Text-to-speech (2/2) : les éditeurs d’informations dressent un premier bilan satisfaisant

Les progrès depuis deux ans dans le rendu des synthèses vocales alimentées par l’intelligence artificielle ont déjà convaincu une quinzaine de groupes médias français. Prisma Media, Le Monde, Le Point, Le Figaro, 20 Minutes, Sud Ouest, La Dépêche du Midi, mais aussi L’Express, Challenges, La Tribune, Brief.me, Numerama… depuis deux ans, de plus en plus de groupes installent sur leurs sites et/ou leur application une solution de text-to-speech. Soit une trentaine de sites d’informations.

Ces synthèses vocales, des technologies de transforma­tion de mots ou d’expressions en audio en imitant la voix humaine, sont développées et commercialisées par les grandes plateformes ; essentiellement Microsoft, mais aussi Amazon et Google, et d’autres fournisseurs spécialisés. Leur qualité est satisfaisante mais pas suffisante pour qu’elles soient intégrées telles quelles.

Pour déployer ce nouveau service, les éditeurs s’appuient donc sur des sociétés audio spécialisées – en France, Odia, ETX Studio, Audion, Podle, et plus marginalement Global Player : ils entraînent et enrichissent les synthèses vocales pour parvenir à un rendu audio suffisamment qualitatif pour correspondre aux attentes des éditeurs – et de leurs lecteurs. Seul Le Monde a déployé son dispositif directement à partir de la suite audio de Microsoft.

Des stratégies opportunistes sur les usages audio

Pour les éditeurs de presse, le text-to-speech est un outil idéal pour proposer un nouveau service au lecteur et s’inscrire dans les usages audio, notamment en mobilité. L’objectif est de développer les usages et la visibilité de ce nouveau service, en pariant sur une utilisation plus massive dans les années qui viennent et, parfois, leur monétisation publicitaire. Pour un coût modeste, équivalent à quelques milliers d’euros par mois seulement quand la société prestataire a fait un effort commercial pour signer avec un éditeur comme référence client, un peu plus dans le cas contraire.

Les sociétés proposant ces solutions se placent dans l’immédiat dans une optique d’évangélisation du secteur et de visibilité. Elles proposent souvent des tarifs attractifs pour convaincre les éditeurs, traditionnellement réticents dès qu’il s’agit d’engager des coûts importants sans perspectives de rentabilité, afin de déployer leurs dispositifs sur un maximum de sites.

C’est d’ailleurs cette problématique de la rentabilité qui a conduit L’Express a changé de stratégie audio en juin, en passant d’une lecture humaine à une solution automatisée. En 2019, le titre avait d’abord opté pour l’écoute en ligne de la totalité des articles issus de son magazine hebdomadaire via leur lecture vocale par des comédiens. “Le dispositif de lecture humaine a amélioré notre notoriété et notre image, mais les usages n’étaient pas satisfaisants. L’utilisation était concentrée sur une petite population de lecteurs déjà abonnés et sur application”, explique Diane Lemoine, directrice générale déléguée de L’Express.

Le taux de lecture audio avoisinait 0,15 % des visites totales et 1 % des visiteurs. Le dispositif, qui coûtait plusieurs centaines de milliers d’euros par an, s’est vite heurté à une réalité budgétaire. S’y ajoutait une difficulté organisationnelle liée à la chronologie des articles textes et audio. L’offre audio a donc été revue à la baisse avec seulement six articles lus par des comédiens, avant d’être stoppée définitivement il y a quelques semaines, dans la première quinzaine de juin 2023. Le service a été remplacé par l’outil de text-to-speech ETX Studio, pour quelques milliers d’euros par mois.

“L’outil a été très simple à intégrer dans notre CMS (Arc Publishing, ndlr), le rendu audio est bon. Nous allons développer l’usage et nous y déploierons des publicités dans un deuxième temps. Les premiers chiffres sont satisfaisants, en particulier dans l’application”, affirme Diane Lemoine. Un mois après la mise en place de l’outil automatisé, L’Express indique que 8 % des abonnés ayant utilisé l’application ont activé le player audio au moins une fois, contre 3,5 % en moyenne lors de la lecture humaine déployée sur six articles.

Souvent moins de 1 % de taux de clic

Le Figaro a un peu plus de recul, ayant installé sa solution – lui aussi celle d’ETX Studio – au printemps 2022. Le titre, qui a lancé il y a quelques mois une chaine TV locale et une offre radio, se veut ambitieux. “L’objectif est triple : proposer une nouvelle expérience à nos internautes, s’inscrire dans notre stratégie de développement multimédia associant texte, TV/vidéo et audio, et enfin exploiter de nouveaux dispositifs publicitaires”, explique Bertrand Gié, directeur du pôle News du Figaro.

Le Figaro mentionne entre 0,7 et 0,9 % de taux de clic sur le player audio selon les articles, des chiffres stables depuis le lancement du service il y a 16 mois, en mars 2022, avec 70 à 80 % de taux de complétion. “Cette stabilité des usages a plutôt tendance à nous conforter, cela montre une appétence des utilisateurs dans la durée”, estime Bertrand Gié. Les chiffres sont similaires chez les autres éditeurs.

Pour sa part, Le Monde a déployé en octobre 2022 sa fonctionnalité de text-to-speech au sein de son application La Matinale, et ce sans passer par une société intermédiaire. Elle repose sur l’infrastructure technique de Microsoft Azur. Le service est disponible sur son application mobile principale depuis avril 2023. L’objectif affiché par le titre : diversifier ses services, engager et fidéliser ses lecteurs.

Sur ce dispositif, “nous sommes particulièrement attentifs à l’engagement et la rétention des abonnés”, nous indiquait au printemps Lou Grasser, directrice produit du Monde. Elle en dressait un bilan positif : entre le 10 octobre et mi-avril, le service a totalisé 1,2 million d’écoutes et il a été activé au moins une fois par 56 000 personnes. Sur la même période, une fois le player lancé, le taux de complétion avoisine 70 % et la durée moyenne de cession est passée de 13 à 14 minutes par jour (+ 5 %, ndlr)”. Enfin le volume de VU mensuels a progressé de 17 % sur la décembre-janvier par rapport à septembre-octobre, selon des chiffres internes au Monde.

L’usage du text-to-speech est-il cantonné aux médias généralistes ? Pour Satellifacts, lettre professionnelle sur l’audiovisuel par abonnement, qui utilise l’outil de Podle pour environ un demi-millier d’euros par mois, les usages sont anecdotiques. “Mais je n’en attendais pas un usage important, confie Joël Wirsztel, fondateur et président de Satellifacts. Cela a été très simple à installer, le service client répond très vite et le résultat audio est satisfaisant, même s’il y a un travail d’enrichissement à faire de la base de données de mots qui peut être fastidieux si on veut améliorer le rendu. Pour nous, l’intérêt de proposer cet outil correspond d’abord à une question d’image de marque auprès de nos abonnés et du secteur.”

Imaginer de nouveaux produits

Les chiffres d’usages semblent modestes, mais les éditeurs interrogés autant que leurs prestataires insistent sur les prémices des usages audio appliqués à la presse et la nécessité d’évangéliser les internautes. Les promesses sont mul­tiples : offrir un nouveau format éditorial pour fidéliser et/ou conquérir des audiences, se positionner sur l’innovation marketing et dévelop­per de nouveaux inventaires publicitaires. Le Figaro déclare d’ailleurs générer déjà quelques centaines de milliers d’euros annuels de revenus publicitaires audio via son dispositif, commercialisé par sa régie.

D’autant que le marché de la publicité audio numérique continue de progresser. L’Observatoire de l’e-pub SRI-Udecam publié mardi 11 juillet a fait était au premier semestre d’un marché en hausse de 39 %, à 42 millions d’euros (podcasts, radios en ligne, audio en ligne…). La publicité audio numérique devrait donc se situer entre 90 et 100 millions d’euros sur l’ensemble de l’année 2023 en France.

Outre les perspectives publicitaires, les éditeurs d’informations peuvent espérer le déploiement de nouveaux produits audio grâce au text-to-speech. Par exemple en linéarisant leurs contenus audio dans des playlists, constituées par l’utilisateur, ou thématiques et éditorialisées. Ces playlists audio peuvent devenir des services supplémentaires proposés sur les sites d’informations et distribués sous la forme de podcasts sur les plateformes de streaming ; projet sur lequel travaille d’ailleurs la société Audion.

D’autres acteur (ETX Studio, Odia) travaillent également à l’intégration de leur solution de text-to-speech dans les futurs véhicules. Des projets sont en cours avec les constructeurs automobiles qui souhaitent, pour beaucoup d’entre eux, proposer des contenus de divertissement au sein de certains modèles, dont de l’information, d’abord sous forme vocale. Les éditeurs peuvent envisager ici un nouveau levier d’audience et de revenus.