Whisper large-v2, un modèle de reconnaissance vocale très répandu, a fait 36,4% d’erreurs de mots sur l’audio de réunions capté par un seul micro distant, contre 16,9% sur les mêmes réunions enregistrées avec des micros-casques (OpenAI, article Whisper 2022). L’écart commence dès la captation : dans une étude de 30 personnes, le micro intégré d’un ordinateur portable, à environ 60 cm, a enregistré la parole 12,82 dB plus bas qu’un micro-casque à 15 à 20 cm (Busquet et al., Behavior Research Methods 2023). Et il ne reste pas technique : 600 auditeurs ont noté 68,50 sur 100 en embauchabilité un candidat entendu avec un son métallique de mauvais micro, contre 76,04 pour l’enregistrement clair (Walter-Terrill et al., PNAS 2025). Nous avons agrégé des données d’Amazon, de Yale University, des défis REVERB et CHiME, d’Ear and Hearing, d’une étude de réunions menée dans cinq organisations, de l’ITU-T et de Zoom, ainsi que de deux enquêtes de fournisseurs signalées comme telles. Pour le marché du matériel lui-même, consultez nos statistiques du marché des webcams ; cette page porte sur ce que le micro fait à la voix.
TL;DR
- Taux d’erreur sur les mots de Whisper large-v2 sur les réunions AMI : 16,9% avec des micros-casques individuels contre 36,4% avec un seul micro distant (OpenAI, article Whisper 2022).
- Un micro intégré d’ordinateur portable à environ 60 cm a capté la parole à 46,91 dB contre 59,73 dB pour un micro-casque à 15 à 20 cm (Busquet et al., Behavior Research Methods 2023).
- Sur les enregistrements de dîner DiPCo d’Amazon, le WER en proximité était de 42,10% contre 77,52% pour les réseaux en champ lointain (Van Segbroeck et al., DiPCo 2019).
- Réunions en mandarin AliMeeting : 9,9% d’erreurs de caractères sur l’audio des casques contre 49,0% sur l’audio des réseaux en champ lointain (Yu et al., M2MeT 2022).
- L’embauchabilité est passée de 76,04 à 68,50 sur 100 quand la même voix sonnait comme un mauvais micro, sans changement de la précision de transcription (98,09% contre 98,07%) (Walter-Terrill et al., PNAS 2025).
- L’audio de faible qualité a obtenu un MOS ViSQOL de 2,13 contre 4,68 pour la qualité moyenne, et a abaissé les notes d’employabilité (Schütze et al., Forum Acusticum 2026).
- Le bruit de fond a ralenti les réponses des auditeurs de 91 ms en moyenne, une mesure de l’effort d’écoute (Picou et al., Ear and Hearing 2016).
- Les adultes porteurs d’implants cochléaires ont atteint environ 60% de l’efficacité d’écoute typique dans des conversations en ligne audio seul, et environ 80% avec des sous-titres (Perea Pérez et al., Ear and Hearing 2025).
- Seuls 30% des travailleurs du savoir utilisent un casque professionnel pour le travail et 8% le considèrent comme leur appareil principal (Jabra 2023 Knowledge Worker Study, enquête de fournisseur).
1. Distance du micro et niveau de parole capté
Un micro de webcam ou d’ordinateur portable est un micro en champ lointain (far-field) : il se trouve à peu près à bout de bras de la bouche, voire plus loin, et enregistre donc la salle en même temps que la voix. Un micro de casque est un micro de proximité (close-talk), à quelques centimètres des lèvres. La comparaison mesurée la plus propre vient d’une étude de 2023 qui a enregistré les mêmes locuteurs sur plusieurs appareils. Le micro intégré de l’ordinateur portable, à environ 60 cm, a capté la parole à 46,91 dB, tandis qu’un micro-casque à 15 à 20 cm en captait 59,73 dB, soit 12,82 dB d’écart (59,73 moins 46,91) (Busquet, Efthymiou et Hildebrand, Behavior Research Methods 2023).
Deux détails comptent pour les acheteurs. D’abord, même un micro de studio placé à ces mêmes 60 cm a devancé l’ordinateur portable de 10,76 dB (57,67 moins 46,91) : le micro intégré perd donc du terrain à la fois par la distance et par le matériel. Ensuite, l’ordinateur portable et le micro de studio ont mesuré une hauteur de voix moyenne quasi identique, ce qui signifie qu’un micro éloigné ne change pas qui vous êtes à l’oreille ; il change la part de votre voix qui parvient à l’autre bout, par rapport à la salle. Un test distinct sur des enregistrements de travail en groupe montre l’autre moitié de l’histoire : avec six micros différents, tous placés à 5 feet (environ 1,5 m) des locuteurs, le choix du modèle a à peine modifié le taux d’erreur (Bradford et al., EDM 2022).
| Métrique | Valeur | Source |
|---|---|---|
| Niveau de parole, micro intégré d’ordinateur portable à environ 60 cm contre micro-casque à 15 à 20 cm | 46,91 dB contre 59,73 dB | Busquet et al., Behavior Research Methods 2023 |
| Niveau de parole, micro de studio à environ 60 cm contre micro-cravate (à clip) à 15 à 20 cm | 57,67 dB contre 63,68 dB | Busquet et al., Behavior Research Methods 2023 |
| Hauteur de voix moyenne mesurée par le micro de l’ordinateur portable contre le micro de studio | 168,42 Hz contre 169,31 Hz (t = -0,89, p = 0,99) | Busquet et al., Behavior Research Methods 2023 |
| Taille de l’étude de comparaison des appareils | 30 participants, 1 800 échantillons de voix | Busquet et al., Behavior Research Methods 2023 |
| Taux d’erreur sur les mots, six micros à 5 feet des locuteurs, lecture d’un script à voix haute | 10,7% à 12,0% | Bradford et al., EDM 2022 |
| Taux d’erreur sur les mots, mêmes six micros, conversation de groupe libre | 52,7% à 61,3% | Bradford et al., EDM 2022 |
| Distance de chaque locuteur aux réseaux en champ lointain dans les enregistrements DiPCo | 1 120 mm à 3 950 mm | Van Segbroeck et al., DiPCo 2019 |
| Distance micro-locuteur dans les salles de réunion d’AliMeeting | 0,3 à 5,0 m | Yu et al., M2MeT 2022 |
Note de contexte : les valeurs en décibels de cette étude sont des mesures d’amplitude issues des enregistrements, et non des niveaux de pression acoustique calibrés ; l’écart de 12,82 dB compare donc des appareils au sein d’un même dispositif, sans prédire ce que fournira une webcam donnée. Données disponibles les plus récentes pour la comparaison EDM : 2022.
2. Erreurs de reconnaissance vocale : proximité contre champ lointain
La reconnaissance vocale est l’auditeur le plus mesurable qui soit, et elle dit la même chose dans chaque corpus : éloignez le micro et les erreurs doublent à peu près, voire plus. Whisper large-v2 est passé de 16,9% de WER (taux d’erreur sur les mots, la part des mots mal transcrits) sur des réunions AMI enregistrées avec des micros-casques individuels à 36,4% sur les mêmes réunions captées par un seul micro distant, soit environ 2,2 fois plus (36,4 divisé par 16,9) (Radford et al., article OpenAI Whisper 2022). Un modèle wav2vec 2.0 plus ancien montre la même tendance : 37,0% contre 67,6%.
Le schéma se vérifie dans les foyers et dans d’autres langues. Le corpus DiPCo d’Amazon a enregistré quatre personnes autour d’une table à manger avec des casques et cinq réseaux en champ lointain en même temps : le meilleur dispositif d’évaluation a atteint 42,10% de WER en proximité et 77,52% en champ lointain, soit environ 1,8 fois plus (77,52 divisé par 42,10) (Van Segbroeck et al., DiPCo 2019). Dans les réunions en mandarin, l’écart était plus net : 9,9% contre 49,0% de CER (taux d’erreur sur les caractères, l’équivalent mandarin du WER), soit environ 5 fois (49,0 divisé par 9,9) (Yu et al., M2MeT 2022). L’entraînement sur de l’audio en champ lointain l’a réduit à 8,2% contre 33,3%, sans le combler. Les salles équipées de réseaux au plafond ont leurs propres données, présentées dans nos statistiques sur les microphones à formation de faisceau pour salles de conférence.
| Métrique | Valeur | Source |
|---|---|---|
| WER de Whisper large-v2, réunions AMI : micros-casques individuels contre un seul micro distant | 16,9% contre 36,4% | Radford et al., article OpenAI Whisper 2022 |
| WER de wav2vec 2.0 Large (sans modèle de langage), AMI : micros-casques contre un seul micro distant | 37,0% contre 67,6% | Radford et al., article OpenAI Whisper 2022 |
| WER sur les enregistrements réels REVERB, meilleur système à huit micros | 9,0% | Kinoshita et al., synthèse du défi REVERB 2016 |
| WER d’évaluation DiPCo, casque de proximité contre réseau en champ lointain (meilleur modèle de langage) | 42,10% contre 77,52% | Van Segbroeck et al., DiPCo 2019 |
| CER AliMeeting, modèle entraîné sur de l’audio de casque : test casque contre test champ lointain | 9,9% contre 49,0% | Yu et al., M2MeT 2022 |
| CER AliMeeting, modèle ajoutant des données en champ lointain, externes et simulées : casque contre champ lointain | 8,2% contre 33,3% | Yu et al., M2MeT 2022 |
| WER sur les enregistrements réels REVERB : référence propre/casque contre référence de base en champ lointain | 6,9% contre 49,2% | Kinoshita et al., synthèse du défi REVERB 2016 |
| WER de référence officiel CHiME-6 sur réseaux en champ lointain, jeu de développement contre jeu d’évaluation | 51,8% contre 51,3% | Watanabe et al., défi CHiME-6 2020 |
Données disponibles les plus récentes : l’article Whisper (2022) reste la plus grande comparaison publique côte à côte du WER avec casque et avec micro distant sur les mêmes réunions ; les modèles plus récents n’ont pas publié de découpage casque contre micro distant sur AMI dans le même format. L’article de référence CHiME-6 n’autorisait que des réseaux en champ lointain au moment du test, d’où l’absence de colonne en proximité.
3. Salles, bruit et effort d’écoute
La distance compte à cause de ce qui remplit l’espace : les réflexions et le bruit. Dans un salon typique, la réponse met 0,3 à 0,7 s à décroître de 60 dB (le temps de réverbération), selon une revue de la reconnaissance en champ lointain (Haeb-Umbach et al., Far-Field Automatic Speech Recognition 2020). Un micro de casque proche de la bouche entend bien moins de cette traîne qu’un micro de webcam posé sur un écran.
Pour les auditeurs humains, les preuves se répartissent de façon utile. Dans une étude contrôlée d’Ear and Hearing, le bruit de fond a ralenti les réponses de 91 ms en moyenne (la mesure d’effort d’écoute de l’étude), tandis que la réverbération n’a pas modifié significativement l’effort, alors que chaque palier supplémentaire de réverbération réduisait la reconnaissance des mots d’environ 8 RAU (unités d’arc sinus rationalisées, un score de pourcentage de réussite transformé) (Picou, Gordon et Ricketts, Ear and Hearing 2016). Autrement dit, l’écho de la salle coûte des mots ; le bruit de la salle coûte de l’énergie. C’est important, car un micro éloigné capte davantage des deux. Pour les personnes malentendantes, les National Acoustic Laboratories d’Australie ont constaté que suivre des conversations en visioconférence demandait bien plus d’effort que pour les personnes entendant normalement, et que les aides auditives ne rétablissaient pas les niveaux du face-à-face. Le versant physiologique de la fatigue des appels est traité dans nos statistiques sur les biomarqueurs de la fatigue des réunions vidéo.
| Métrique | Valeur | Source |
|---|---|---|
| Temps de réverbération typique d’un salon (décroissance à -60 dB) | 0,3 à 0,7 s | Haeb-Umbach et al., revue sur l’ASR en champ lointain 2020 |
| Perte de reconnaissance des mots par palier supplémentaire de réverbération, à rapport signal/bruit fixe | environ 8 RAU | Picou et al., Ear and Hearing 2016 |
| Ralentissement du temps de réponse dans le bruit par rapport au silence (effort d’écoute) | moyenne de 91 ms | Picou et al., Ear and Hearing 2016 |
| Effet de la réverbération sur l’effort d’écoute quand la reconnaissance était comparable | non significatif (p = 0,18) | Picou et al., Ear and Hearing 2016 |
| Temps de réverbération testés dans cette étude | T30 inférieur à 100 ms, 475 ms et 834 ms | Picou et al., Ear and Hearing 2016 |
| Salles simulées REVERB : temps de réverbération, et distance micro proche contre éloignée | 0,3, 0,6 et 0,7 s ; 50 cm contre 200 cm | Kinoshita et al., synthèse du défi REVERB 2016 |
| WER en champ lointain CHiME-5 : référence de base, moteur de reconnaissance performant, séparation multimicro avec déréverbération | tout juste sous 80%, environ 60% et 43,2% | Haeb-Umbach et al., revue sur l’ASR en champ lointain 2020 |
| Efficacité d’écoute des porteurs d’implants cochléaires dans les conversations en ligne, audio seul contre avec sous-titres (part de la moyenne des entendants typiques) | environ 60% contre environ 80% | Perea Pérez et al., Ear and Hearing 2025 |
Note sur les valeurs atypiques : l’absence d’effet de la réverbération sur l’effort a surpris les auteurs eux-mêmes, qui l’ont jugée incohérente avec les modèles actuels de l’effort d’écoute ; elle a été mesurée chez 18 jeunes adultes à l’audition normale. Données disponibles les plus récentes : 2016. Le bruit est la moitié que le logiciel peut attaquer, voir nos statistiques sur la suppression neuronale du bruit.
4. Comment les auditeurs jugent un locuteur entendu avec un mauvais micro
La découverte la plus lourde de conséquences des deux dernières années est qu’un mauvais son de micro modifie le jugement porté sur la personne, pas seulement l’intelligibilité. Dans une expérience PNAS avec 600 auditeurs, un candidat entendu avec un son de « mauvais micro », métallique et creux, a reçu un score d’embauchabilité de 68,50 contre 76,04 pour l’enregistrement clair (d = 0,35, P < 0,001), alors que la précision de transcription était identique, à 98,07% contre 98,09% (Walter-Terrill, Ongchoco et Scholl, PNAS 2025). Les auditeurs ont compris chaque mot ; ils ont simplement pensé moins de bien du locuteur.
Un suivi de 2026 avec 299 participants et des entretiens d’embauche avec avatars a constaté qu’un audio à faible débit binaire et à bande limitée abaissait les notes d’employabilité (p < 0,001), alors que le passage de la qualité moyenne à la haute qualité ne changeait rien (p = 0,813) (Schütze, Biberger et Reber, Forum Acusticum 2026). Cela suggère un seuil : les auditeurs sanctionnent un audio nettement dégradé, pas un audio simplement ordinaire. Des travaux antérieurs avaient trouvé le même biais dans des entretiens Skype simulés, où il persistait même après que les évaluateurs avaient reçu pour consigne d’ignorer la qualité de l’appel (Fiechter et al., Cognitive Research 2018).
| Métrique | Valeur | Source |
|---|---|---|
| Score d’embauchabilité (0 à 100), enregistrement clair contre version métallique de « mauvais micro » | 76,04 contre 68,50 (d = 0,35) | Walter-Terrill et al., PNAS 2025 |
| Précision de transcription, enregistrement clair contre enregistrement déformé | 98,09% contre 98,07% (P = 0,915) | Walter-Terrill et al., PNAS 2025 |
| Auditeurs de l’expérience 1 | 600 (300 par condition) | Walter-Terrill et al., PNAS 2025 |
| Écart de note d’employabilité, haute contre basse qualité audio (échelle de 0 à 100) | 6,4 points ; basse contre haute p < 0,001 ; moyenne contre haute p = 0,813 | Schütze et al., Forum Acusticum 2026 |
| Qualité objective (MOS ViSQOL) de l’audio de faible qualité contre de qualité moyenne | 2,13 contre 4,68 | Schütze et al., Forum Acusticum 2026 |
| Score d’embauchabilité (1 à 10), audio et vidéo fluides contre dégradés, deux expériences combinées | 6,91 contre 6,33 (d de Cohen = 0,44) | Fiechter et al., Cognitive Research 2018 |
| Auditeurs ayant noté des exposés ou entretiens radio identiques entendus en bon contre mauvais audio | 97 (expérience 1) et 99 (expérience 2) | Newman et Schwarz, Science Communication 2018 |
Note de contexte : dans l’étude de Newman et Schwarz (DOI 10.1177/1075547018759345), un mauvais audio a abaissé les notes données à l’exposé, à l’intelligence du locuteur et à l’importance de la recherche, comme le résume USC. Le MOS (note d’opinion moyenne) est l’échelle standard de qualité d’écoute, où une valeur plus haute est meilleure ; ViSQOL est un modèle logiciel qui la prédit. Données disponibles les plus récentes pour les études de Fiechter et de Newman : 2018.
5. Règles de certification : ce que Teams, Zoom et l’ITU testent vraiment
Les programmes de certification révèlent où les fournisseurs placent la barre audio, et les webcams se situent surtout en dehors. La page des appareils certifiés Teams indique que les appareils audio tels que les casques et les haut-parleurs de conférence doivent offrir un audio large bande sans écho, distorsion ni coupures excessives, tandis que les critères qu’elle liste pour les appareils vidéo sont tous des mesures d’image (Microsoft Learn, Teams certified USB devices, novembre 2026). Sur les 22 appareils USB de cette liste qualifiés en 2026, 2 sont des webcams et 20 sont des casques ou des systèmes de casque (notre décompte du tableau de novembre 2026).
La barre pour les casques comporte aussi un niveau supérieur. La documentation des laboratoires d’essai pour la Teams Audio Test Specification décrit un module facultatif de bureau ouvert (open space) qui note le MOS de la parole et du bruit sous bruit de bureau, plus l’« atténuation des sons distracteurs », c’est-à-dire la part de la voix d’un voisin que le casque rejette (fiche technique HEAD acoustics, Teams Audio Test Specification 60026). Zoom a unifié en 2022 les normes de test objectives de ses catégories audio (Zoom, mise à jour de la certification du matériel 2022), et le dispositif de laboratoire Teams s’appuie sur des méthodes de l’ITU-T telles que P.502 et la bouche artificielle P.51 (un haut-parleur qui imite un locuteur humain). La référence plus large pour noter la parole captée est l’ITU-T P.863 (POLQA), le modèle standard qui prédit la qualité d’écoute sur l’échelle MOS.
| Métrique | Valeur | Source |
|---|---|---|
| Exigence audio pour les casques et haut-parleurs de conférence certifiés Teams | audio large bande sans écho, distorsion ni coupures excessives ; annulation d’écho prise en charge | Microsoft Learn, Teams certified USB devices 2026 |
| Critères listés pour les appareils vidéo certifiés Teams tels que les webcams | bruit, couleur, détail de l’image, gigue, latence, fréquence d’images, champ de vision (mesures d’image) | Microsoft Learn, Teams certified USB devices 2026 |
| Appareils USB qualifiés en 2026 (jusqu’au tableau de novembre 2026) : webcams contre casques ou systèmes de casque | 2 contre 20 (sur 22) | Microsoft Learn, notre décompte du tableau de novembre 2026 |
| Version de la Teams Audio Test Specification utilisée par les laboratoires d’essai, et catégories d’appareils | V5.0 avec l’addendum A ; 4 catégories (casques, téléphones de bureau personnels, haut-parleurs de conférence personnels, haut-parleurs de conférence partagés) | Fiche technique HEAD acoustics pour laboratoires d’essai 2026 |
| Mesures supplémentaires du test facultatif de casque en bureau ouvert | MOS parole et bruit 3QUEST ; atténuation des sons distracteurs (moyenne et minimum) | Fiche technique HEAD acoustics pour laboratoires d’essai 2026 |
| Catégories audio et apparentées de Zoom dotées de normes de test objectives actualisées et unifiées | 7 | Mise à jour de la certification du matériel Zoom, 16 mars 2022 |
| Fréquence à laquelle les appareils certifiés Zoom doivent être recertifiés | au moins tous les deux ans | Mise à jour de la certification du matériel Zoom, 16 mars 2022 |
| Édition en vigueur de l’ITU-T P.863 (POLQA), et son amendement | P.863 (03/18) ; amendement 1 (04/20) sur la prédiction de la parole en bande étroite enregistrée acoustiquement | Recommandation ITU-T P.863 |
Note de contexte : « large bande » est ici un terme de téléphonie désignant un audio qui conserve une plage de fréquences plus étendue que l’audio téléphonique traditionnel en bande étroite ; ce n’est pas une mesure de volume. Données disponibles les plus récentes pour les critères de Zoom : 2022, Zoom n’ayant pas publié de seuils plus récents.
6. Comment les gens s’équipent et ce que cela change dans les vraies réunions
Les données d’enquête sur l’équipement sont rares et surtout issues de fournisseurs, mais elles vont toutes dans le même sens : la plupart des gens parlent encore à travers le micro intégré à leur appareil. Seuls 30% des travailleurs du savoir utilisent un casque professionnel pour le travail, et 8% le considèrent comme leur appareil principal, alors que 91% utilisent une plateforme de réunion en ligne (Jabra 2023 Knowledge Worker Study, enquête de fournisseur). Une enquête Logitech de 2022 auprès de plus de 3 000 télétravailleurs aux États-Unis, en Allemagne et en Chine a constaté que 85% rencontrent des problèmes de son (Logitech, enquête de fournisseur).
Des données indépendantes ajoutent le versant résultats. Une étude portant sur environ 7 330 réponses exploitables à des enquêtes post-réunion dans cinq grandes organisations a constaté que l’usage d’un casque augmentait les chances d’une note de « Participation » (OR = 1,16), et que les appels avec des problèmes de qualité audio avaient des chances bien plus faibles d’être jugés efficaces (OR = 0,14) (Hosseinkashi et al., Microsoft Research, étude sur l’efficacité des réunions 2024). Un rapport de cotes (OR) inférieur à 1 signifie des chances plus faibles ; 0,14 est un effet important. Lu avec l’écart de niveau de la section 1, l’argument en faveur de la captation de proximité tient à la perception d’une présence pleine, pas seulement au fait d’être entendu.
| Métrique | Valeur | Source |
|---|---|---|
| Travailleurs du savoir utilisant un casque professionnel pour le travail | 30% | Jabra 2023 Knowledge Worker Study (enquête de fournisseur, 7 000+ salariés) |
| Travailleurs du savoir qui disent qu’un casque professionnel est leur appareil principal | 8% | Jabra 2023 Knowledge Worker Study (enquête de fournisseur) |
| Télétravailleurs qui rencontrent des problèmes de son pendant les appels | 85% | Enquête Logitech auprès des utilisateurs finaux, mai 2022 (enquête de fournisseur, 3 000+ travailleurs) |
| Étude de conversation en ligne, groupe à audition typique : écoute sur haut-parleurs contre casques | 72% contre 28% | Perea Pérez et al., Ear and Hearing 2025 |
| Même étude, groupe porteur d’implants cochléaires : haut-parleurs contre casques contre diffusion directe | 68% contre 12% contre 20% | Perea Pérez et al., Ear and Hearing 2025 |
| Rapport de cotes ajusté pour une note de « Participation » quand l’utilisateur porte un casque | 1,16 | Hosseinkashi et al., Microsoft Research 2024 |
| Taux de participation, appels audio seul avec casque contre sans casque | environ 5% plus élevé | Hosseinkashi et al., Microsoft Research 2024 |
| Rapport de cotes ajusté pour une note de réunion « Efficace » quand l’appel avait des problèmes de qualité (écho, bruit, distorsion) | 0,14 | Hosseinkashi et al., Microsoft Research 2024 |
Note sur les valeurs atypiques : le texte de l’étude sur les réunions affirme que les chances de Participation augmentent « de 20% » avec un casque, alors que son propre tableau donne un rapport de cotes de 1,16 ; nous retenons la valeur du tableau. Les auteurs préviennent aussi que la détection du casque par la télémétrie n’est pas fiable, car de nombreux appareils la signalent à tort. Données disponibles les plus récentes pour l’enquête Logitech : mai 2022.
Résumé : qualité vocale du micro intégré de webcam face au casque en chiffres
| Métrique | Valeur | Source |
|---|---|---|
| WER de Whisper large-v2, micros-casques AMI contre un seul micro distant | 16,9% contre 36,4% | Radford et al., article OpenAI Whisper 2022 |
| WER DiPCo, proximité contre réseau en champ lointain | 42,10% contre 77,52% | Van Segbroeck et al., DiPCo 2019 |
| CER AliMeeting, casque contre champ lointain | 9,9% contre 49,0% | Yu et al., M2MeT 2022 |
| Enregistrements réels REVERB : WER propre/casque contre référence de base en champ lointain contre meilleur système à 8 micros | 6,9% contre 49,2% contre 9,0% | Kinoshita et al., synthèse du défi REVERB 2016 |
| Niveau de parole, micro d’ordinateur portable à environ 60 cm contre micro-casque à 15 à 20 cm | 46,91 dB contre 59,73 dB | Busquet et al., Behavior Research Methods 2023 |
| Plage de WER de six micros à 5 feet, script contre conversation libre | 10,7% à 12,0% contre 52,7% à 61,3% | Bradford et al., EDM 2022 |
| Temps de réverbération typique d’un salon | 0,3 à 0,7 s | Haeb-Umbach et al., revue sur l’ASR en champ lointain 2020 |
| Ralentissement des réponses dû au bruit de fond | moyenne de 91 ms | Picou et al., Ear and Hearing 2016 |
| Efficacité d’écoute en ligne des porteurs d’implants cochléaires, audio seul contre sous-titres | environ 60% contre environ 80% du niveau typique | Perea Pérez et al., Ear and Hearing 2025 |
| Embauchabilité, son clair contre son de mauvais micro (0 à 100) | 76,04 contre 68,50 | Walter-Terrill et al., PNAS 2025 |
| MOS ViSQOL, qualité audio faible contre moyenne | 2,13 contre 4,68 | Schütze et al., Forum Acusticum 2026 |
| Embauchabilité (1 à 10), audio et vidéo fluides contre dégradés | 6,91 contre 6,33 | Fiechter et al., Cognitive Research 2018 |
| Utilisation d’un casque professionnel pour le travail | 30% | Jabra 2023 Knowledge Worker Study (enquête de fournisseur) |
| Casque professionnel cité comme appareil principal | 8% | Jabra 2023 Knowledge Worker Study (enquête de fournisseur) |
| Participants à audition typique d’une conversation en ligne, sur haut-parleurs contre casques | 72% contre 28% | Perea Pérez et al., Ear and Hearing 2025 |
| Distance micro-locuteur dans les salles d’AliMeeting | 0,3 à 5,0 m | Yu et al., M2MeT 2022 |
| Télétravailleurs rencontrant des problèmes de son | 85% | Enquête Logitech auprès des utilisateurs finaux 2022 (enquête de fournisseur) |
| Intervalle de recertification Zoom | au moins tous les deux ans | Mise à jour de la certification du matériel Zoom 2022 |
Méthodologie et sources
- Busquet, Efthymiou et Hildebrand, Voice analytics in the wild: Validity and predictive accuracy of common audio-recording devices, Behavior Research Methods 2023
- Bradford et al., A deep dive into microphone hardware for recording collaborative group work, EDM 2022
- Radford et al. (OpenAI), Robust Speech Recognition via Large-Scale Weak Supervision (Whisper), 2022
- Van Segbroeck et al. (Amazon), DiPCo: Dinner Party Corpus, 2019
- Yu et al., M2MeT: The ICASSP 2022 Multi-channel Multi-party Meeting Transcription Challenge, 2022
- Kinoshita et al., A summary of the REVERB challenge, EURASIP Journal on Advances in Signal Processing 2016
- Watanabe et al., CHiME-6 Challenge: Tackling Multispeaker Speech Recognition for Unsegmented Recordings, 2020
- Haeb-Umbach et al., Far-Field Automatic Speech Recognition, 2020
- Picou, Gordon et Ricketts, The effects of noise and reverberation on listening effort in adults with normal hearing, Ear and Hearing 2016
- Perea Pérez et al., Preferences and Listening Efficiency of Adults With Cochlear Implants During Online Communication, Ear and Hearing 2025
- National Acoustic Laboratories, évaluation structurée de la communication par visioconférence, 2022
- Walter-Terrill, Ongchoco et Scholl, Superficial auditory (dis)fluency biases higher-level social judgment, PNAS 2025
- Schütze, Biberger et Reber, Subjective and objective employability for degraded speech in video-mediated job interviews, Forum Acusticum 2026 (version préliminaire)
- Fiechter et al., Audiovisual quality impacts assessments of job candidates in video interviews, Cognitive Research: Principles and Implications 2018
- Newman et Schwarz, Good Sound, Good Research, Science Communication 2018, tel que rapporté par USC
- Microsoft Learn, Teams certified USB devices (tableau), novembre 2026
- Hosseinkashi et al. (Microsoft Research), Meeting effectiveness and inclusiveness: large-scale measurement in real-world remote meetings, révision de 2024
- HEAD acoustics, fiche technique ACQUA Standards pour la Teams Audio Test Specification 60026, 2026
- Zoom, New updates to the Zoom hardware certification program, 16 mars 2022
- Recommandation ITU-T P.863, Perceptual objective listening quality prediction
- Jabra, étude LSE sur l’engagement et 2023 Knowledge Worker Study (recherche de fournisseur)
- Logitech, Your Remote Employees are Underequipped (enquête de fournisseur), avec un travail de terrain réalisé par 2CV Research en mai 2022 selon le PDF complet de l’étude Logitech
- Note sur les données : aucune étude publique n’a encore mesuré le micro intégré d’une webcam actuelle face à un casque sur les mêmes locuteurs avec POLQA ou l’ASR ; ce tour d’horizon combine donc des données de micros d’ordinateur portable, de micros distants et de réseaux comme preuves les plus proches en champ lointain. Plusieurs jeux de données clés ont plus de trois ans (REVERB 2016, l’étude de 2016 sur le bruit et la réverbération, Fiechter et Newman 2018, DiPCo 2019, Whisper et M2MeT 2022, critères de Zoom 2022) et sont signalés dans leurs sections. Conflits et incohérences : le texte de l’étude sur les réunions donne une hausse de 20% des chances de Participation pour les utilisateurs de casque alors que son tableau donne un rapport de cotes de 1,16 (nous retenons le tableau) ; l’article DiPCo donne des durées de session de 15 à 45 minutes dans son résumé et de 15 à 47 minutes dans le corps du texte ; l’article M2MeT imprime deux taux de chevauchement différents pour son jeu d’évaluation (nous n’en retenons aucun). L’écart d’employabilité de 6,4 points provient d’un article préliminaire de Forum Acusticum qui n’est pas encore paru dans une revue. Les chiffres de Jabra et de Logitech sont issus d’enquêtes de fournisseurs et sont signalés comme tels. Les chiffres de 12,82 dB, de 10,76 dB et les rapports sont nos propres soustractions ou divisions de valeurs publiées, avec le calcul indiqué dans le texte.
Dernière mise à jour : 7 novembre 2026. Nous actualisons ce tour d’horizon chaque trimestre, et la prochaine révision est attendue à la publication des actes définitifs de Forum Acusticum 2026 (la 12e Convention de l’Association européenne d’acoustique).