L'IA enregistre-t-elle votre voix ? (mode vocal, assistants, empreinte vocale)

La réponse honnête tient en une nuance. Le plus souvent, oui, votre voix quitte votre appareil. Quand vous parlez à un mode vocal ou à un assistant, l'audio part vers les serveurs du fournisseur. Là, il est transcrit en texte, puis traité. L'audio et la transcription peuvent être conservés. Selon vos réglages, des échantillons peuvent servir à améliorer le modèle. Ils peuvent même être relus par des humains. Mais ce n'est pas un enregistrement secret permanent. Et vous avez des réglages pour limiter tout cela. La CNIL et l'ICO encadrent le sujet.

Comment marche le mode vocal : le trajet de votre voix

La CNIL décrit le fonctionnement typique en plusieurs étapes. D'abord, un mot d'activation réveille l'assistant. Ensuite, votre demande est captée. Puis elle est transmise aux serveurs du fournisseur. Là, un moteur transforme la parole en texte. Le sens est extrait, et une réponse vocale est générée. La plupart des appareils ne traitent pas tout en local. Une minorité seulement transcrit sur l'appareil.

Le point clé est simple. Par défaut, l'audio voyage. Il ne reste pas dans votre poche. Ce trajet vers le cloud est la norme, pas l'exception.

Ce qui peut être conservé après une demande

Beaucoup pensent que seul le résultat est gardé. La CNIL montre l'inverse. Après une demande, un assistant vocal peut conserver plusieurs choses.

• L'historique des transcriptions écrites de vos demandes.
• L'enregistrement audio brut de la demande elle-même.
• Des métadonnées associées : date, heure et nom du compte.

Donc l'audio et le texte peuvent tous deux être stockés. Pas seulement la réponse. Or ce que vous dites à voix haute contient souvent des données personnelles. Un nom. Un numéro. Un détail de santé. Les mêmes informations que vous taperiez au clavier.

L'épisode 2019 : des humains à l'écoute

Un rappel utile date de 2019. The Guardian révèle d'abord le cas de Siri, l'assistant d'Apple. On apprend que des sous-traitants et employés de grands fournisseurs écoutaient des échantillons d'enregistrements. Le but affiché était le contrôle de la qualité. Parfois, ces extraits captaient des moments intimes ou sensibles. Parfois, un faux déclenchement du mot d'activation en était la cause. Le tout sans information claire aux usagers.

Il s'agissait d'un échantillon, pas de chaque enregistrement. La réaction a été forte. Les fournisseurs ont ajouté des garde-fous. Apple a suspendu son programme, puis est passé à un choix explicite avec suppression des enregistrements Siri. Google n'a réactivé la revue qu'avec un consentement explicite. Amazon a laissé désactiver l'usage des enregistrements Alexa pour la revue humaine. De là viennent les réglages d'aujourd'hui : historique, suppression, désactivation.

Votre voix est-elle une donnée « sensible » ?

La loi apporte une nuance importante. Votre empreinte vocale est une donnée biométrique. Sous le RGPD, l'article 9 vise les données biométriques traitées « pour identifier une personne de manière unique ». Ces données forment une catégorie particulière. Leur traitement est en principe interdit, sauf conditions. La plus courante est votre consentement explicite. La CNIL le confirme : reconnaître un locuteur par sa voix relève des données sensibles.

Les réglages existent : utilisez-les

Bonne nouvelle : vous gardez la main. La plupart des outils offrent des contrôles. Vous pouvez désactiver l'historique vocal. Vous pouvez supprimer des enregistrements. Vous pouvez refuser que vos échanges servent à « améliorer le modèle ». Les fournisseurs publient leurs propres règles de conservation. Par exemple, OpenAI documente ses réglages pour le mode vocal de ChatGPT. Ces politiques évoluent, alors vérifiez le réglage en direct dans l'application.

La parade pour le contenu sensible

La vraie question n'est pas « ma voix est-elle biométrique ». C'est « qu'est-ce que je dis à voix haute ». Un nom de client. Un numéro de compte. Un diagnostic. Ces données valent celles que vous tapez. La règle est simple. Pour un contenu sensible, ne dictez pas d'identifiants bruts dans le mode vocal. Préférez du texte anonymisé, ou retirez les identifiants avant l'envoi.

Quand vous devez inclure un cas concret, anonymisez d'abord. Remplacez chaque identifiant par un jeton. L'IA raisonne sur la structure de votre situation. Elle ne voit jamais les vraies valeurs. Vous les restaurez ensuite, en local.

1. 1Repérez ce que vous alliez dicter : noms, numéros, données de santé.
2. 2Rédigez ou anonymisez d'abord le texte, côté navigateur.
3. 3N'envoyez que le texte anonymisé au modèle.
4. 4Restaurez les vraies valeurs dans la réponse, en local.

C'est le rôle d'ONYRI Sanitize. Le moteur détecte les données sensibles — noms, numéros, détails de santé — et les remplace par des jetons réversibles avant l'envoi. La détection et le mapping restent dans votre navigateur. Seul un texte anonymisé atteint le modèle. Que vous tapiez ce texte ou que vous le dictiez ensuite, l'IA ne voit que des jetons, jamais vos vraies valeurs.