Date : 09 octobre 2026
Auteur : Antigravity (Assistant IA & Ingénierie Audio)
Contexte opérationnel : Signalement par Raphaël d'une détection vocale aléatoire ("un coup sur deux") lorsqu'il est en voiture, téléphone posé en mains-libres à distance de sa bouche.
Corpus analysé : 47 fichiers audio réels capturés en continu dans audio_vault/rolling (session du 09/10/2026 entre 14h12 et 14h38), croisés avec les logs live_session.log, uvicorn_supervisor.log et les profils biométriques voice_profile_raphael.json.
L'analyse physique des signaux audio et l'inspection minutieuse de la chaîne logicielle (Android natif + Web Audio API + Gemini Live STT + Voice ID) démontrent que le problème n'est pas un dysfonctionnement matériel du smartphone, mais la combinaison de 4 facteurs acoustiques et algorithmiques :
JarvisWakeWordEngine.kt) :AudioRecord active AcousticEchoCanceler et NoiseSuppressor, mais omet complètement AutomaticGainControl. Sans compensation automatique de gain, le seuil minimum rigide de 380 RMS et le seuil adaptatif de bruit ($2.2 \times \text{ambientNoise}$) ne sont quasiment plus franchis par la voix affaiblie par la distance.Bluetooth SCO (AudioManager.startBluetoothSco()). Lorsque le smartphone est appairé au véhicule, la sortie son va sur les haut-parleurs de l'habitacle, mais l'enregistrement micro continue d'utiliser le microphone physique du téléphone posé au loin, et non le micro du plafonnier conçu pour capter la voix du conducteur en filtrant les bruits de roulement.app.js, le filtre passe-haut est calé à 85 Hz, laissant passer 15 % à 32 % d'énergie parasite liée aux vibrations de caisse et bruits de roulement (60-220 Hz). Le compresseur dynamique configuré avec un ratio violent de 12:1 et la suppression de bruit agressive de WebRTC étouffent les consonnes et transitoires faibles.L'audit a comparé les enregistrements de Raphaël en conditions réelles en voiture (14h12 - 14h38) par rapport aux enregistrements de référence réalisés au bureau / pièce calme (08/10 soir et 09/10 matin) :
| Métrique Acoustique | Conditions Calme (Bureau) | Mains-Libres Voiture (Posé) | Impact & Écart Mesuré |
|---|---|---|---|
| Niveau de parole moyen | 4 450 RMS (-17,3 dBFS) | 1 465 RMS (-27,0 dBFS) | 🔻 Perte de 10 à 35 dB (atténuation distance) |
| Pic de parole maximal | 8 666 RMS (-11,6 dBFS) | 2 349 RMS (-22,9 dBFS) | 🔻 Crêtes vocales divisées par 3,7 |
| Bruit de fond résiduel | 0,5 à 29 RMS | 0,1 à 12 RMS (filtré) | ⚠️ Masquage artificiel par noise gate WebRTC |
| Énergie sous 300 Hz (roulement) | Variable (20 à 35 %) | Jusqu'à 32,5 % | ⚠️ Grondement de route persistant sous 250 Hz |
| Similarité biométrique Voice ID | 0,917 à 0,954 | 0,810 à 0,858 | 🔻 Chute vers le seuil critique (rejet < 0,80) |
| Frames dépassant 380 RMS | 40 % à 61 % | 5 % à 45 % | 🔻 Taux de détection Wake Word divisé par 2 |
audio_vault/rolling :20261009_141255_raphael_tour0.opus (16,5s) : Parole à seulement 126,7 RMS (-48,3 dBFS). Seulement 5,1 % des trames dépassent le seuil de 380 RMS. Le mot "Jarvis" était inaudible pour le détecteur local.20261009_143328_raphael_tour15.opus (8,9s) : Similarité Voice ID tombée à 0,810. Raphaël était à un cheveu du rejet franc (< 0,80).[Voice ID REJET Orchestrateur] Similarité 0.780 < 0.80 : délégation refusée (texte : "Redémarrer le serveur...").Les logs de 14h16 à 14h25 révèlent un scénario en chaîne très instructif :
1. Raphaël tente de dire "Termine l'appel" alors que le téléphone est posé sur le tableau de bord.
2. À cause de l'atténuation et du filtrage destructeur des consonnes par le compresseur/bruit de voiture, Gemini Live ne reçoit pas les transitoires clairs.
3. Transcriptions réelles générées par Gemini Live :
* [14:16:42] ➡️ "También la pelo."
* [14:22:56] ➡️ "Tengo mil la piel."
* [14:23:05] ➡️ "Termina la pella."
* [14:24:51] ➡️ "Tell me my label."
* [14:24:58] ➡️ "Donne-moi une appel."
4. Le filtre de sécurité de server.py (rejet faux raccrochage gerer_appel) refuse de couper car aucune de ces transcriptions n'est reconnue comme une demande de raccrochage en français.
5. L'appel reste donc ouvert en tâche de fond. Raphaël, croyant que l'appel est clos, tente d'appeler "Jarvis" au Wake Word local, mais le Wake Word est en veille (enterStandby) tant que la liaison vocale n'est pas déclarée terminée !
6. Quand Raphaël reprend le téléphone en main à 14h22 et rapproche sa bouche, le mot-clé passe instantanément.
JarvisWakeWordEngine.kt)android.media.audiofx.AutomaticGainControl sur l'ID de session audio.minSpeechThreshold à 220 RMS (au lieu de 380 RMS) lorsque la fonction mains-libres/chargeur est détectée, avec un booster de gain logiciel si l'AGC matériel est indisponible sur le modèle de smartphone.JarvisVoiceService.kt)audioManager.startBluetoothSco() et audioManager.isBluetoothScoOn = true (ou setCommunicationDevice avec TYPE_BLUETOOTH_SCO sur Android 12+).app.js)server.py)CONFIG_CALL_END_PATTERNS ("termina la pella", "termine", "fin d'appel", "coupe l'appel").Rapport d'audit audio consigné sur le disque local C:\ASSISTANT_IA\artifacts\RAPPORT_AUDIT_DETECTION_VOCALE_VOITURE.md.