Pendant une conversation, l’aide arrive à un moment peu commode : on écoute déjà, on essaie de comprendre la question et de se rappeler ce qu’on voulait dire. Ajouter une intelligence bavarde peut augmenter le nombre de participants sans apporter de clarté.
Je développe CallCoach comme prototype natif macOS. L’interface SwiftUI rapproche transcription, scénario et suggestion. J’ai besoin d’une seule phrase courte, immédiatement prononçable. Personne n’a le temps de lire l’explication du modèle en pleine conversation.
La conversation arrive par morceaux
Le son du microphone passe par AVAudioEngine ; l’audio système suit une voie distincte avec ScreenCaptureKit. La reconnaissance utilise les API vocales Apple. Les mises à jour du texte rejoignent ensuite la couche de suggestions.
La capture montre CallCoach macOS dans la version actuelle du projet. Le mode Real Estate est ouvert : transcription à gauche, réponses rapides et étapes à droite. C’est l’aperçu d’une réplique préparée ; aucun enregistrement d’appel n’a été lancé.
Chaque mot intermédiaire ne doit pas déclencher une recommandation. Le code actuel regroupe les mises à jour avec un délai de 450 millisecondes. C’est un paramètre de traitement, pas une promesse de latence globale : capture, reconnaissance et génération ajoutent leur temps.
Le contexte est limité aussi. La recherche documentaire prend un fragment récent ; la requête au modèle contient une fenêtre des derniers mots, pas une transcription infinie. Sinon, l’application finit par reparler du début de l’appel quand les personnes ont déjà changé de sujet.
En mode Interview, la même interface aide à préparer un entretien. Portfolio est sélectionné : on voit de courtes formulations sur la tâche, son rôle et le résultat. C’est la vraie fenêtre de l’application sans enregistrement de conversation.
« Connaît mon sujet » ne veut pas dire « j’ai entraîné le modèle »
Le projet contient des scénarios, points de contrôle et recherches de fragments pertinents dans une base documentaire. C’est de l’apport de contexte et de la recherche, pas un entraînement des poids. La nuance compte : un document peut aider la réponse sans transformer le système en expert vérifié.
La génération locale utilise Foundation Models, avec vérification de disponibilité sur l’appareil. Le code propose aussi un mode cloud Gemini Live. Il est désactivé par défaut, mais son activation fait suivre à l’audio un autre circuit. Promettre que « tout reste toujours sur le Mac » serait donc faux.
Le plus difficile est à l’écran
Une suggestion juste peut gêner : arriver trop tard, répéter l’évidence, masquer un passage utile ou demander trop de lecture. Il faut tester cela en conversation réelle, sur un matériel précis. Le dépôt ne prouve ni la qualité de reconnaissance ni le talent de conversation.
Les captures montrent la vraie fenêtre et des aperçus de répliques prêtes. Elles montrent la structure, pas la qualité de reconnaissance en direct. Le prochain contrôle concerne le bon moment et l’utilité d’une suggestion courte sur un matériel précis.
Articles liés : Portfolio conversationnel.
@nevsky_alexander
Sur Instagram, Dubaï au-delà de la carte postale : la famille, la ville, les trouvailles et la vie entre deux projets. Sur Threads, des réflexions à voix haute sur le design et l’IA. Sur YouTube, des vidéos qui ont besoin de plus de place qu’une story. Retrouvez-moi là où vous vous sentez bien, et gardons le contact