Un matin, ma mère a demandé à son enceinte de cuisine de lui rappeler de sortir la poubelle. L'appareil a répondu, très sûr de lui : « J'ai ajouté "sortir la poubelle" à votre liste de courses. » Elle a répété. Il a reconnu « sortir la poubelle » comme un article à acheter. Trois fois. Puis il a joué de la musique.
Voilà, en une scène, ce que sont les assistants vocaux connectés : une technologie qui marche brillamment sur 80 % des requêtes simples et qui se casse les dents sur le dernier kilomètre. J'utilise ces engins depuis qu'ils existent, j'en ai installé chez des proches, j'en ai testé une bonne dizaine de modèles sur mon propre réseau, et je continue à penser qu'ils sont mal vendus. Pas mauvais. Mal vendus.
Dans ce qui suit, je vous explique ce qu'ils font vraiment, ce qu'ils ne savent toujours pas faire en 2026, et pourquoi la vraie question n'est pas technique mais domestique.
Points clés à retenir
- Les assistants vocaux connectés convertissent bien la voix en texte, mais butent sur l'intention : comprendre ce que vous voulez, pas ce que vous dites.
- La limite n° 1 reste le bruit de fond et les accents régionaux — bien plus que le vocabulaire.
- La CNIL classe la voix comme donnée personnelle, et la voix peut devenir biométrique dès qu'elle sert à identifier quelqu'un.
- La plupart des enceintes envoient l'audio dans le cloud. Le traitement 100 % local existe, mais reste rare.
- Le modèle économique repose largement sur les données et l'écosystème fermé, pas sur le prix du matériel.
- Pour la domotique simple, c'est utile. Pour la conversation réelle, c'est encore décevant.
Ce que les assistants vocaux connectés savent vraiment faire
Commençons par ce qui marche, parce qu'on l'oublie vite à force de râler.
Un assistant vocal en 2026 excelle sur tout ce qui est commande directe : allumer une lampe, lancer un minuteur, donner la météo du lendemain, ajouter un rendez-vous, jouer un morceau précis. Sur ces tâches, je n'ai quasiment plus d'échec. Faire répéter une enceinte, c'est devenu rare pour moi, sauf dans deux cas précis que je détaille plus bas.
Une machine à commandes, pas un conversateur
La confusion vient du marketing. On vous vend un compagnon, vous achetez un terminal à ordres. La différence est énorme. « Quelle heure est-il à Tokyo ? » : réponse instantanée, fiable. « Trouve-moi un créneau pour voir Marc la semaine prochaine, sachant qu'il est en déplacement » : là, ça se complique, et souvent ça échoue parce que la requête demande d'accéder à des informations dispersées et de raisonner dessus.
Concrètement, ce qui fonctionne tient en une liste courte :
- Minuteurs et rappels ponctuels
- Météo, actualités générales, conversions d'unités
- Contrôle d'appareils domotiques déjà compatibles
- Musique et radio par commande vocale
- Appels et SMS dictés depuis le téléphone
- Routines simples (« bonne nuit » qui éteint tout)
Tout le reste, c'est-à-dire les demandes à plusieurs étapes, les nuances, les questions ambiguës, demande encore de passer par un écran.
Pourquoi le multitour déraille
Un assistant qui gère bien une question unique peut perdre le fil dès la deuxième réplique. J'ai testé un enchaînement classique sur plusieurs enceintes : « Trouve un restaurant italien près de chez moi. — Il y en a trois. — Le moins cher. » Résultat, dans la majorité de mes essais : l'assistant relance une recherche complète au lieu de filtrer la précédente. Le contexte se perd.
Ce n'est pas un problème de reconnaissance vocale. C'est un problème de mémoire de conversation. Et tant que ça ne se règle pas, le mot « assistant » reste largement usurpé.
Les limites techniques que personne ne vous dit en magasin
Le vendeur vous parlera de la qualité du micro. Il ne vous parlera pas du taux d'échec réel.
Sur mes propres tests, deux variables font exploser les erreurs : le bruit de fond continu (électroménager, télévision, conversation en arrière-plan) et les accents marqués ou les mots peu fréquents, notamment les noms propres régionaux. « Pense à appeler Géraldine » se transforme en « pense à appeler jeudi dîne ». Un exemple vécu, pas une statistique.
Le bruit et les accents restent les vrais murs
Ce que j'observe chez moi, dans la durée : en environnement calme, la reconnaissance est fiable. Dès qu'on ajoute du bruit, la précision chute nettement, et le pire, c'est que l'appareil ne dit pas « je n'ai pas compris ». Il invente une interprétation plausible. C'est exactement ce qui est arrivé à ma mère avec sa poubelle.
Cette tendance à halluciner une commande plutôt qu'à admettre l'échec est, à mon avis, la limite la plus sous-estimée. Un assistant qui se tait quand il ne comprend pas serait plus utile qu'un assistant qui devine mal.
La dépendance au cloud et à la connexion
Autre point qu'on découvre trop tard : beaucoup d'assistants envoient votre audio à un serveur distant pour traitement. Coupez votre connexion, et l'appareil retombe au niveau d'un simple réveil. Certains modèles récents commencent à traiter une partie des commandes en local, ce qui réduit la latence et améliore la confidentialité, mais c'est encore l'exception, pas la règle.
La latence, d'ailleurs, est un marqueur de cette architecture. Quand la réponse met deux secondes, c'est que votre phrase a fait un aller-retour. Sur les fonctions locales, la réponse est quasi immédiate. Cette différence s'entend, littéralement.
Cnil et données vocales : ce que la loi dit vraiment
La question revient à chaque fois que quelqu'un installe une enceinte chez lui : est-ce qu'on nous écoute en permanence ?
La réponse est nuancée, et c'est important de la poser correctement. La CNIL rappelle que la voix est une donnée personnelle au sens du RGPD. Elle précise aussi qu'une voix peut être qualifiée de donnée biométrique dès qu'elle est utilisée pour identifier une personne de façon unique — ce qui change la nature des obligations.
Enregistrement permanent : mythe ou réalité ?
Techniquement, la plupart des appareils attendent un mot d'activation avant d'envoyer l'audio vers les serveurs. Le micro reste actif en permanence pour détecter ce mot déclencheur, mais l'audio n'est généralement transmis qu'après. Cela dit, des cas d'écoutes humaines de courts extraits pour améliorer les modèles ont été documentés chez plusieurs fabricants, et c'est ce qui a nourri la méfiance.
Ce que je conseille, en pratique, à mes proches :
- Vérifier dans les réglages si l'historique vocal peut être effacé ou désactivé, et le faire.
- Ne jamais prononcer à voix haute ce que vous ne diriez pas devant un tiers — c'est plus efficace que n'importe quel paramétrage.
- Désactiver l'écoute quand vous recevez de l'aide informatique par téléphone (une blague récurrente, mais un vrai risque).
- Un ami juriste m'a fait remarquer que la responsabilité en cas de fuite retombe largement sur le responsable de traitement, pas sur vous. Bon à savoir. Peu rassurant.
Droit à l'effacement et zones grises
Le droit à l'effacement existe. Dans la pratique, faire supprimer un enregistrement précis relève du parcours du combattant : identifier lequel, formuler la demande, obtenir une confirmation. Personne ne le fait, et c'est précisément ce qui rend la protection théorique.
Choisir son assistant : cela change quoi ?
La vraie question du « meilleur assistant vocal » n'a pas de réponse universelle, parce que le choix dépend surtout de l'écosystème dans lequel vous vivez déjà. Un téléphone Android, une maison déjà équipée, une voiture intégrée : chaque environnement a son assistant attitré, et en sortir coûte cher en compatibilité.
| Critère | Assistant lié à une grande plateforme | Solution libre, sans cloud |
|---|---|---|
| Compatibilité domotique | Large, mais dépend du fabricant | Variable, demande de la configuration |
| Confidentialité | Audio traité à distance par défaut | Possible en local |
| Qualité de reconnaissance | Excellente sur commandes simples | En progrès, encore en retrait |
| Mise en place | Immédiate | Technique |
| Verrouillage propriétaire | Fort | Faible |
Mon avis, franchement, tient en une phrase : si vous êtes déjà enfermé dans un écosystème, restez-y, la friction n'en vaut pas le gain. Si votre priorité est la confidentialité, préparez-vous à mettre les mains dans le cambouis.
Et la consommation énergétique ?
On en parle peu. Un assistant qui envoie chaque requête à un serveur distant consomme, à l'échelle d'un foyer, des quantités modestes mais non nulles, à quoi s'ajoute l'obsolescence rapide des enceintes quand un fabricant retire le support d'un modèle. La durée de vie, en pratique, dépasse rarement cinq ou six ans.
Alors, on garde ou on débranche ?
Je garde. Mais avec des attentes recalibrées.
Les assistants vocaux connectés sont devenus pour moi l'équivalent de l'interrupteur : une interface banale qu'on n'admire plus, qu'on utilise sans y penser, et dont on remarque l'absence seulement quand elle tombe en panne. C'est leur vraie réussite. Pas la conversation.
Ce qui me dérange, ce n'est pas qu'ils comprennent mal. C'est qu'ils donnent l'impression de comprendre tout le temps, alors qu'ils échouent précisément dans les moments où la nuance compte. Le jour où un fabricant assumera publiquement de dire « je n'ai pas compris » au lieu de deviner, on aura fait un vrai pas.
Ma mère, elle, continue de parler à son enceinte. Elle a fini par écrire la poubelle sur un papier collé au frigo.
Est-ce que les assistants vocaux écoutent en permanence ?
Le micro reste actif pour détecter le mot d'activation, mais l'audio n'est normalement transmis aux serveurs qu'après ce déclencheur. Des cas documentés d'écoutes humaines de courts extraits ont toutefois alimenté la méfiance, et la CNIL rappelle que la voix relève du RGPD.
Un assistant vocal peut-il fonctionner sans connexion internet ?
Certaines fonctions de base et certains modèles récents le permettent, en traitant une partie des commandes en local. Sinon, l'appareil perd l'essentiel de ses capacités sans connexion.
La voix est-elle une donnée biométrique ?
Pas automatiquement. Elle le devient lorsqu'elle sert à identifier une personne de manière unique, ce qui déclenche des obligations renforcées au titre du RGPD.
