Automated speech recognition to support the transcription of parliamentary proceedings

ID de scénario d'utilisation : 066
Auteur : Chambre des communes du Canada
Date : 12 juillet 2024

Objectif :

Améliorer la transcription des débats parlementaires et des réunions des commissions en mettant en œuvre une technologie de reconnaissance vocale automatisée permettant de réaliser une première transcription directement à partir d'enregistrements audio, de manière rapide et efficace.

Acteurs :

• personnel chargé des publications parlementaires (agents des délibérations et de la vérification, transcripteurs et “transéditeurs”),
• système d'IA pour la reconnaissance vocale automatisée,
• système de gestion de l'information parlementaire, notamment modules numériques de transcription et de rédaction.

Prérequis :

• enregistrements audio numériques des débats parlementaires,
• technologie de reconnaissance vocale automatisée,
• métadonnées permettant d'identifier les locuteurs et les langues dans un segment audio. Il est également possible d'utiliser des technologies de diarisation des locuteurs et de détection des langues,
• intégration avec les systèmes et flux de travail numériques parlementaires relatifs à la transcription et à la rédaction.

Scénario :

• Un participant à une séance plénière ou à une réunion de commission parlementaire prend la parole.
• Un agent des délibérations et de la vérification entre les métadonnées d'identification du locuteur, ainsi que la langue parlée, dans la base de données d'un système de gestion de l'information parlementaire.
• Le son capté pendant le discours est enregistré et intégré dans le système de gestion de l'information parlementaire.
• Le système de gestion de l'information parlementaire soumet les données audio et les métadonnées pertinentes au système de reconnaissance vocale automatisé afin que ces données soient traitées, et la transcription ainsi générée est stockée dans la base de données du système de gestion de l'information parlementaire.
• Un transcripteur/transéditeur utilise le module numérique de transcription et de rédaction pour ouvrir un segment de réunion nécessitant une transcription.
• Le transcripteur/transéditeur utilise les données audio et méta pertinentes pour contrôler et éditer le texte généré par le système de reconnaissance vocale automatisé. Une fois cette tâche accomplie, le segment de réunion passe à l'étape suivante du flux de travail.

Autres flux :

• Si la technologie de reconnaissance vocale automatisée n'est pas disponible ou que son intégration au système de gestion de l'information parlementaire est interrompue, le transcripteur/transéditeur utilise les données audio et méta pertinentes pour transcrire manuellement le segment audio avant d'achever sa tâche.

Résultats attendus :

• meilleure de l'efficacité des activités en réduisant les coûts, les ressources et le temps nécessaires à la transcription des débats et des réunions des commissions pour la publication parlementaire,
• meilleure transmission des transcriptions non éditées pour examen par les parlementaires et accès plus rapide pour les parlementaires et le public aux comptes rendus officiels des débats des chambres et des commissions.

Problèmes potentiels :

• Les systèmes d'IA peuvent produire des hallucinations qui semblent correctes, ce qui exige une certaine diligence de la part du transcripteur/transéditeur chargé d'examiner la transcription générée.
• Les inexactitudes introduites par la création humaine des métadonnées peuvent entraîner l'association de petites sections de contenu à un segment de réunion erroné.
• Les systèmes automatisés de reconnaissance vocale peuvent être enclins à produire un contenu utilisant l'orthographe américaine, ou peuvent avoir des difficultés avec des noms ou des circonscriptions spécifiques. Un post-traitement peut être nécessaire pour améliorer la qualité globale du texte produit.

Exigences relatives aux données :

• Métadonnées nécessaires à l'intégration des textes générés dans le système de gestion de l'information parlementaire (informations sur la réunion, le locuteur, l'heure et la langue).
• La diarisation des locuteurs et la détection des langues peuvent remplacer cette exigence.