Les robots et assistants vocaux utilisent des logiciels qui découpent les mots en sons de base, appelés phonèmes. Mais certaines langues ou expressions contiennent des sons très particuliers, difficiles à modéliser (comme le “r” roulé espagnol ou certains clics africains).

De plus, les robots ont souvent une “voix synthétique” limitée par leur base de données. Si un mot rare, un nom propre ou une combinaison de sons n’existe pas dans leur bibliothèque, ils “butent” dessus ou prononcent n’importe quoi !

Enfin, la prononciation dépend aussi du contexte ou de l’intonation, ce qui complique encore la tâche pour une intelligence artificielle.