Taille
Ratio
Poids
Format
Taille
Ratio
Poids
Format
Il était une fois l'ethnographie chez Perrier Jablonski
C'est en 2016 que Perrier Jablonski a embauché sa première ethnographe. Sabrina Tremblay, d'abord venue observer « Les formes de discours » chez nous (le nom de son mémoire de maîtrise) pour HEC. Mais Sabrina avait été envoyée chez nous par Jean-Sébastien Marcoux, le plus grand anthropologue de la consommation au Québec. Il allait devenir (sans le savoir), un parrain influent et bienveillant.
Une expérience si bouleversante pour nous qu'elle allait changer le cours de notre jeune histoire, et réorganiser le travail en équipes-trios : ethnographe, stratège, chargée de projets. C'est encore le modèle que nous utilisons aujourd'hui.
Pour chaque projet, on sélectionnait un groupe de participants, on menait des entrevues d'une heure, puis on transcrivait à la main. Pour une heure d'entrevue, il fallait compter une heure et demie de transcription. Donc… 2h30 par entrevue. C'était cher et laborieux, mais la qualité des observations que nous faisions comblait largement l'investissement.
Il fallait cependant avouer qu'au fil des projets qui grandissaient, ce temps de traitement devenait colossal. À l'époque, nous avions cherché des outils commerciaux de transcription. Les plus fiables — les mêmes utilisés par les tribunaux — coûtaient des milliers de dollars par licence. Hors de portée pour notre usage. Puis est arrivé… Whisper.
Whisper a tout changé
En septembre 2022, OpenAI publie Whisper — un modèle de transcription automatique entraîné sur 680 000 heures d'audio multilingue. Open source, sous licence MIT : gratuit, modifiable, installable localement sur n'importe quel ordinateur. Quiconque voulait transcrire un fichier audio sans l'envoyer dans le cloud, le peut.
Pour Perrier Jablonski, ç'a été un basculement. Les heures passées à transcrire sont reparties dans ce qui compte : plus d'entrevues, plus d'analyse, plus de livrables. L'ethnographie que nous pratiquions de façon presque artisanale s'est mise à tourner à l'échelle… Et nos projets se sont multipliés. Le plus beau? Whisper a permis à Perrier Jablonski de démocratiser l'anthropologie. Elle est devenue accessible à des organisations qui n'en n'auraient jamais eu les moyens auparavant. Les PME, les OBNL, les équipes à petit budget pouvaient enfin s'offrir du vrai terrain, de vraies observations, de vrais insights.
Une vraie révolution, je vous dis! Mais ça ne nous a pas suffi…
MacWhisper ne suffisait pas
Pendant plus de trois ans, nous avons utilisé MacWhisper — l'application macOS la plus populaire parmi celles qui tournent sur Whisper. Un bon outil. Fiable, local, rapide. Mais au fil des projets, ses limites sont devenues évidentes pour notre usage.
D'abord, la précision dans le temps. MacWhisper place les mots dans des blocs de quelques secondes. Pour lire une transcription, c'est suffisant. Pour analyser un corpus, il faut savoir où chaque mot commence et finit à la milliseconde.
Ensuite, il ne sait pas qui parle. Deux voix pendant 45 minutes produisent un seul bloc de texte. La diarisation — séparer les voix — est arrivée en bêta fin 2025, tard et encore imparfaite. Dans une entrevue qualitative, savoir qui dit quoi est la condition minimale.
Enfin, les voix séparées restent étiquetées « Speaker 1 / Speaker 2 ». Des numéros anonymes. Pour une firme qui conduit des centaines d'entrevues par année, avec les mêmes ethnographes, renommer à la main chaque fichier est un travail que la machine devrait faire seule.
Nous avons voulu un meilleur outil. Nous l'avons construit.
Boris commence là où les autres s'arrêtent
La première version de Boris était un outil de transcription. Nous sommes parti d'une version plus évoluée que celle que MacWhisper utilise. Il s'agit de WhisperX, développé par l'équipe VGG d'Oxford (Bain et al., 2023), qui est une extension open source de Whisper qui lui ajoute de nouvelles fonctionnalitées que nous avons exploitées à fond, et nous lui avons adjoint des fonctionalités-maison.
D'abord, la diarisation : séparer les voix avant même de transcrire. Un modèle analyse le signal pour repérer qui parle quand, en comparant les empreintes acoustiques au fil de l'enregistrement — sans comprendre les mots. Résultat : un bloc de texte par personne, au lieu d'un monologue mélangé.
Ensuite, l'alignement forcé. Whisper transcrit par phrases de quelques secondes ; Boris ajoute une deuxième passe qui recale chaque mot à la milliseconde exacte d'apparition dans l'audio. On peut alors retrouver, dans le signal brut, le moment précis où un mot a été prononcé — et tout ce qui l'entoure : intonation, pause, hésitation.
Enfin, l'identification nominative. Les voix des ethnographes de Perrier Jablonski sont enregistrées une fois dans l'application. À chaque nouvelle entrevue, Boris reconnaît leur empreinte et les étiquette par leur nom réel — puis filtre leurs interventions, parce que ce qui nous intéresse, c'est la voix du participant, pas celle de l'intervieweur.
Et tout ça tourne en local, sur nos Mac, sans jamais se promener sur le réseau, pour une confidentialité ABSOLUE. Si on devait le commercialiser, il battrait déjà tous les outils du commerce :
Mais pourquoi s'arrêter en si bon chemin? Pourquoi simplement révoutionner la transcription, alors qu'on pourrait aller beaucoup, beaucoup plus loin? En construisant un moteur avec des timestamps à la milliseconde, nous avons réalisé qu'on pouvait synchroniser chaque mot avec le signal audio brut. Ce qui ouvre deux portes : analyser ce que les gens disent avec une précision inédite, et analyser comment ils le disent — c'est-à-dire leur voix elle-même.
Nous avions construit un meilleur moteur de transcription. Mais nous venions d'ouvrir la porte à quelque chose que personne n'avait jamais fait...
Les mots : ce qu'ils révèlent, et ce qu'ils cachent
Quand on termine vingt entrevues sur le même sujet, il faut une façon de voir l'ensemble d'un coup d'œil. Boris produit pour ça ce que tout le monde connaît : un nuage de mots. Les mots les plus fréquents apparaissent en gros, les plus rares en petit. En un regard, on voit le territoire lexical du groupe. Mais pour qu'un nuage de mots soit lisible — et utile — il faut toujours faire un peu de ménage.
Le premier geste, c'est d'écarter les mots qui n'apportent rien : « de », « que », « est », « avoir », « chose ». Les linguistes les appellent des stopwords — des mots vides. Ils sont partout, ils noient tout. Les retirer, c'est déjà voir plus clair.
Le deuxième geste, c'est la lemmatisation : ramener chaque mot à sa racine. « Méritaient », « méritera », « méritent », « mériterait » deviennent tous « mériter ». Sans ça, chaque variante compte pour un mot distinct et le signal s'éparpille. Après ce nettoyage, une entrevue de 45 minutes qui contenait 3 800 mots bruts en contient environ 1 700 analysables. Sur un projet de 20 entrevues, on passe de 76 000 à 34 000.
Le nuage de mots obtenu est un portrait lexical du groupe : ce qui habite leurs pensées, ce qui revient dans leurs bouches, ce qui tient le terrain mental.
Mais un nuage seul ne dit pas tout. Les mots qui reviennent le plus souvent sont souvent les plus attendus — « mission », « culture », « équipe » dans un mandat organisationnel. Pour aller plus loin, il faut chercher ailleurs : dans ce qui est propre à chacun, et dans ce qui manque à l'appel. :
- Ce qui est propre à chacun. Boris repère les mots atypiques, ceux qui reviennent souvent chez une personne, mais rarement chez les autres. Un mot que tout le monde utilise disparaît du radar. Ce qui apparaît, c'est ce qui distingue quelqu'un. Pour les spécialistes, cette analyses se fait via TF-IDF, la méthode statistique standard en analyse textuelle depuis les années 1970. La comparaison se fait sur deux niveaux. À l'intérieur du projet d'abord : qu'est-ce que Marie dit que les 19 autres participants ne disent pas? Puis à l'échelle globale : qu'est-ce que ce projet contient, que les entrevues accumulées de tous les anciens mandats Perrier Jablonski ne contiennent pas ? Plus Boris tourne, plus cette seconde comparaison s'affine.
- Ce qui manque à l'appel. L'analyse ne s'arrête pas à ce que les gens disent. Elle repère aussi ce qu'ils ne disent pas. En croisant le brief du mandat avec les verbatims, Boris identifie les mots absents — ceux qui auraient dû apparaître selon le sujet commandé, et qui manquent à l'appel. Si un client demande une étude sur la mobilisation et que le mot n'apparaît dans aucune des 15 entrevues, c'est un signal stratégique majeur. L'absence d'un mot attendu est souvent plus révélatrice que la présence d'un mot inattendu.
Encore une fois, à ce stade de l'analyse, aucune donnée n'a quitté nos machines, tout se fait 100% en local. Désormais que Boris sait tout de ce qui a été dit… Ne pourrait-on pas aller encore plus loin?
Lire entre les lignes
Et si on pouvait écouter autour des mots ? L'idée a quelque chose de vertigineux. Pendant une entrevue, la voix d'un participant transporte bien plus que des phrases. Elle accélère quand un sujet devient sensible. Elle baisse d'un ton quand la confiance s'installe. Elle tremble imperceptiblement quand une émotion remonte. Ces signaux existent. Ils sont dans l'audio. Mais personne, dans le monde de la stratégie ou de l'ethnographie, ne les avait jamais extraits.
Le champ de recherche qui étudie ces signaux s'appelle la prosodie. Jusqu'ici, elle appartenait à d'autres mondes : les phonéticiens qui décrivent les langues, les cliniciens qui diagnostiquent la dépression par le timbre de la voix, les ingénieurs qui entraînent des assistants vocaux. L'analyse prosodique existait. Les outils existaient. Mais ils parlaient une langue que les ethnographes et les stratèges n'avaient aucune raison de connaître. Boris traduit cette langue.
La science a ouvert la voie. En 2023, van Rijn et Larrouy-Maestri ont publié dans Nature Human Behaviour une analyse portant sur plus de 3 000 minutes d'enregistrements issus de corpus mondiaux. Leur conclusion : sept facteurs acoustiques — qualité vocale, intensité, hauteur, rythme, shimmer, variation du pitch et spectre fréquentiel — expliquent à eux seuls 57 % de la variance émotionnelle dans la voix humaine. Sept facteurs mesurables.
J'ai décidé de les implémenter dans Boris. J'ai calibré l'application pour échantillonner chacun de ces signaux toutes les 500 millisecondes, en continu, sur toute la durée de l'entrevue. Le résultat : 7 signaux mesurés toutes les 500 millisecondes, pendant 45 minutes — plus de 37 000 points de données prosodiques par entrevue.
Chaque mesure est comparée à la ligne de base propre au locuteur — ses propres moyennes de débit, d'intensité, de hauteur. Boris ne confond pas quelqu'un qui parle naturellement fort avec quelqu'un qui est en tension. Un pic n'est un pic que s'il est inhabituel pour cette personne.
Les événements sonores : ce que les mots ne disent pas non plus
Un raclement de gorge avant de répondre à une question sur la direction. Un chuchotement au moment où le participant mentionne un collègue. Un soupir presque inaudible quand l'ethnographe aborde le sujet de la gouvernance. Ce sont des données. Boris les capte.
En plus des signaux prosodiques continus, nous avons implémenté la détection de 18 types d'événements paralinguistiques : trois niveaux de rire (du sourire au fou rire), les soupirs, les pleurs, les applaudissements, les exclamations, les chuchotements, les grognements, les halètements, les raclements de gorge, le fredonnement, le claquement de doigts, les hésitations vocales, les inspirations audibles, les reniflements, les bâillements et les claquements de langue. Chaque événement est horodaté, scoré, et intégré à l'analyse comme signal à part entière.
En combinant les 7 signaux prosodiques continus et les 18 classes d'événements sonores, Boris génère plus de 139 000 points de données par entrevue de 45 minutes. Sur un projet de 20 entrevues : près de 2 800 000 mesures traitées, comparées entre elles, et interprétées. L'application est optimisée pour les puces Apple Silicon, ce qui ramène le traitement complet — transcription, diarisation, analyse sémantique, prosodie et événements sonores — à environ 23 minutes par entrevue de 45 minutes.
La mémoire de travail humaine traite entre 5 et 9 éléments à la fois — c'est un résultat classique en psychologie cognitive, documenté par Miller dès 1956 et confirmé depuis. Un ethnographe, même brillant, conduit l'entrevue, prend des notes, formule ses hypothèses, maintient le lien avec le participant. Il ne peut pas, en même temps, traiter 139 000 mesures. Boris le fait pour lui.
Quand les couches se parlent
La prosodie, les événements sonores, la sémantique — chaque couche, seule, est déjà riche. Mais c'est en les croisant que Boris produit des analyses qu'aucun outil n'a jamais proposées. Nous avons conçu six types de croisements, chacun fondé sur des travaux de recherche reconnus.
L'arc émotionnel de l'entrevue retrace la trajectoire d'intensité d'une conversation dans le temps. Au lieu de traiter 45 minutes comme un bloc, Boris agrège les signaux prosodiques et les événements sonores par fenêtres de deux minutes et trace la courbe. L'ethnographe voit d'un coup d'œil où la conversation a basculé — et quand on superpose les 20 courbes d'un projet, on voit si un même moment du guide d'entrevue fait réagir tout le monde. L'idée s'appuie sur les travaux de Reagan et al. (2016) sur les arcs émotionnels narratifs et sur Boyd et al. (2020) qui ont identifié une structure narrative universelle en trois phases sur 40 000 récits.
La détection de contradictions internes repère les moments où un participant dit une chose en début d'entrevue et son contraire en fin. Boris regroupe les énoncés par thème, identifie les polarités opposées, et met les deux côte à côte — avec leur signature prosodique respective. On voit quel énoncé est accompagné d'une charge émotionnelle plus forte. La théorie de la dissonance cognitive de Festinger (1957) fonde ce mécanisme : les individus maintiennent des croyances contradictoires, et la tension entre elles est un signal mesurable.
L'analyse du non-répondu croise le guide d'entrevue avec les verbatims pour repérer les questions esquivées, contournées, ou restées sans réponse. Une matrice montre, d'un coup d'œil, quelles questions ont été évitées par quels participants — et la prosodie autour du moment d'esquive (silence, raclement de gorge, accélération du débit) enrichit le diagnostic. Brinkmann et Kvale (2015) considèrent l'évitement thématique comme un signal méthodologique à part entière dans leur ouvrage de référence sur l'entrevue qualitative.
L'extraction de verbatims marquants sélectionne les 15 à 20 citations les plus puissantes du corpus en combinant trois critères : la richesse sémantique du segment, son intensité prosodique par rapport à la baseline du participant, et la présence d'un événement sonore. Le résultat : les citations prêtes pour une présentation client, avec leur contexte et leur score.
Le miroir linguistique mesure si un participant commence à utiliser les mots de l'ethnographe au fil de l'entrevue — un indicateur classique de désirabilité sociale. La théorie de l'accommodation communicationnelle de Giles, Coupland et Coupland (1991), consolidée par Niederhoffer et Pennebaker (2002) sous le nom de linguistic style matching, fonde cette mesure. Boris trace la convergence lexicale dans le temps et signale les entrevues où le participant semble s'aligner sur le langage de l'intervieweur plutôt que de parler avec ses propres mots. C'est un outil d'auto-critique méthodologique : l'ethnographe voit son propre effet sur le participant.
La cartographie relationnelle construit le réseau social informel de l'organisation à partir des noms mentionnés dans les entrevues. Chaque personne citée devient un nœud, même si elle n'a pas été interviewée. Les liens sont pondérés par la fréquence et colorés par la prosodie — une mention accompagnée de tension n'a pas la même valeur qu'une mention neutre. Le résultat est la carte du pouvoir informel telle que les gens la vivent, pas celle de l'organigramme. Borgatti et al. (2009) ont posé les bases de l'analyse de réseaux sociaux en sciences sociales dans Science, et Berthod, Grothe-Hammer et Sydow (2017) ont proposé le concept d'ethnographie de réseau — la combinaison exacte que Boris automatise.
Les profils comportementaux : une conversation entre l'humain et la machine
Boris croise les données prosodiques, sémantiques et paralinguistiques de chaque participant pour le positionner sur une matrice comportementale. Les axes de cette matrice naissent d'une conversation entre l'ethnographe et la machine.
Parfois, c'est l'ethnographe qui initie. Après avoir conduit les entrevues, après avoir senti le terrain, il formule une hypothèse : « Je crois que ce groupe se divise entre ceux qui résistent par loyauté et ceux qui résistent par épuisement. » Boris va chercher dans ses données les marqueurs qui correspondent, et positionne chaque participant.
Parfois, c'est Boris qui propose. À partir de l'ensemble des données qu'il a analysées — prosodie, sémantique, événements sonores — il formule une hypothèse sur les deux variables fondamentales qui structurent le groupe. L'ethnographe examine, ajuste, affine.
Dans les deux cas, le profil émerge de cette conversation — ni purement intuitif, ni purement algorithmique. L'ethnographe ressent. La machine détecte.
Les observations synthétiques : là où tout converge
C'est ici que la synthèse prend forme — et que Perrier Jablonski a inventé quelque chose.
Jusqu'ici, Boris a transcrit, identifié les voix, mesuré la prosodie, détecté les événements sonores, cartographié le lexique, croisé les couches entre elles, extrait des profils. Notre modèle de langage reçoit l'ensemble et traduit en langage naturel. L'ethnographe ne voit jamais un tableau de chiffres bruts. Il lit : « Elle cherche ses mots. 14:22. » Ou : « Pic d'intensité inhabituel au moment où elle mentionne son équipe. »
Les observations synthétiques ne sont pas des résumés de transcription. Ce sont des insights qui n'existent nulle part dans les données brutes — ni dans l'audio, ni dans le texte, ni dans les chiffres prosodiques pris isolément — mais qui émergent du croisement de toutes ces couches, à l'échelle d'un corpus entier. Les six analyses croisées décrites plus haut — arc émotionnel, contradictions, questions esquivées, miroir linguistique, cartographie relationnelle, verbatims marquants — en sont les composantes. Chaque croisement produit un type de signal. Les observations synthétiques les rassemblent en un récit lisible, adressé à l'ethnographe.
Boris ne signale pas tout. Il filtre. Seuls les signaux qui dépassent un seuil de significativité — une variation suffisamment inhabituelle pour ne pas être attribuable au hasard — sont retenus et présentés à l'ethnographe. Le reste est du bruit, et Boris le traite comme tel.
C'est ce que nous avons nommé une observation synthétique : un fait que seule la machine peut détecter, mais que seul un humain peut interpréter.
La technologie mesure. Le modèle interprète. L'ethnographe décide.
Quand le terrain rencontre la connaissance
Perrier Jablonski a publié plus de 200 articles de fond en dix ans — biais cognitifs, dynamiques organisationnelles, comportements humains, communication, changement. Cet actif intellectuel restait jusqu'ici dans un silo : les articles d'un côté, les données du terrain de l'autre. Le stratège faisait le pont de tête, de mémoire. Mais 200 articles, des milliers de références, des centaines de concepts — personne ne peut tout retenir. Ce travail de mise en relation ne peut plus reposer uniquement sur la mémoire d'un individu.
Boris crée ce pont dans une section du rapport que nous avons nommée les Pistes Édito — un outil de travail adressé au stratège. Si 15 participants sur 20 mentionnent des projets lancés mais jamais terminés — des chantiers ouverts qui traînent, des consultations sans suite — Boris remonte l'article Perrier Jablonski sur l'effet Zeigarnik, ce biais cognitif documenté qui fait qu'on se souvient davantage de ce qui est inachevé que de ce qui est accompli, et formule une piste concrète : l'enjeu pour le client n'est peut-être pas de lancer de nouveaux projets, mais de terminer ceux qui existent. L'ethnographe n'aurait peut-être pas fait le lien seul. Boris le fait parce qu'il a lu les 200 articles et qu'il vient de lire les 20 entrevues — et qu'il peut chercher les correspondances entre les deux à une vitesse et une exhaustivité que la mémoire humaine ne permet pas.
À partir de ces mêmes analyses, Boris propose aussi des exercices de recherche complémentaires calibrés sur le mandat : questions de sondage de validation, projets Typeform prêts à déployer, recommandations de contenus du corpus pour aller plus loin.
L'ensemble — profils comportementaux, cartographie relationnelle, pistes édito, verbatims marquants — est disponible en téléchargement PDF dans une section dédiée de l'application. Un rapport complet relie le tout en un seul document, prêt à être partagé avec l'équipe.
Un modèle qui pense comme nous
Pour la couche d'analyse en langage naturel, nous avons choisi Claude, d'Anthropic — pour ses performances en français et ses engagements en matière d'éthique de l'intelligence artificielle.
Mais un modèle de langage, aussi performant soit-il, reste généraliste. Livré à lui-même, il synthétise correctement. Il rédige bien. Il ne pense pas comme un ethnographe. Avant de demander des insights à Boris, nous formons d'abord le modèle sur ce qu'est un insight — grâce aux 200 articles et aux centaines de références bibliographiques que Perrier Jablonski a accumulés au fil des ans sur le sujet. Le modèle apprend comment nous formulons une observation, comment nous structurons une tension, comment nous nommons un paradoxe.
Deux firmes peuvent utiliser le même modèle de langage, les mêmes données, les mêmes entrevues. Elles n'obtiendront pas le même rapport. La différence, c'est ce qu'on a mis dans les instructions : dix ans de pratique ethnographique, 200 articles, des centaines d'analyses. Le modèle est le même. Ce qu'on lui a appris à chercher ne l'est pas.
C'est ce que signifie, concrètement, avoir dix ans d'expertise encodée dans un outil.
L'humain reste l'auteur
Boris ne fait pas le travail de l'ethnographe. Il fait le travail que l'ethnographe ne peut pas faire.
La prosodie détecte un pic d'intensité au moment où quelqu'un parle de son budget. Boris le signale. Mais c'est l'ethnographe qui sait si ce pic trahit de l'anxiété, de l'enthousiasme, ou simplement une habitude orale. C'est l'ethnographe qui connaît le contexte organisationnel. C'est l'ethnographe qui décide.
Boris libère du temps d'expertise pour l'exercer sur ce qui compte : le jugement, la nuance, la stratégie.
La confidentialité, du début à la fin
La plupart des logiciels de transcription envoient vos fichiers audio sur des serveurs distants — c'est-à-dire sur internet, sur des ordinateurs qui appartiennent à d'autres entreprises, souvent aux États-Unis. Boris fonctionne différemment : tout le traitement se fait directement sur notre ordinateur, dans nos bureaux. L'audio, la transcription, les données client ne transitent jamais par internet. Rien ne sort.
Avec une exception. L'analyse en langage naturel passe par le modèle Claude, ce qui signifie qu'une partie du texte doit, à un moment, voyager sur le réseau. Pour régler ça, nous avons inventé une méthode que nous appelons l'anonymisation de bout en bout.
Avant chaque envoi — sans exception — tous les noms de personnes, d'entreprises, de lieux, les montants et les coordonnées sont automatiquement remplacés par des codes incompréhensibles. La détection repose sur SpaCy, un moteur de reconnaissance d'entités nommées, combiné aux noms déjà identifiés lors de la diarisation. Le modèle reçoit « P-x7k2m9 travaille chez O-m4r7x2 depuis T-w8k3 ans » au lieu de « Marie travaille chez Bombardier depuis 12 ans ». Il analyse les dynamiques, la frustration, les rapports de pouvoir — sans jamais savoir de qui on parle. À la réception, Boris remet les vrais noms.
Aucun autre outil d'analyse qualitative sur le marché ne propose ce niveau de protection. Les confidences de nos participants méritent cette rigueur.
Ce que ça ouvre
Boris est une application de plus de 80 000 lignes de code, construite en interne, adaptée aux réalités du terrain ethnographique tel que Perrier Jablonski le pratique depuis dix ans. Ça a commencé par un besoin simple : une meilleure transcription. Puis chaque couche a rendu la suivante possible. L'identification a permis les timestamps au mot. Les timestamps ont permis la prosodie. La prosodie a permis les événements sonores. Et la masse de signaux accumulés a rendu possibles les observations synthétiques — une catégorie d'analyse qui n'existait pas avant Boris.
Mais le plus important, c'est ce que ça rend possible pour la suite.
Des organisations qui n'avaient pas les moyens de financer une ethnographie complète peuvent maintenant y accéder — parce que Boris traite une entrevue en deux fois moins de temps qu'elle n'a duré, avec une précision d'analyse multipliée par dix. Des signaux faibles — ceux qui se cachent dans les silences, dans les tremblements, dans les mots qu'on ne prononce pas — deviennent visibles, mesurables, actionnables.
Et au-delà des mandats, Boris ouvre un champ de recherche. Que se passe-t-il quand on croise la prosodie et la sémantique sur 200 entrevues ? Quand on compare les profils vocaux de dix organisations dans des secteurs différents ? Quand on mesure, longitudinalement, comment la voix d'une équipe change après une transformation ? Ces questions n'avaient jamais été posées. Les données pour y répondre n'existaient pas. Maintenant elles existent.
La technologie ici n'est pas une posture. C'est un avantage construit ligne par ligne, entrevue après entrevue. Et c'est, à notre connaissance, le seul outil au monde qui fait tout ça dans une seule application, sur un seul ordinateur, du signal audio au livrable stratégique.
Cet article est en cours d'écriture.
Si vous avez des choses intéressantes à nous raconter à ce sujet, n'hésitez surtout pas!
Écrivez à l'auteur-trice
Ce qu'il faut retenir
Boris est l'application propriétaire de Perrier Jablonski pour l'analyse d'entretiens qualitatifs. Né du besoin de dépasser les limites de MacWhisper pour l'ethnographie, Boris a grandi couche par couche jusqu'à devenir un outil sans équivalent. Fonctionnant en local sur Apple Silicon, il combine transcription au mot près, diarisation par empreinte vocale, analyse prosodique sur 7 signaux continus, détection de 18 classes d'événements paralinguistiques, analyse sémantique par mots atypiques, six types d'analyses croisées (arc émotionnel, contradictions internes, questions esquivées, verbatims marquants, miroir linguistique, cartographie relationnelle), profils comportementaux co-construits entre l'ethnographe et la machine, anonymisation de bout en bout avant tout envoi au modèle de langage, et synthèse en langage naturel via Claude d'Anthropic. Sur une entrevue de 45 minutes, Boris génère plus de 139 000 points de données ; sur un projet de 20 entrevues, près de 2 800 000 mesures sont croisées pour faire émerger les observations synthétiques — une catégorie d'analyse inventée par Perrier Jablonski, qui n'existe dans aucun autre outil. Boris met ensuite ces enjeux en relation avec 200 articles de fond et propose des exercices de recherche complémentaires. Boris ne remplace pas le jugement de l'ethnographe. Il l'encode.
Gaëtan est le fondateur de Perrier Jablonski. Créatif et stratège, il est aussi enseignant à HEC, à l’École des Dirigeants et à l'École des Dirigeants des Premières Nations. Il est membre du C.A. de l’École Nationale de l’Humour. Il est certifié par le MIT (Design Thinking, I.A.), il étudie l'histoire des sciences, la philosophie, et les processus créatifs. Il est l’auteur de deux essais et plus de 200 articles sur tous ces sujets.
Bibliographie et références de l'article
ARTICLE SCIENTIFIQUE · van Rijn, P. et Larrouy-Maestri, P. (2023). Modelling Individual and Cross-Cultural Variation in the Mapping of Emotions to Speech Prosody. Nature Human Behaviour, 7, 386–396. Sept facteurs acoustiques expliquent 57 % de la variance émotionnelle dans la voix sur un corpus de plus de 3 000 minutes d'enregistrements multilingues.
REVUE DE LITTÉRATURE · Larrouy-Maestri, P., Poeppel, D. et Pell, M. D. (2025). The Sound of Emotional Prosody: Nearly 3 Decades of Research and Future Directions. Perspectives on Psychological Science, 20(4), 623–638. Synthèse de trois décennies de recherche confirmant le rôle central des paramètres acoustiques dans la communication émotionnelle.
REVUE SYSTÉMATIQUE · Jordan, E., Terrisse, R., Lucarini, V. et al. (2025). Speech Emotion Recognition in Mental Health: Systematic Review of Voice-Based Applications. JMIR Mental Health, 12, e74260. Revue de 14 études montrant la progression rapide des méthodes automatisées de détection d'émotion vocale, avec des précisions atteignant 98,7 % sur certains corpus de référence.
ARTICLE SCIENTIFIQUE · Gobl, C. et Ní Chasaide, A. (2003). The Role of Voice Quality in Communicating Emotion, Mood and Attitude. Speech Communication, 40, 189–212. La qualité vocale — souffle, timbre, tremblements — est un vecteur indépendant de communication émotionnelle, distinct du pitch et de l'intensité.
ARTICLE SCIENTIFIQUE · Miller, G. A. (1956). The Magical Number Seven, Plus or Minus Two: Some Limits on Our Capacity for Processing Information. Psychological Review, 63(2), 81–97. Travail fondateur sur les limites de la mémoire de travail humaine — entre 5 et 9 éléments simultanément.
NOTE DE CALCUL · Chiffres prosodiques Boris (entrevue de 45 min). 7 signaux prosodiques (fenêtres 0,5s) : 7 × (2 700 ÷ 0,5) = 37 800 points. 18 classes d'événements sonores (fenêtres 0,48s) : 18 × (2 700 ÷ 0,48) ≈ 101 250 points. Total : 139 050 points par entrevue. Sur 20 entrevues : 2 781 000 mesures.
ARTICLE SCIENTIFIQUE · Reagan, A. J., Mitchell, L., Kiley, D., Danforth, C. M. et Dodds, P. S. (2016). The Emotional Arcs of Stories Are Dominated by Six Basic Shapes. EPJ Data Science, 5, 31. Six trajectoires émotionnelles fondamentales identifiées par analyse computationnelle sur 1 700+ récits — le fondement de l'arc émotionnel de Boris.
ARTICLE SCIENTIFIQUE · Boyd, R. L., Blackburn, K. G. et Pennebaker, J. W. (2020). The Narrative Arc: Revealing Core Narrative Structures Through Text Analysis. Science Advances, 6(32). Structure narrative universelle en trois phases confirmée sur 40 000 récits et 20 000 textes non fictionnels.
OUVRAGE · Festinger, L. (1957). A Theory of Cognitive Dissonance. Stanford University Press. Cadre théorique fondateur de la dissonance cognitive — la tension entre croyances contradictoires est un signal psychologique mesurable.
OUVRAGE · Giles, H., Coupland, J. et Coupland, N. (1991). Accommodation Theory: Communication, Context, and Consequence. In Contexts of Accommodation. Cambridge University Press. Théorie de l'accommodation communicationnelle — le mécanisme de convergence lexicale entre interlocuteurs, fondement du miroir linguistique de Boris.
ARTICLE SCIENTIFIQUE · Niederhoffer, K. G. et Pennebaker, J. W. (2002). Linguistic Style Matching in Social Interaction. Journal of Language and Social Psychology, 21(4), 337-360. Mesure quantitative du matching linguistique entre interlocuteurs en situation d'entrevue.
ARTICLE SCIENTIFIQUE · Borgatti, S. P., Mehra, A., Brass, D. J. et Labianca, G. (2009). Network Analysis in the Social Sciences. Science, 323, 892-895. Synthèse fondatrice de l'analyse de réseaux sociaux — le cadre théorique de la cartographie relationnelle de Boris.
OUVRAGE · Brinkmann, S. et Kvale, S. (2015). InterViews: Learning the Craft of Qualitative Research Interviewing (3e éd.). Sage. Ouvrage de référence en méthodologie d'entrevue qualitative — l'évitement thématique comme signal d'analyse.
L'I.A. a pu contribuer à cet article. Voyez comment.
- Nous utilisons parfois des outils de LLM (Large Language Models) tels que Chat GPT, Claude 3, ou encore Sonar, lors de nos recherches.
- Nous pouvons utiliser les outils de LLM dans la structuration de certains exemples
- Nous pouvons utiliser l'IA d'Antidote pour la correction ou la reformulation de certaines phrases.
- ChatGPT est parfois utilisé pour évaluer la qualité d'un article (complexité, crédibilité des sources, structure, style, etc.)
- Cette utilisation est toujours supervisée par l'auteur.
- Cette utilisation est toujours éthique :
- Elle est transparente (vous êtes prévenus en ce moment-même),
- Elle est respectueuse des droits d'auteurs — nos modèles sont entraînés sur nos propres contenus, et tournent en local lorsque possible et/ou nécessaire.
Tableau de bord
Cet article est final.
spellcheck
Cet article est en relecture.
rule
Cet article a été remis à Gaëtan
badge
Cet article est encore dans les mains de l'équipe.
psychology
Cet article est un projet.
psychology
Cet article n'a pas de statut!
Ethnographie
sell
Aucun sujet sélectionné!
subject
Il n'y a pas de teaser!
hdr_auto
Il n'ya a pas d'introduction!
copyright
Pas de légende d'illustration
Légende :
Boris est l'application d'analyse d'entretiens qualitatifs développée en interne par Perrier Jablonski. Né du besoin de dépasser les limites des outils de transcription pour l'ethnographie appliquée, Boris fonctionne intégralement en local sur Apple Silicon. Il combine transcription au mot près via WhisperX, diarisation par empreinte vocale, analyse prosodique sur 7 signaux continus, détection de 18 classes d'événements paralinguistiques, analyse sémantique par mots atypiques (TF-IDF), six types d'analyses croisées entre couches (arc émotionnel, contradictions internes, questions esquivées, verbatims marquants, miroir linguistique, cartographie relationnelle), profils comportementaux co-construits avec l'ethnographe, anonymisation de bout en bout via SpaCy avant tout envoi au modèle Claude d'Anthropic, synthèse en langage naturel, mise en relation avec 200 articles de fond Perrier Jablonski, et exercices de recherche complémentaires. Sur une entrevue de 45 minutes, Boris génère plus de 139 000 points de données, chacun comparé à la ligne de base propre au locuteur et filtré par seuil de significativité ; sur 20 entrevues, près de 2 800 000 mesures croisées font émerger des observations synthétiques — une catégorie d'analyse inventée par Perrier Jablonski, invisible à l'analyse humaine isolée. Le traitement complet prend environ 23 minutes pour 45 minutes d'audio — deux fois moins que la durée de la conversation — avec une précision multipliée par dix. Boris ne remplace pas l'expertise de Perrier Jablonski. Il l'encode.
.avif)