Les filtres vocaux expressifs modifient les inférences émotionnelles des auditeurs. Ce n’est pas une hypothèse : c’est ce que montre une recherche publiée dans Philosophical Transactions of the Royal Society B, l’une des revues scientifiques les plus anciennes au monde. Quand une voix passe par un filtre qui la rend plus “souriante”, les auditeurs en concluent que l’émetteur est de meilleure humeur qu’il ne l’est. Ils ajustent leur propre réponse affective en conséquence. La médiation ne transporte plus l’émotion : elle en fabrique une autre.

Ce mécanisme n’est plus théorique. Des filtres vocaux de modification de timbre et de personnage sont d’ores et déjà intégrés à certaines plateformes — Discord propose ainsi des filtres natifs — et des outils tiers fonctionnent avec Zoom ou WhatsApp. En revanche, les filtres expressifs émotionnels sophistiqués, ceux qui ajustent subtilement le contenu affectif de la voix au sens de la recherche de Guerouaou, restent largement au stade de prototypes ou de déploiement limité. Des millions de personnes communiquent chaque jour à travers des filtres qui ajustent leur voix en temps réel, sans qu’elles l’aient explicitement choisi et sans que leur interlocuteur en soit informé. La question n’est pas de savoir si la technologie modifie la communication : toute technologie le fait. La question est de savoir ce qu’il se passe quand l’intervention porte sur l’affect lui-même, avant qu’il n’atteigne autrui.

L’essentiel

  • Des recherches publiées dans Philosophical Transactions of the Royal Society B établissent que les filtres vocaux expressifs modifient les inférences émotionnelles des auditeurs, indépendamment de l’émotion réelle de l’émetteur.
  • Si des filtres de modification de timbre sont déjà déployés sur certaines plateformes, les filtres expressifs émotionnels avancés demeurent largement au stade expérimental — sans que cette distinction soit visible pour les utilisateurs.
  • La neuroscientifique Nadia Guerouaou et la Human Technology Foundation identifient un risque structurel : la normalisation progressive d’une norme émotionnelle unique, définie par les plateformes.
  • Aucun cadre réglementaire existant — ni le RGPD, ni le règlement européen sur l’IA, ni les débats sur l’économie de l’attention — ne traite explicitement la modification de l’expression affective en temps réel.
  • L’horizon critique est une génération : si les filtres expressifs suivent la même trajectoire d’adoption que les filtres photo, l’écart entre émotion vécue et émotion transmise deviendra structurel avant d’être reconnu comme problème.

Ce que la voix transporte que le texte ne transporte pas

La voix n’est pas seulement un canal de transmission de l’information. Elle est le vecteur principal de ce que les psychologues appellent la communication para-verbale : le timbre, le rythme, les variations d’intensité, les micro-hésitations qui signalent le doute, les inflexions qui trahissent la fatigue ou l’anxiété. Des décennies de recherche en psychologie de la communication montrent que ces signaux sont traités par les auditeurs de façon rapide et largement inconsciente. Ils précèdent et conditionnent l’interprétation du contenu verbal.

C’est précisément ce registre que les filtres expressifs interviennent. Rendre une voix plus “souriante” ne consiste pas à changer les mots : cela consiste à modifier la structure acoustique des signaux para-verbaux. Et c’est là que le résultat de la recherche publiée dans Philosophical Transactions B prend toute sa portée. Les auditeurs ne perçoivent pas une voix filtrée comme “une voix modifiée par un outil”. Ils perçoivent une voix, et ils en infèrent une émotion. Le filtre disparaît dans la perception. L’émotion fabriquée prend la place de l’émotion vécue.

La comparaison avec d’autres médiations techniques est instructive — et elle révèle en quoi celle-ci est différente. Le téléphone déforme les fréquences, la compression MP3 coupe certaines gammes sonores. Ces altérations sont des pertes non intentionnelles, des artefacts du canal. Les filtres expressifs sont tout le contraire : des ajouts intentionnels, des corrections de signal visant un effet émotionnel précis. L’intention n’est pas de transmettre la voix telle qu’elle est. L’intention est de transmettre une voix telle qu’elle devrait, selon un paramètre, être perçue.

La norme invisible qui configure le réglage par défaut

Quand un filtre rend une voix plus “souriante”, il implique un jugement préalable : le sourire est préférable au neutre. Ce jugement n’est pas naturel. Il reflète une norme culturelle spécifique, celle des cultures dites WEIRD (Western, Educated, Industrialized, Rich, Democratic) et plus particulièrement des grandes plateformes technologiques calibrées sur le marché américain. Dans de nombreuses cultures, la neutralité vocale signale le sérieux et le respect ; un excès d’enthousiasme vocal est perçu comme peu sincère ou superficiel.

C’est le cœur de la thèse développée par Nadia Guerouaou, neuroscientifique spécialisée dans les biais cognitifs des systèmes d’IA, et synthétisée dans les travaux de la Human Technology Foundation sur les émotions et la sociabilité à l’ère des filtres. Les filtres expressifs ne sont pas neutres culturellement. Ils encodent une norme affective et la propagent à l’échelle des plateformes. Quand cette norme devient le réglage par défaut de centaines de millions d’utilisateurs, elle ne reste plus une option parmi d’autres : elle devient l’air du temps émotionnel de la communication numérique.

Cette dynamique a un précédent dans l’histoire des médias. La télévision des années 1950 a progressivement imposé une prosodie particulière aux journalistes : un rythme de parole, une gestion des silences, un registre émotionnel qui est devenu la norme de la communication professionnelle dans de nombreux pays. Les journalistes de radio africains ou asiatiques formés dans les écoles occidentales ont souvent adopté ce registre importé. La différence avec les filtres vocaux est d’ordre : là où la télévision standardisait par l’imitation et la formation, les filtres standardisent en temps réel et sans visibilité. On ne voit pas le filtre. On ne peut donc pas résister à son influence.

Ce que les régulateurs n’ont pas encore regardé

Le règlement européen sur l’IA, adopté en 2024, classifie les systèmes selon leur niveau de risque et impose des obligations de transparence pour les systèmes à fort impact. Il cible explicitement les systèmes de reconnaissance d’émotion dans les espaces de travail et les établissements scolaires. Mais il ne traite pas les filtres de modification d’expression affective en temps réel dans la communication quotidienne. Ce n’est pas un angle mort mineur : c’est précisément le mécanisme le plus diffus et le plus massif.

Le RGPD, de son côté, protège les données relatives à l’état émotionnel dans la mesure où elles constituent des données sensibles — mais seulement leur collecte et leur traitement. La modification de l’expression émotionnelle avant transmission échappe à ce cadre : aucune donnée n’est collectée sur l’émotion de l’utilisateur, le filtre opère sur le signal acoustique, pas sur une inférence stockée.

Les débats sur l’économie de l’attention, qui ont structuré la critique des plateformes depuis dix ans, portent sur la capture de l’attention et ses effets sur la santé mentale, la démocratie, la concentration des marchés. Ils ont produit des travaux importants et des régulations partielles. Mais ils présupposent un émetteur dont le signal arrive intact à l’auditeur : le problème est la surcharge, pas l’altération. Les filtres expressifs déplacent le problème : ce n’est plus la quantité de signal qu’il faut réguler, c’est sa qualité affective.

C’est là qu’une lecture croisée avec les travaux de Daron Acemoglu sur la technologie et le pouvoir apporte un éclairage utile. Acemoglu distingue les technologies qui “augmentent” les capacités humaines de celles qui les substituent ou les reconfigurent au profit de ceux qui les déploient. Les filtres expressifs appartiennent clairement à la seconde catégorie : ils ne donnent pas à l’utilisateur un meilleur contrôle de son expression, ils transfèrent ce contrôle à la plateforme. La question de la gouvernance n’est pas technique — elle est politique.

L’analogie des filtres photo, et pourquoi elle n’est pas rassurante

L’argument le plus courant pour minimiser le phénomène est l’analogie avec les filtres photo. Instagram a généralisé la retouche automatique des images dès 2012. Les utilisateurs ont appris à lire les photos filtrées comme des photos filtrées. La société a absorbé cette nouvelle norme visuelle sans effondrement perceptif. Pourquoi les filtres vocaux seraient-ils différents ?

Il y a au moins deux raisons sérieuses. La première est la nature du signal. Une photo retouchée reste visuellement une photo : ses contours, sa composition, sa mise en scène sont lisibles comme artefacts culturels. La voix, elle, est traitée par des circuits cognitifs plus anciens et moins analytiques. Les recherches sur le traitement de la prosodie montrent que les inférences émotionnelles à partir de la voix sont largement préconscientes et difficiles à corriger par la délibération. Le filtre vocal disparaît dans la perception d’une façon que le filtre visuel ne fait pas.

La seconde raison est la réciprocité. La communication vocale est une boucle : ce que j’entends dans la voix de l’autre module ma réponse affective, qui modifie à son tour ma propre expression. Si les deux interlocuteurs communiquent à travers des filtres qui ajustent leurs émotions respectives, la dynamique affective de l’échange est entièrement construite par les algorithmes de deux plateformes. Ce qu’on appelle encore “une conversation” est en réalité un échange entre deux représentations filtrées. L’émotion partagée est une émotion fabriquée par consensus algorithmique.

Cette trajectoire mérite d’être chiffrée sérieusement. Les filtres photo ont mis environ dix ans pour passer du gadget au standard implicite. Si les filtres vocaux suivent une courbe d’adoption comparable, les utilisateurs nés après 2015 n’auront jamais connu d’autre standard de communication vocale numérique que le filtré. La norme ne sera pas choisie : elle sera héritée.

Ce qu’une régulation intelligente pourrait faire — et ce qui reste ouvert

Deux positions se dessinent, qu’il serait trompeur de réduire à une opposition entre pro-technologie et anti-technologie. La première, proche de l’approche d’Acemoglu et Johnson sur la gouvernance technologique, appelle à des obligations de signalement : tout filtre expressif actif doit être notifié à l’émetteur et, dans les contextes professionnels ou institutionnels, à l’auditeur. Pas d’interdiction, mais une transparence minimale qui restitue aux utilisateurs la conscience de la médiation.

La seconde position, plus libérale dans ses instruments, mise sur la compétition et la différenciation. Si les filtres expressifs deviennent un objet de débat public, certaines plateformes pourraient faire de leur absence un argument commercial. Des utilisateurs conscients de la dynamique peuvent choisir des outils qui ne filtrent pas. La pression du marché peut corriger ce que la régulation peine à atteindre — à condition que l’information circule.

Les deux positions convergent sur un point : le problème central n’est pas l’existence des filtres, c’est leur invisibilité. Un filtre visible peut être contesté, désactivé, discuté. Un filtre invisible configure le réel sans laisser de prise. C’est cette asymétrie d’information que la régulation devrait traiter en priorité.

Il reste une question que ni l’une ni l’autre ne tranche : qui définit la norme émotionnelle à partir de laquelle le filtre ajuste le signal ? Cette décision n’est pas technique. Elle suppose un choix sur ce qu’est une expression émotionnelle “normale”, “appropriée”, “souhaitable”. C’est une question normative qui relève du débat public, pas de l’ingénierie. Elle n’a pas encore eu lieu.

On peut imaginer des garde-fous institutionnels analogues à ceux qui encadrent la publicité ou la modification des images dans les médias. On peut imaginer des labels d’audit pour les systèmes de filtrage expressif. On peut imaginer des droits d’accès aux paramètres par défaut. Ce qui est plus difficile à imaginer, c’est comment re-politiser une question que la vitesse d’adoption technologique a transformée en fait accompli avant qu’on ait eu le temps de la poser.

Le débat sur l’identité numérique a mis vingt ans à entrer dans le droit et les institutions. Le débat sur la modification de l’affect communicationnel n’a pas commencé. Cet écart de tempo entre la vitesse des plateformes et celle des démocraties est le vrai levier à regarder — davantage que tel ou tel filtre en particulier.

Sources

  1. Human Technology Foundation / Nadia Guerouaou, “Emotions and Sociability in the Age of AI Filters” : https://www.human-technology-foundation.org/news/emotions-and-sociability-in-the-age-of-ai-filters
  2. Philosophical Transactions of the Royal Society B — revue de référence pour les sciences biologiques et cognitives (The Royal Society, Londres)
  3. Daron Acemoglu et Simon Johnson, Power and Progress (PublicAffairs, 2023)
  4. Règlement européen sur l’intelligence artificielle (AI Act), Journal officiel de l’Union européenne, 2024
  5. Guerouaou et al. (2021), “Voice modulation: from origin and mechanism to social consequences”, Philosophical Transactions of the Royal Society B : https://royalsocietypublishing.org/rstb/article/376/1840/20200386/108749/Voice-modulation-from-origin-and-mechanism-to
  6. Human Technology Foundation — “Émotions et sociabilité à l’ère des filtres IA” : https://www.human-technology-foundation.org/fr-news/emotions-et-sociabilite-a-lere-des-filtres-ia
  7. Commission Européenne — AI Act (prohibitions) : https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai
  8. Future of Privacy Forum (FPF) — “Red Lines Under EU AI Act: Unpacking the Prohibition of Emotion Recognition in the Workplace and Education Institutions” : https://fpf.org/blog/red-lines-under-eu-ai-act-unpacking-the-prohibition-of-emotion-recognition-in-the-workplace-and-education-institutions/
  9. CNIL — Q&R sur le règlement européen sur l’IA : https://www.cnil.fr/fr/entree-en-vigueur-du-reglement-europeen-sur-lia-les-premieres-questions-reponses-de-la-cnil
  10. PubMed — Traitement préconscient de la prosodie émotionnelle : https://pubmed.ncbi.nlm.nih.gov/17964813/
  11. Nadia Guerouaou — IRCAM : https://www.ircam.fr/person/-98/
  12. Nadia Guerouaou, Notre cerveau sous influence (Eyrolles, 2026) : https://www.amazon.fr/Notre-cerveau-sous-influence-g%C3%A9n%C3%A9ratives/dp/2416023489