Généré le 14/10/2026 10:01

🎙️ Audit Technique : Détection Vocale, Bruit Ambiant & Mains-Libres en Voiture

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.


1. Synthèse Exécutive des Constats

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 :

  1. Loi acoustique d'atténuation en distance ($1/r^2$) :
    Lorsque Raphaël tient le téléphone en main près de son visage, son niveau de parole atteint 6 800 à 8 600 RMS (-13,5 à -11,6 dBFS).
    En voiture, téléphone posé sur le tableau de bord ou la console centrale (à ~70 cm - 1,20 m), son niveau vocal tombe entre 1 180 et 2 350 RMS (-28,8 à -23 dBFS), descendant même jusqu'à 126 RMS (-48,3 dBFS) lors du tour 0. Cela représente une perte d'énergie de 15 à 35 dB.
  2. Absence d'AGC sur le moteur Wake Word Android (JarvisWakeWordEngine.kt) :
    L'initialisation native du micro via 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.
  3. Absence de routage Bluetooth SCO (Micro du plafonnier de la voiture) :
    L'application Android ne démarre aucun profil 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.
  4. Effet de "voix hachée" par le compresseur DSP et le filtre passe-haut trop bas :
    Dans 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.
    Conséquence directe : Gemini Live hallucine des mots étrangers lors des commandes de raccrochage ("Termina la pella", "Tengo mil la piel", "Tell me my label" au lieu de "Termine l'appel"), empêchant la détection de fin d'appel par regex.

2. Métrologie Acoustique Comparative (Mesures Réelles)

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

Échantillons Notables Isolés dans audio_vault/rolling :


3. Autopsie des Hallucinations STT & Échec de Raccrochage

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.


4. Plan de Résolution Recommandé (4 Correctifs Ciblés)

Correctif 1 : Activer l'AGC matériel dans le Wake Word (JarvisWakeWordEngine.kt)

Correctif 2 : Prise en charge du profil Bluetooth SCO (JarvisVoiceService.kt)

Correctif 3 : Optimisation des filtres DSP Web (app.js)

Correctif 4 : Tolérance Biométrique & Robustesse Regex Fin d'Appel (server.py)


Rapport d'audit audio consigné sur le disque local C:\ASSISTANT_IA\artifacts\RAPPORT_AUDIT_DETECTION_VOCALE_VOITURE.md.