Transcription d'entretiens ethnographiques : audio de terrain

La transcription ethnographique commence avec un problème plus difficile que la plupart des recherches par entretien : l'audio n'a jamais été censé être propre. Les enregistrements de terrain captent les sons ambiants, les participants s'interrompent mutuellement, les conversations changent de langue au milieu d'une phrase, et le moment qui donne son sens à une citation peut s'être produit trente secondes avant que l'enregistreur ne soit allumé. Obtenir une transcription correcte signifie gérer tout cela sans perdre le contexte qui rend les données dignes d'intérêt.

Ce guide présente le flux de travail qu'utilisent réellement les ethnographes en activité, les limites honnêtes des outils d'IA pour les langues à faible ressources, ainsi que les pratiques d'annotation et d'éthique qui permettent aux transcriptions de servir de données analytiques plutôt que de simples textes.

Qu'est-ce que la transcription ethnographique, au juste ?

La transcription standard d'entretiens de recherche prend un audio structuré et le transforme en mots. La transcription ethnographique diffère sur trois points qui façonnent l'ensemble du flux de travail.

Le cadre fait partie des données. Une conversation de vingt minutes qui s'est déroulée pendant qu'un participant raccommodait des filets sur le quai ne peut pas être analysée comme si elle avait eu lieu dans une pièce neutre. La transcription doit porter ce contexte, sinon elle perd sa signification analytique.

Le discours est réellement informel. Les participants ne délivrent pas de monologues propres. Ils s'interrompent eux-mêmes, désignent du geste des choses que l'enregistreur ne peut pas voir, et passent d'un registre ou d'une langue à l'autre de manière signifiante. La notation Jefferson et le GAT capturent l'interaction au grain le plus fin, en marquant les chevauchements, les pauses et l'intonation. Pour la plupart des travaux de terrain en anthropologie culturelle, une transcription plus épurée avec des annotations entre crochets pour le contexte et l'alternance codique convient mieux.

La relation est aussi une donnée. Les ethnographes construisent la confiance sur des mois. Ce qu'un participant est prêt à dire à un chercheur au sixième mois diffère de ce qu'il dira au deuxième mois. La transcription capture les mots ; la note de terrain capture cette trajectoire relationnelle. Ni l'une ni l'autre ne suffit à elle seule.

Accepter ces limites constitue le premier geste méthodologique. Le second consiste à construire un flux de travail qui maintient le contexte attaché aux mots.

Avant de transcrire : le tri

Toutes les heures d'audio ne méritent pas une transcription complète. Un enregistrement de quatre-vingt-dix minutes qui s'est révélé porter sur des résultats sportifs mérite un court résumé dans vos notes de terrain, pas une transcription intégrale. Consacrer du temps de relecture à un audio qui n'alimente pas votre analyse est un effort gaspillé précisément à l'étape où le temps compte le plus.

Un système pratique à trois niveaux :

• Transcription complète : Audio qui répond directement à vos questions de recherche ou contient une valeur analytique inattendue.
• Transcription résumée : Contexte important ou matériel de construction relationnelle que vous pourriez avoir besoin de consulter à nouveau mais qui ne constitue pas une donnée primaire.
• Notes seules : Audio hors sujet, de fond ou social. Notez-le, passez à la suite.

Marquez ces catégories dans votre système de fichiers avant que l'étape de transcription ne commence. Une structure de dossiers comme full/, summary/, note-only/ sous chaque date de terrain demande dix minutes à mettre en place et fait gagner des heures ensuite.

Du terrain à la transcription : le pipeline

Étape 1 : Des notes de terrain menées en parallèle des enregistrements

Chaque enregistrement nécessite une brève note d'accompagnement créée le jour même : date, lieu, participants, cadre physique, ce qui se passait avant le démarrage de l'enregistreur, ce qui a déclenché la conversation. Deux ou trois phrases suffisent. Sans ces notes, un enregistrement réalisé au début de votre terrain peut sembler être la conversation d'un inconnu au moment où vous le transcrivez six mois plus tard.

Étape 2 : Sauvegardez l'audio quotidiennement

Les environnements de terrain sont hostiles à l'électronique. Chaleur, humidité, chutes, vols. Un audio qui n'existe que sur un seul appareil finira par être perdu. La pratique standard consiste à sauvegarder quotidiennement sur un second appareil et hebdomadairement vers un stockage cloud chiffré ou externe lorsque la connectivité le permet. Pour les projets dans des régions à connectivité intermittente, un disque dur externe chiffré transporté séparément de votre enregistreur constitue le minimum.

Étape 3 : Transcrivez dans la langue d'origine

Transcrivez d'abord, traduisez plus tard. Traduire dès l'étape de transcription introduit des choix interprétatifs avant même que vous ayez terminé votre analyse, et ces choix deviennent invisibles pour quiconque lit le texte final.

Le tableau honnête du support linguistique de l'IA à mi-2026 : les outils basés sur Whisper ou AssemblyAI gèrent bien le français, l'espagnol, le portugais et l'allemand. Le swahili et le haoussa sont pris en charge à la fois par Whisper et AssemblyAI Universal-2, mais les deux moteurs documentent des taux d'erreur plus élevés, avec des taux d'erreur sur les mots entre 25 et 50 % signalés pour le swahili et des fourchettes similaires pour le haoussa. Prévoyez nettement plus de temps de relecture par heure d'audio que pour une langue européenne.

Le wolof ne figure sur la liste des langues prises en charge d'aucun moteur de transcription grand public à mi-2026. Pour un terrain en wolof, un assistant de recherche bilingue reste la voie la plus fiable. L'IA peut néanmoins aider pour les parties françaises ou mixtes d'un enregistrement.

Pour un terrain en arabe, les principaux moteurs gèrent l'arabe standard moderne et certains dialectes largement parlés, mais leurs performances sur les dialectes minoritaires ou régionaux sont inégales. Testez toujours votre variété d'audio spécifique avant de vous engager avec un outil.

Étape 4 : Annotez, ne vous contentez pas de corriger

Une fois que l'IA a produit un brouillon, votre passe de relecture doit ajouter du contexte, et pas seulement corriger des erreurs.

Conventions d'annotation utiles :

• Alternance codique : [switches to French] ou [switches to Wolof]
• Interruptions liées au cadre : [colleague enters room], [sound of boat engine]
• Non verbal : [laughs], [gestures toward the dock]
• Termes non traduits avec glose : nguël gi (the older brother)

Ces annotations sont ce qui permet à la transcription de servir de donnée analytique. Elles deviennent aussi la matière première de la description dense qu'exige le cadre de Clifford Geertz : non seulement ce qui s'est passé, mais le contexte de sens stratifié qui l'entoure. Une transcription sans annotations est une description mince. Le même texte avec des marqueurs de cadre, de relation et d'alternance codique approche la norme ethnographique.

Un point mécanique important : incluez les tours de parole du chercheur dans la transcription. Les transcriptions qui masquent les questions de l'ethnographe produisent des analyses qui masquent leur propre positionnalité. Ce n'est pas méthodologiquement défendable.

Pour un examen plus approfondi de ce qui se passe à l'étape d'analyse après la transcription, le guide explication de la diarisation des locuteurs couvre la manière dont les étiquettes de locuteurs interagissent avec les données de conversation à plusieurs participants.

Étape 5 : Reliez les transcriptions aux notes de terrain

Chaque transcription devrait référencer sa note de terrain associée par nom de fichier. Une convention de nommage cohérente rend cela automatique : 2025-09-14_dock-conversation_M.Sow.txt pour la transcription et 2025-09-14_field-note.md pour la note. Dans votre logiciel d'analyse qualitative de données, liez les documents plutôt que de copier le contexte dans la transcription elle-même.

Étape 6 : Traduisez de façon sélective, au stade de la rédaction

Ne traduisez que les citations spécifiques que vous comptez utiliser dans votre rédaction. Cela préserve la langue d'origine pour votre propre mémoire analytique, garde les choix interprétatifs visibles (vous pouvez annoter les traductions difficiles en note de bas de page) et maintient la voix du participant dans le texte final. Une traduction intégrale préalable élimine précisément ce que la recherche ethnographique est censée faire émerger.

Les conventions de transcription selon les traditions ethnographiques

Les différentes traditions utilisent des conventions différentes, et les mélanger au sein d'un projet crée plus de problèmes qu'il n'en résout.

L'ethnographie sociolinguistique utilise souvent la notation Jefferson, qui capture les tours de parole, les chevauchements et la durée des pauses avec des symboles précis. Ce niveau de détail importe lorsque l'accent analytique porte sur la structure de l'interaction elle-même, et pas seulement sur le contenu.

L'anthropologie culturelle utilise généralement des transcriptions plus épurées avec des annotations entre crochets pour le contexte et l'alternance codique. La conversation est une donnée, mais l'accent analytique porte habituellement sur le sens, pas sur la mécanique interactionnelle.

L'ethnographie critique se situe entre les deux. Assez détaillée pour soutenir l'analyse du discours, assez lisible pour alimenter le codage thématique et narratif.

Choisissez une convention avant l'étape de transcription et documentez-la dans votre section méthodes. La cohérence compte plus que le système choisi.

Protéger les participants dans la transcription

La recherche ethnographique implique souvent du matériel sensible : communautés marginalisées, environnements politiquement risqués, économies illicites. La couche transcription doit être à la hauteur de l'éthique de la recherche.

Des pseudonymes avant tout partage. Appliquez des pseudonymes pendant la relecture de la transcription, avant que tout fichier ne quitte votre contrôle. Conservez une clé chiffrée distincte qui associe les pseudonymes aux identités réelles. Ne stockez jamais le fichier de clé au même endroit que les transcriptions.

Traitement local pour le matériel à haut risque. Lorsque le profil de risque est élevé, effectuez la transcription sur une machine locale plutôt que de téléverser vers un service cloud. Whisper open source exécuté localement est l'outil standard pour cela. Il est plus lent que les API cloud, mais il garde l'audio entièrement hors des serveurs externes.

Hygiène de stockage. L'audio de matériel sensible ne devrait pas rester indéfiniment dans des services cloud. Transcrivez, puis supprimez du stockage cloud si le matériel le justifie, en ne conservant que des copies locales chiffrées.

Le guide sur l'éthique de la transcription d'entretiens couvre la couche éthique plus large qui s'applique à toute recherche par entretien, y compris les stratégies d'anonymisation et la documentation du consentement.

Travailler en plusieurs langues dans NVivo et MAXQDA

Les projets ethnographiques multilingues bousculent certaines hypothèses des logiciels d'analyse qualitative de données standards. NVivo comme MAXQDA peuvent importer des transcriptions non anglophones. MAXQDA offre un support d'interface multilingue particulièrement solide pour plusieurs langues et traite texte, audio, vidéo et géodonnées dans un environnement unique. NVivo gère la gamme la plus large de types de données, ce qui compte pour les projets combinant notes de terrain, enregistrements d'entretiens et matériel d'archives.

L'approche pragmatique pour les projets multilingues est une stratégie de codage parallèle : coder dans la langue d'origine pour la profondeur analytique, puis coder séparément les citations traduites pour toute rédaction destinée à un comité ou à publication. Le guide NVivo contre transcription IA couvre plus en détail le flux de travail combinant les sorties IA avec un logiciel d'analyse qualitative.

Budget de temps pour un terrain à l'échelle d'une thèse

Une thèse ethnographique typique comprend trente à quatre-vingts heures d'audio. Après le tri, attendez-vous à quinze à quarante heures de transcription complète.

Temps de traitement IA : Moins de deux heures de calcul pour quarante heures d'audio.

Temps de relecture et d'annotation : Trente à soixante minutes par heure d'audio pour l'anglais et les principales langues européennes. Prévoyez soixante à quatre-vingt-dix minutes par heure pour l'audio en swahili ou en haoussa. Pour l'audio en wolof, comptez sur un relecteur bilingue passant presque tout le temps d'écoute.

Traduction sélective : Une à trois heures par chapitre de thèse pour le travail de traduction citation par citation.

Effort concentré total : Quinze à trente heures pour un projet de longueur thèse, en supposant un tri rigoureux.

Si vous avez simplement besoin de transcriptions propres d'enregistrements de terrain sans robot de réunion ni plateforme vidéo, ConvertAudioToText prend en charge le téléversement d'audio multilingue et produit une sortie avec étiquettes de locuteurs. Le plan Pro démarre à 9,99 $ par mois pour une transcription illimitée, ce qui rend le coût par fichier pratiquement nul pour un projet de thèse. L'offre gratuite vous donne dix minutes de transcription à l'inscription, accordées une seule fois plutôt que chaque mois, ce qui suffit pour tester votre audio spécifique avant de vous engager.

Erreurs courantes qui apparaissent dans les écrits ethnographiques

Trois schémas affaiblissent un travail ethnographique pourtant solide.

Citations décontextualisées. Une citation vivante sans contexte de cadre et de relation devient générique. C'est l'annotation et la note de terrain qui donnent à la citation son poids ethnographique.

Transcriptions surtraduites. Traduire au point de faire disparaître la voix du participant élimine ce que la recherche ethnographique est censée faire émerger. Gardez les expressions en langue d'origine visibles dans le texte, même lorsque vous traduisez le passage environnant.

Présence du chercheur dissimulée. La question de l'ethnographe façonne la réponse. Les transcriptions qui coupent les tours de parole du chercheur produisent des analyses qui dissimulent leur propre cadre interprétatif. Incluez votre côté de la conversation.

Mon avis : l'étape de transcription n'est pas là où se fait l'analyse ethnographique, mais c'est là que la matière brute conserve ou perd sa valeur analytique. Une transcription qui porte le cadre, le contexte relationnel et les marqueurs d'alternance codique est véritablement une donnée différente de celle qui les élimine. Les outils n'ont jamais été aussi accessibles. La discipline intellectuelle consistant à garder le contexte attaché reste le vrai travail.

Pour aller plus loin sur ce que signifie réellement la précision pour un terrain qualitatif, explication de la précision de transcription couvre les taux d'erreur sur les mots et leur signification pour des cas d'usage d'analyse concrets.

Questions fréquentes

La transcription IA peut-elle gérer l'alternance codique entre deux langues ?

Partiellement. Les outils basés sur Universal-2 d'AssemblyAI ou sur Whisper peuvent capter raisonnablement bien l'alternance entre français et anglais, mais ils ont tendance à normaliser les alternances plutôt qu'à les signaler, ce qui élimine précisément l'information dont les ethnographes ont besoin. La solution pratique consiste à lancer d'abord la passe IA, puis à marquer manuellement chaque changement de langue pendant la relecture en utilisant une convention cohérente entre crochets comme [passe au français]. La détection automatique de langue peut se tromper sur la langue active au milieu d'une phrase, donc ne vous y fiez jamais seul pour des données d'alternance codique.

Que faire avec de l'audio en wolof, en haoussa ou en swahili ?

Le wolof ne figure sur la liste des langues prises en charge d'aucun moteur grand public à mi-2026. Le haoussa et le swahili sont pris en charge par Whisper et Universal-2 d'AssemblyAI, mais tous deux relèvent de paliers de précision inférieurs, ce qui signifie que des taux d'erreur supérieurs à 25 à 50 % sont documentés. Pour ces langues, l'IA vous donne un premier brouillon approximatif qui réduit considérablement le temps de saisie, mais vous devriez prévoir nettement plus de temps de relecture par heure d'audio que pour une langue européenne. Pour le wolof, un assistant de recherche bilingue ou un collaborateur formé à la langue reste la voie la plus fiable.

Comment protéger les participants lors de la transcription de données ethnographiques sensibles ?

Trois pratiques comptent ici. Premièrement, appliquez des pseudonymes pendant la relecture de la transcription, avant que le fichier ne quitte votre machine, et conservez une clé chiffrée distincte qui associe les pseudonymes aux identités réelles. Deuxièmement, pour le matériel à haut risque, effectuez la transcription localement avec Whisper open source plutôt que de téléverser vers un service cloud. Troisièmement, définissez une politique de conservation claire pour les fichiers audio : transcrivez, puis supprimez de tout stockage cloud si le matériel le justifie, en ne conservant que des copies locales chiffrées. Ces étapes s'alignent sur les attentes standard des comités d'éthique (IRB) en matière de minimisation des données et de confidentialité des participants.

Dois-je traduire les transcriptions avant ou après le codage ?

Après, ou pas du tout à l'étape de la transcription. L'approche ethnographique défendable consiste à coder dans la langue d'origine, puis à ne traduire que les citations spécifiques que vous prévoyez d'utiliser dans votre rédaction. Une traduction intégrale préalable aplatit la voix du participant, introduit des choix interprétatifs avant que vous ayez terminé l'analyse et rend ces choix invisibles pour le lecteur. Une traduction ciblée au moment de la rédaction vous permet d'ajouter des notes de bas de page expliquant les passages difficiles, ce qui renforce plutôt qu'il ne cache le geste analytique.

Sources

• Documentation des langues prises en charge par AssemblyAI
• Vue d'ensemble des modèles et langues de Deepgram
• Support des langues par OpenAI Whisper
• Page tarifaire de ConvertAudioToText
• Comparaison NVivo vs MAXQDA 2026 via skimle.com
• Aperçu de la description dense via Wikipédia
• Guide du système de transcription Jefferson via University Transcriptions