois par jour » qui circule au sujet de l’étude de Northeastern est un titre de presse, et non un taux rapporté par l’étude. L’article sur les déclenchements accidentels donne 99 déclenchements d’Alexa dans son texte et 100 dans une ligne d’un tableau récapitulatif. L’article multicanal de Google est listé avec des réductions de faux rejets de 27,2% et 31,8% sur sa page Google Research ; d’autres listages de versions apparentées affichent des chiffres différents, citez donc la version que vous avez lue. L’étude de Johns Hopkins donne son taux d’erreur hebdomadaire à 20-30% dans le texte et à 21-26% dans la légende d’une figure. Les enquêtes Voicebot 2018 et The Manifest ne sont pas comparables (la seconde inclut les téléphones et les appuis sur bouton). Les paiements de l’accord de Google n’avaient pas encore été distribués au moment de l’ordonnance d’octobre 2026, et l’ordonnance rapporte les demandes au 17 septembre 2026, auxquelles s’ajoutent plus de 40 000 demandes tardives qui pourraient être acceptées.
Dernière mise à jour : 24 octobre 2026. Nous actualisons ce tour d’horizon chaque trimestre, et la prochaine révision est attendue lorsque les paiements de l’accord Kumandan v. Google seront distribués et que les actes de l’ICASSP 2027 seront publiés.