L'interaction vocale rend-elle vraiment un jeu d'enquête plus immersif ?
La saisie vocale peut rendre un mystère fictif plus immédiat lorsqu'un joueur peut poser une question naturellement et obtenir une réponse pertinente sans lutter avec l'interface. Mais le simple fait de parler ne garantit pas l'immersion. Les erreurs de reconnaissance, les pauses gênantes, les interruptions et une transcription invisible peuvent détourner l'attention de l'histoire. Pour juger si la voix apporte un plus, comparez-la à la saisie de texte sur les questions essentielles : Le jeu a-t-il compris la question souhaitée ? A-t-il répondu à un moment opportun ? Le joueur pouvait-il voir et corriger ce qui a été entendu ? Le texte était-il toujours disponible ?
Commencez par la précision des questions, pas par la nouveauté de parler
Dans un jeu d'enquête, un système vocal doit faire plus que convertir le son en mots. Il doit préserver la question voulue par le joueur et la relier au bon indice ou à la bonne réponse du personnage. Une transcription qui transforme « Où était la clé ? » en « Où était le cas ? » pourrait réorienter la conversation même si le moteur de reconnaissance vocale juge sa sortie plausible.
La reconnaissance vocale n'est pas parfaitement exacte, et le taux d'erreur sur les mots (WER) habituel ne dit pas tout : certaines substitutions ont plus d'impact que d'autres. La documentation de Google explique que le taux d'erreur sur les mots comptabilise les insertions, les substitutions et les suppressions, tout en soulignant que cette métrique traite les erreurs selon leur nombre de mots. Pour un jeu d'enquête, cela signifie qu'un score de test court doit être complété par une vérification des mots déterminants tels que les noms, les lieux, les objets et les termes interrogatifs. Google Cloud : Measure and improve speech accuracy
Une comparaison pratique consiste à préparer un petit ensemble de questions représentatives qu'un joueur pourrait poser sur le même indice, puis à tester chacune par la voix et par le texte. Notez si la réponse traite du sujet visé, si un nom ou un détail clé a été mal compris, et si le joueur a dû répéter ou reformuler. Incluez des questions comportant des noms de personnages et des termes d'indices moins courants : les systèmes vocaux peuvent avoir des difficultés avec les noms hors vocabulaire, et Google recommande de fournir des suggestions d'expressions (phrase hints) pour ces termes lors de l'utilisation de son service. Google Cloud : Best practices
Cette comparaison est une aide à la décision, et non une référence publiée valable pour chaque jeu ou moteur vocal. Effectuez les tests dans la configuration de jeu réelle, y compris avec le son d'ambiance ordinaire du jeu et le microphone que le joueur utilisera. Un résultat obtenu dans une pièce calme ou avec un microphone différent peut ne pas refléter les conditions de jeu ; les conseils de précision de Google recommandent de la même manière d'utiliser des enregistrements audio représentatifs de l'environnement cible. Google Cloud : Measure and improve speech accuracy
Vérifiez si la réponse arrive à un moment propice
Une question peut être reconnue correctement tout en restant maladroite si le jeu attend trop longtemps avant d'afficher ou d'énoncer sa réponse. À l'inverse, une réplique trop rapide qui coupe la réplique d'un comédien ou se déclenche alors que le joueur termine à peine sa phrase peut être perturbante. La mesure utile ne se limite pas au temps de réponse moyen du système ; observez l'ensemble de l'échange : quand le joueur commence, quand le jeu reconnaît la fin de la prise de parole, quand le retour visuel apparaît et quand la réplique débute.
Cette nuance découle de la manière dont l'interaction vocale est traitée. L'interface de reconnaissance vocale d'Android, par exemple, sépare les résultats partiels, la fin de la parole et les résultats finaux ; les résultats partiels peuvent arriver zéro, une ou plusieurs fois selon l'implémentation du service. Cela illustre pourquoi une transcription ou une réponse visible par le joueur peut changer pendant que la parole est encore en cours de traitement, et pourquoi les développeurs devraient tester le comportement visible plutôt que de supposer que tous les moteurs de reconnaissance se comportent de la même façon. Android Developers : RecognitionListener
Pour un test de jeu simple, notez deux types de délai : le temps entre la fin d'une question et la confirmation qu'elle a été comprise, et le temps entre cette confirmation et une réponse narrative utile. Observez également si le jeu attend une pause nette, réagit trop hâtivement à une hésitation, ou laisse le joueur dans le doute quant à savoir si le micro est toujours à l'écoute. Ce sont des observations à recueillir, et non des seuils de temps universels : les sources n'établissent aucun temps de réponse unique garantissant un jeu d'enquête plus immersif.
Traitez l'interruption comme faisant partie de la conversation
Les scènes d'enquête impliquent souvent des dialogues, une narration ou un personnage qui termine une réponse. Si le joueur tente de poser une question de suivi pendant que le jeu parle, le système doit adopter un comportement clair : s'arrêter, faire une pause, mettre la question en file d'attente ou l'ignorer. Une interface vocale qui gère mal les interruptions peut forcer le joueur à écouter jusqu'au bout des informations qu'il a déjà comprises, ou parler par-dessus des éléments importants de l'histoire.
La recherche sur les interfaces de dialogue parlé s'est directement penchée sur ce problème. Une étude de 1995 proposait de structurer la sortie vocale en unités d'information et de surveiller la prise de parole afin que l'interruption de l'utilisateur soit gérée de manière plus fluide. L'étude rapportait que plus de la moitié des participants jugeaient la gestion fluide, bien que ses conclusions spécifiques sur le temps de tâche et la conversation appartiennent au cadre propre de cette étude — et non aux jeux d'enquête en général. La question de conception transposable est de savoir si le jeu préserve la partie d'un indice que le joueur a déjà entendue et indique clairement ce qui se passe après une interruption. Kikuchi et al., « Handling of user interruption to achieve timing-free utterances for spoken dialogue interface »
Pendant les tests, essayez d'interrompre à un moment naturel d'une réponse parlée, puis posez une courte question de suivi. Vérifiez si le jeu s'arrête rapidement, si la relance est bien enregistrée et si le joueur peut réécouter ou revoir l'information interrompue. Si la réponse est non, la voix risque d'ajouter une nouvelle contrainte de gestion du tour de parole plutôt qu'un moyen plus fluide d'enquêter sur la scène fictive.
Rendez les mots reconnus visibles et modifiables
Une transcription lisible donne au joueur une chance de repérer un nom ou une question erronée avant que le jeu n'agisse en conséquence. Elle rend également l'état du système moins opaque : le joueur peut savoir s'il n'a rien entendu, s'il a mal compris, ou s'il a entendu les bons mots mais a renvoyé une réponse inattendue. Une transcription n'est utile que si elle est lisible pendant le jeu et propose un moyen clair de réessayer ou de corriger une erreur déterminante.
Les API de plateformes montrent que certains systèmes peuvent fournir des résultats de reconnaissance partiels et finaux, mais le délai et la disponibilité du texte partiel peuvent dépendre du service de reconnaissance. Ne traitez pas une transcription intermédiaire comme une saisie confirmée à moins que l'interface ne l'indique clairement. Lors d'un test de jeu, vérifiez si la question finale reconnue reste visible assez longtemps pour être relue, si les corrections sont simples et si un message d'erreur explique ce que le joueur peut faire ensuite. Android Developers : RecognitionListener
Une transcription visible ne doit pas être prise pour une preuve d'exactitude. Google souligne que les indices de confiance et le taux d'erreur sur les mots sont des mesures indépendantes ; ainsi, un résultat affichant un haut niveau de confiance ne garantit pas que le nom ou l'indice crucial ait été correctement reconnu. Pour le joueur, la conception la plus sûre consiste à lui permettre d'examiner les mots et de corriger ou répéter la question plutôt que de lui demander de faire confiance à un score caché. Google Cloud : Measure and improve speech accuracy
Conservez la saisie de texte comme une réelle alternative
L'alternative textuelle est bien plus qu'une simple commodité pour un environnement calme. Elle permet au joueur de choisir une autre façon de mener la même interaction fictive lorsque la parole n'est pas disponible, est peu pratique ou subit des erreurs de reconnaissance répétées. Les recommandations relatives aux facteurs humains de l'Institut européen des normes de télécommunication (ETSI) préconisent une méthode non vocale pour les informations qui seraient autrement saisies par la voix, accompagnée d'un retour tel que la relecture de ce que le système a compris et d'une fonction d'annulation. ETSI : Human Factors; Inclusive eServices for all
Pour une comparaison équitable, le texte doit donner accès aux mêmes choix de questions et aux mêmes réponses narratives que la voix. Si les joueurs ne peuvent poser des questions libres qu'à l'oral, le texte ne constitue pas une alternative équivalente ; si le texte ne permet de faire qu'une sélection dans une liste restreinte alors que la voix accepte les questions ouvertes, précisez cette différence lors de l'évaluation de l'expérience. Les directives du W3C sur les équivalents textuels soulignent l'importance de préserver les mêmes informations et fonctionnalités d'une alternative à l'autre, un principe utile pour s'assurer que changer de mode de saisie ne supprime pas la trajectoire du joueur à travers la scène. W3C WAI : Understanding Guideline 1.1, Text Alternatives
Utilisez une courte comparaison pour décider si la voix est pertinente
Comparez les deux modes de saisie face à la même tâche fictive : poser une question sur un indice, faire un suivi sur une réponse et corriger une question volontairement mal comprise ou mal tapée. Pour chaque tentative, notez si la question souhaitée a été comprise, combien d'essais ont été nécessaires, si un délai ou une interruption a brisé l'échange, si les mots étaient visibles et si le mode de saisie alternatif a permis d'accomplir la même tâche. Considérez ces résultats comme des observations issues de vos conditions de test plutôt que comme des affirmations générales valables pour tous les joueurs ou appareils.
La voix est un ajout prometteur lorsqu'elle convertit de manière fiable la question visée par un joueur en une réponse pertinente, gère les tours de parole sans perturber la scène, rend les erreurs visibles et corrigeables, et laisse le texte accessible. Si ces conditions sont faiblement remplies, parler peut rester une manière facultative d'introduire des questions, mais cela ne prouve pas en soi qu'un jeu d'enquête est devenu plus immersif. La réponse la plus claire vient de l'interaction que le joueur peut réellement mener à bien et des frictions qu'il rencontre en cours de route.