Aller au contenu
English

Ce que Larkfield attend de ses appels

  • Leçon 1
  • 25 min
  • Module 1 : Le problème de la parole et son coût

Où nous en sommes

Dans le cours d'apprentissage automatique, chaque exemple était une ligne dans un tableau. Le centre d'assistance de Larkfield reçoit aussi 4 000 appels téléphoniques par mois, et personne ne peut y faire de recherche. Dans cette leçon, nous listons les décisions que Larkfield veut tirer de ses appels et le coût de chaque erreur. Pensez d'abord à un agent qui prend des notes pendant un appel.

Lue depuis YouTube. Rien ne se charge depuis YouTube avant que vous appuyiez sur lecture. Confidentialité
Leçon 1 sur 36 · IA de la parole : transcrire, comprendre et parlerCe que Larkfield attend de ses appels
Aperçu du cours

Ce que vous saurez faire

Transformez « nous avons des milliers d’appels enregistrés » en une courte liste de décisions, chacune avec le coût d’une mauvaise réponse. Sans cette liste, une équipe transcrit tout et ne peut toujours pas répondre aux questions importantes.

Avant de commencerCe qu’il faut savoir et avoir sous la mainEnviron 25 minutes

Ce que vous devez savoir

Ce qu’il vous faut sur votre ordinateur

Imaginez un agent du centre d’assistance pendant une matinée chargée. Une cliente appelle. Ses lumières de jardin ne sont pas arrivées. L’agent trouve la commande, indique quand elle a été expédiée et fait une promesse : « Je demanderai au livreur de vous appeler avant la livraison de demain. » Puis un autre appel arrive, et encore un autre.

L’agent écrit une courte note après chaque appel, quand il a le temps. Certaines notes disent « lumières, pas arrivées ». D’autres sont vides, car la file d’attente était longue. Aucune note ne contient la promesse concernant le livreur.

La semaine suivante, la responsable du soutien pose deux questions. Pourquoi les gens ont-ils appelé la semaine dernière? Quelles promesses avons-nous faites sans que personne les tienne? Personne ne peut répondre à partir des notes. Les réponses sont dans les appels, mais les appels sont du son, pas du texte.

Larkfield est une boutique en ligne de produits pour la maison et le jardin. Son centre d’assistance reçoit environ 4 000 appels par mois, en anglais et en français. Environ 900 arrivent hors des heures d’ouverture, quand aucun agent ne travaille. Chaque appel est enregistré, et l’appelant entend un avis qui l’indique. La boutique possède donc des milliers d’enregistrements, et personne ne peut y faire de recherche.

Grace dirige l’équipe de soutien. Elle veut connaître les motifs d’appel, les promesses faites par les agents et les appels qui nécessitent un suivi. Elle a aussi un budget d’écoute : ses chefs d’équipe peuvent consacrer 60 minutes par jour aux appels. À une minute par appel, cela fait 60 appels par jour. Le centre d’assistance reçoit environ 130 appels par jour (4 000 dans un mois de 30 jours). Personne ne réécoute la plupart des appels.

Voici une partie d’un appel de Larkfield. Lancez la lecture : elle ne démarre pas toute seule.

Partie de l’appel C-0127, telle que la ligne téléphonique l’a enregistrée (8 000 échantillons par seconde). Les deux voix sont synthétiques : des voix Piper entraînées sur le corpus LibriTTS-R (l’agente, Chloe, est le locuteur 5401; l’appelant est le locuteur 7169). Aucune personne réelle ne parle dans les appels de Larkfield.

Temps Qui Ce qui a été dit
5,9 s Appelant Hi, um, good morning. My Pebble path lights haven’t arrived. Please tell me where they are.
9,3 s Agente I can help with that. Can I have your order number, please?
12,0 s Appelant Yes, it’s 114942.
14,0 s Agente Thank you. That’s order 114 942. It shipped on the twelfth of March, and it is on its way.
19,6 s Agente I will ask the courier to call you before tomorrow’s delivery.

Vous avez compris cet appel tout de suite. Vous connaissez le motif d’appel, et vous avez entendu la promesse. Un ordinateur reçoit seulement une liste de nombres qui décrivent le son. Pour obtenir les mêmes réponses, il doit transformer le son en mots, puis les mots en décision.

Regardez la dernière ligne de l’appel. Si personne ne donne suite à cette promesse, le livreur n’appelle pas. La cliente attend chez elle, rappelle et se fâche. Larkfield compte cela comme un suivi manqué, l’une des erreurs les plus coûteuses de ce cours.

Multipliez maintenant. Dans nos appels scénarisés, chaque appel se termine par une promesse, parce que le scénario le prévoit. Les vrais appels en contiennent moins. Mais même si seulement 1 appel sur 10 contenait une promesse, 4 000 appels contiendraient 400 promesses par mois. Les chefs d’équipe de Grace ne peuvent pas les vérifier en écoutant, et personne d’autre ne peut les trouver. Voilà le problème du cours : l’information est dans les appels, et personne ne peut l’utiliser.

L’idée est simple. Pour chaque appel, un programme écrit la note de l’agent, toujours sous la même forme. Nous l’appelons une fiche d’appel : un petit ensemble fixe de champs qui indique ce qui s’est passé pendant un appel. On peut y faire des recherches, compter les fiches et les vérifier.

Voici la fiche de l’appel ci-dessus. Nous avons écrit ces étiquettes avec le scénario de l’appel : ce sont donc les bonnes réponses.

Champ Valeur pour l’appel C-0127 Qui l’utilise
Transcription chaque mot, avec qui l’a dit et quand toute personne qui cherche dans les appels
Motif état de la commande Grace : pourquoi les gens appellent
Promesse « Je demanderai au livreur de vous appeler avant la livraison de demain. » Grace : ce que nous devons faire
Prochaine étape appel du livreur l’équipe qui donne suite
Avis d’enregistrement prononcé, avec les mots exacts la vérification de conformité
Langue, ligne anglais, ligne fixe Priya : où se trouvent les erreurs

Un programme qui écrit cette fiche doit faire plusieurs choses dans l’ordre. Il doit trouver les parties de l’enregistrement où quelqu’un parle. Il doit transformer la parole en texte. Il doit savoir quels mots l’agent a dits et lesquels l’appelant a dits. Ensuite, il doit lire le texte et remplir les champs. La reconnaissance de la parole est l’étape qui transforme le son en texte. On l’appelle aussi ASR, de l’anglais automatic speech recognition. On appelle souvent l’étape du texte aux champs analyse de la parole (speech analytics).

Le deuxième besoin : une ligne qui répond toute seule

Section intitulée « Le deuxième besoin : une ligne qui répond toute seule »

Les 900 appels hors des heures d’ouverture posent un autre problème. Aujourd’hui, ces appelants entendent un message et rappellent le lendemain. Plusieurs de leurs questions sont simples : « Où est ma commande? », « Quand êtes-vous ouverts? » Une machine pourrait y répondre.

Larkfield veut procéder en deux étapes. La première est un petit serveur vocal interactif (SVI, IVR), de l’anglais interactive voice response. C’est un menu téléphonique qui comprend les fréquences vocales du clavier et de courtes réponses parlées : « Dites ce qu’il vous faut, ou appuyez sur 1 pour les commandes. » La deuxième étape est un agent vocal : un programme qui écoute, répond en phrases complètes et utilise des outils. Il traite les questions qu’un menu ne peut pas gérer. Dans ce cours, vous construisez le SVI et vous l’appelez. Ensuite, vous le comparez à un agent vocal sur les mêmes appels enregistrés.

Le diagramme suit un appel, de la sonnerie à la fiche. Chaque étape correspond à un module de ce cours.

Un parcours sur deux rangées (une colonne sur un téléphone). La première rangée est l'appel. 1, le téléphone sonne : un client appelle le centre d'assistance de Larkfield. Une décision : pendant les heures d'ouverture? Si oui, 2, une personne répond : l'appel est enregistré, avec l'agent et l'appelant sur deux canaux. Si non, 2, la ligne répond : un menu téléphonique (SVI), puis un agent vocal, modules 7 et 8. La deuxième rangée présente les mêmes étapes pour les deux types d'appels : 3, trouver la parole : ignorer le silence et la musique d'attente, module 3. Puis 4, de la parole au texte : une transcription, mesurée, modules 2 et 4. Puis 5, qui a dit quoi : agent ou appelant, avec les temps, module 5. Puis 6, comprendre : motif, promesse, avis d'enregistrement, module 6. Puis 7, la fiche d'appel : consultable par recherche, avec les numéros de carte supprimés, module 9. Enfin, l'équipe de Grace : suivis, vérifications, rapports.
Un appel, de la sonnerie à la fiche. Pendant les heures d'ouverture, une personne répond; en dehors de ces heures, la ligne téléphonique répond toute seule. Les deux types d'appels deviennent une fiche d'appel.
Description textuelle du diagramme

Un appel commence quand le téléphone sonne. Pendant les heures d’ouverture, une personne répond, et le système téléphonique enregistre l’agent et l’appelant sur deux canaux distincts. Hors des heures d’ouverture, la ligne répond toute seule : d’abord un menu téléphonique, puis un agent vocal (modules 7 et 8). Ensuite, les deux types d’appels passent par les mêmes étapes. Le programme trouve les parties qui contiennent de la parole (module 3). Il transforme la parole en texte et mesure la qualité du texte (modules 2 et 4). Il trouve qui a dit chaque mot (module 5). Il lit le texte et trouve le motif, la promesse et l’avis d’enregistrement (module 6). Le résultat est une fiche d’appel, dont les numéros de carte ont été supprimés (module 9). L’équipe de Grace utilise les fiches pour les suivis, les vérifications et les rapports.

Chaque étape du diagramme peut produire des erreurs. Une transcription peut omettre des mots. Le motif peut être incorrect. Un menu téléphonique peut lancer la mauvaise action. Ces erreurs n’ont pas le même coût, alors le cours donne un prix à chacune. Les prix sont des hypothèses pour le cours, pas des nombres mesurés. Une vraie équipe consulterait son personnel des finances. Larkfield paie son personnel en dollars canadiens, mais le cours donne tous les coûts en dollars américains, la devise des prix des modèles et du nuage auxquels il les compare.

Erreur Ce qui se passe Coût (hypothèse)
Une personne traite un appel qu’une machine pourrait traiter 6 minutes du temps d’un agent à 40 $ US l’heure 4,00 $ US par appel
L’appelant raccroche aucune réponse; l’appelant réessaie ou achète ailleurs 8 $ US
Une machine fait la mauvaise chose un retour lancé par erreur ou un état de commande incorrect : un deuxième appel, une correction et un geste commercial 15 $ US
Un suivi manqué une promesse dans un appel à laquelle personne ne donne suite : une plainte, un deuxième appel, parfois un client perdu 25 $ US
Un chef d’équipe écoute un appel 45 $ US l’heure, au plus 60 minutes par jour 0,75 $ US par minute

Omar, le gestionnaire de produit, est responsable de la ligne hors des heures d’ouverture. Il demande : « La ligne téléphonique devrait-elle répondre au plus grand nombre d’appels possible? » Regardez les coûts du tableau avant de répondre.

Supposons que la ligne réponde seule à 100 appels. Si les 100 réponses sont correctes, Larkfield économise le temps d’un agent sur 100 appels : 100 × 4,00 $ US = 400 $ US. Supposons maintenant que 10 des 100 réponses soient incorrectes. Ces 10 appels ne font pas économiser 4,00 $ US chacun. Chacun coûte plutôt 15 $ US. La ligne économise alors 90 × 4,00 $ US − 10 × 15 $ US = 360 $ US − 150 $ US = 210 $ US, soit environ la moitié.

Une ligne qui répond seulement aux appels qu’elle comprend et transfère les autres à une personne fait mieux. Supposons qu’elle réponde correctement à 70 appels et en transfère 30 à une personne le lendemain matin. Elle économise 70 × 4,00 $ US = 280 $ US, et personne ne reçoit de mauvaise réponse. Le but n’est donc pas de « répondre à chaque appel ». Le but est de « répondre correctement et transférer en cas de doute ». Vous retrouverez cette règle en construisant le SVI.

Le cours suit une petite équipe chez Larkfield. Vous connaissez certains de ses membres grâce au cours d’apprentissage automatique.

Personne Rôle Ce qui lui importe
Priya Scientifique des données La guide principale. Elle prépare les données de test, compare les méthodes et les mesure.
Grace Responsable du soutien Le coût d’un motif ou d’un suivi manqué, et ses 60 minutes d’écoute par jour. Elle lit les fiches d’appel.
Amira Développeuse L’application du SVI : ses étapes, ses messages, ses tests et ses fiches d’appel.
Malik Ingénieur en téléphonie (nouveau) Les lignes téléphoniques, le son à 8 000 échantillons par seconde, les codecs et les fréquences vocales du clavier. Il sait pourquoi une ligne produit un mauvais son.
Tomás Ingénieur en IA Il veut le plus gros modèle pour tout. Ses questions correspondent à des erreurs courantes, et ce sont de bonnes questions.
Omar Gestionnaire de produit La ligne hors des heures d’ouverture, la nouvelle région francophone et ce que ressentent les appelants.

Chaque appel de ce cours est synthétique. Notre code a écrit les scénarios. Un modèle de langage a écrit les phrases des appelants pour expliquer pourquoi ils appellent. Puis des voix de synthèse vocale ouvertes ont lu les scénarios à voix haute. Les données ne contiennent aucun vrai client, aucun vrai appel et aucune voix de personne réelle.

Nous n’utilisons jamais de vrais appels de clients pour les exercices. Les vrais appels contiennent des voix, des noms et parfois des numéros de carte. Les personnes ont accepté un enregistrement pour la qualité et la formation, pas pour un cours. Une voix est une donnée personnelle, et elle permet de reconnaître une personne.

Les appels synthétiques ont aussi un coût : ils sont plus faciles que la parole réelle. Les voix sont claires et régulières. Personne ne tousse, personne ne parle en même temps que l’autre, et les accents sont ceux que les voix ont appris. Vous en verrez l’effet au module 4. Whisper est un modèle gratuit de reconnaissance de la parole d’OpenAI, et c’est celui que le cours utilise le plus; Whisper small est l’une de ses tailles. Sur les appels synthétiques de Larkfield, Whisper small se trompe sur 3,1 % des mots anglais. Sur de vraies personnes lisant des phrases à voix haute, dans les enregistrements ouverts LibriSpeech, le même modèle se trompe sur 7,8 % des mots. Le cours précise donc toujours « sur les appels synthétiques de Larkfield » à côté d’un nombre. Les études de cas du module 10 utilisent de vrais enregistrements.

Le cours contient 340 conversations synthétiques entre un agent de Larkfield et un appelant :

  • 260 appels publics, que vous recevez : 150 pour l’entraînement (leurs transcriptions et étiquettes seulement), 50 pour la validation et 60 pour les tests (avec audio).
  • 40 appels de test cachés, que l’équipe du cours conserve. Ils donnent un score honnête à la fin.
  • 40 appels pour le travail final, en français, provenant d’une nouvelle région.

Parmi les 260 appels publics, 175 sont en anglais et 85 en français. Un appel dure 43,9 secondes en moyenne. Il y a aussi 100 appels de test pour le SVI (dont 60 publics) : seulement le côté de l’appelant, avec parole, fréquences vocales du clavier et silence.

Les appels ont sept motifs. Voici leurs nombres dans les 260 appels publics :

État de la commande Retour ou remboursement Facturation Article endommagé Question sur un produit Annuler une commande Modification du compte
70 48 35 33 30 26 18

Le cours suit la fiche d’appel, du son à la décision. Ensuite, il fait le chemin inverse : la machine commence à parler.

Six cases sur une ligne (en colonne sur un téléphone). Commencer, module 1 : le problème d'affaires, l'audio comme des données, le projet. Reconnaître, modules 2 à 5 : mesurer, trouver la parole, passer de la parole au texte, savoir qui a parlé et quand. Comprendre, module 6 : motif, résumé, promesses, avis. Parler, modules 7 et 8 : un menu téléphonique (SVI), puis un agent vocal. Exploiter, module 9 : traitement par lots et diffusion en continu, vie privée, suivi. Pratiquer avec de la vraie parole, module 10 : études de cas avec des enregistrements ouverts.
Le cours en quatre grandes étapes : reconnaître la parole, la comprendre, répondre à voix haute et exploiter le système en sécurité. Le module 1 ouvre le cours, et les études de cas le terminent avec de la vraie parole.
Description textuelle du diagramme

Le cours compte quatre grandes étapes après ce module. Reconnaître (modules 2 à 5) : vous mesurez les transcriptions, trouvez la parole, la transformez en texte et trouvez qui a parlé et quand. Comprendre (module 6) : vous transformez les transcriptions en fiches d’appel. Parler (modules 7 et 8) : vous construisez un menu téléphonique qui écoute et répond, puis un agent vocal. Vous les comparez ensuite. Exploiter (module 9) : vous faites fonctionner l’ensemble par lots et en direct, retirez les données personnelles et surveillez le système. Les études de cas du module 10 reprennent ce travail avec des enregistrements ouverts de personnes réelles.

Le cours se termine par quatre études de cas sur des enregistrements ouverts de personnes réelles. Chacune part d’une question et utilise un vrai jeu de données pour aboutir à une recommandation. Vous devez en faire une pour obtenir le certificat.

Études de cas de ce cours

À la fin du cours, vous appliquez ce que vous avez appris à un projet réaliste, des données jusqu’à la recommandation. Terminez-en au moins une pour obtenir le certificat; les autres sont facultatives.

  • Choisir un système de reconnaissance pour deux languesComparez Vosk et des tailles de Whisper sur de la vraie parole en anglais et en français d'un jeu de données ouvert, par groupe de locuteurs, et recommandez-en un selon l'erreur, la vitesse et le coût.
  • Transcriptions de réunions avec les locuteursFaites la diarisation et la transcription de vraies réunions enregistrées d'un corpus ouvert, mesurez le DER et le WER, et rédigez des notes avec les tâches à faire.
  • Détecter des commandes sur un petit appareilConstruisez un détecteur de mots-clés sur un jeu ouvert de commandes vocales, comparez un petit CNN sur des spectrogrammes avec Whisper tiny, et mesurez les fausses alertes par heure.
  • Un serveur vocal pour des intentions dites à voix hauteConstruisez un serveur vocal à menu et à parole pour les demandes courantes d'une banque, testez-le avec des enregistrements ouverts d'intentions par groupe de locuteurs, et comparez des règles par mots-clés, un classificateur et un LLM pour l'étape de l'intention.

Les études de cas utilisent tout le cours. La plupart des apprenants les commencent donc après le module 9.

Quand l’IA de la parole en vaut la peine, et quand elle n’en vaut pas la peine

Section intitulée « Quand l’IA de la parole en vaut la peine, et quand elle n’en vaut pas la peine »

L’IA de la parole en vaut la peine quand les appels sont trop nombreux pour tous les écouter. Il faut aussi qu’une décision dépende de ce que les gens ont dit. Les 4 000 appels mensuels de Larkfield et ses 60 minutes d’écoute par jour correspondent à cette situation.

Elle n’en vaut pas la peine partout. Un magasin qui reçoit 30 appels par mois peut tous les écouter. Une question à laquelle le système téléphonique répond déjà, comme « combien d’appels avons-nous reçus lundi? », ne nécessite aucune transcription. Une décision qui doit toujours être correcte, comme un remboursement sur une carte, ne devrait pas reposer uniquement sur une transcription. Les systèmes de reconnaissance font des erreurs. Une personne ou une saisie au clavier doit confirmer.

Elle entraîne aussi des coûts. Des ordinateurs doivent exécuter les modèles, quelqu’un doit les mesurer, et les enregistrements de voix doivent rester protégés et être supprimés à temps. Le module 9 chiffre chacun de ces coûts.

Erreur courante

Tout transcrire d'abord, décider ensuite

Symptôme : Tomás dit : « Avec Whisper, le problème est réglé. Exécutons le plus gros modèle sur chaque appel, gardons le texte, puis voyons ce qu’on peut en faire. » Un mois plus tard, l’équipe a 4 000 transcriptions. Grace demande quelles promesses n’ont pas été tenues. Personne ne peut répondre. Les transcriptions sont longues, personne ne les lit et personne ne sait combien de mots sont erronés.

Cause : l’équipe a choisi l’outil avant la décision. Sans liste de décisions, aucune fiche d’appel à remplir, aucun test à exécuter et aucun moyen de déterminer les erreurs importantes. Une transcription qui se trompe sur un numéro de commande ne sert à rien pour vérifier l’état de cette commande. La même erreur dans une salutation ne change rien.

Correction : partez des décisions et de leurs coûts, comme dans cette leçon. Pour chaque décision, écrivez les champs nécessaires dans la fiche d’appel et le coût d’un champ erroné. Ensuite, choisissez et mesurez les méthodes selon ces champs, sur les mêmes appels.

Conséquence pour le travail en IA : l’équipe paie le plus gros modèle pour chaque appel, sans forcément en avoir besoin. Au module 4, vous mesurez plusieurs tailles du même modèle sur les mêmes appels. Un petit modèle suffit souvent.

Vérifiez votre compréhension

Nommez trois décisions que Larkfield veut tirer de ses appels enregistrés. Pour chacune, indiquez le champ nécessaire dans la fiche d'appel.

Afficher la réponse
  • Pourquoi les gens appellent-ils? Il faut le motif de chaque appel. Grace compte les motifs pour voir ce qui ne fonctionne pas dans la boutique.
  • Quelles promesses devons-nous tenir? Il faut la promesse et la prochaine étape. Une promesse que personne ne concrétise est un suivi manqué.
  • L’agent a-t-il dit l’avis d’enregistrement? Il faut un champ avis : dit exactement, reformulé ou absent. C’est une vérification de conformité.

Autres bonnes réponses : quels appels nécessitent un suivi (la prochaine étape), et où les transcriptions sont faibles (la langue et la ligne).

Vérifiez votre compréhension

Prédisez et expliquez : la ligne en dehors des heures d'ouverture reçoit 100 appels. La conception A répond aux 100 appels, mais donne 10 réponses erronées. La conception B répond correctement à 70 appels et en transfère 30 à une personne. Selon les hypothèses de coûts du cours, quelle conception économise le plus, et pourquoi?

Afficher la réponse

La conception B économise davantage. La conception A économise 90 × 4,00 $ US = 360 $ US grâce aux bonnes réponses. Mais chacune des 10 réponses erronées coûte 15 $ US. Elle économise donc seulement 360 $ US − 150 $ US = 210 $ US. La conception B économise 70 × 4,00 $ US = 280 $ US. Les 30 appels transférés ne coûtent rien de plus ici. Une mauvaise action coûte presque quatre fois plus qu’un appel traité par une personne. Une machine devrait donc transférer l’appel à une personne en cas d’incertitude.

Vérifiez votre compréhension

Tomás dit : « Whisper small se trompe sur seulement 3,1 % des mots anglais de nos appels. Donc, la reconnaissance de la parole est réglée pour Larkfield. » Que lui répondez-vous?

Afficher la réponse

Ces 3,1 % concernent les appels synthétiques de Larkfield, qui sont plus faciles que la vraie parole. Les voix sont claires et régulières, personne ne parle en même temps que l’autre. Les accents se limitent à ceux que les voix ont appris. Sur des personnes réelles qui lisent des phrases (LibriSpeech), le même modèle se trompe sur 7,8 % des mots. Ce chiffre est donc une limite inférieure, pas une promesse. De plus, une moyenne ne dit rien sur les mots importants. Un seul chiffre erroné dans un numéro de commande empêche de vérifier l’état de la commande. Mesurez les résultats sur les tranches et les mots importants. Testez aussi sur de la vraie parole (module 10).

Récapitulatif

  • Larkfield reçoit environ 4 000 appels enregistrés par mois, et personne ne peut y faire de recherche. Ses chefs d’équipe peuvent écouter 60 minutes par jour.
  • L’objectif est une fiche d’appel pour chaque appel : transcription, motif, promesse, prochaine étape et avis d’enregistrement. Partez de ces décisions, pas d’un outil.
  • En dehors des heures d’ouverture, Larkfield veut une ligne téléphonique qui répond toute seule. D’abord vient un SVI, un menu téléphonique qui comprend les fréquences vocales du clavier et la parole. Ensuite vient un agent vocal.
  • Les erreurs ont des coûts différents (hypothèses). Un appel traité par une personne coûte 4,00 $ US, un abandon 8 $ US, une mauvaise action 15 $ US et un suivi manqué 25 $ US. Une machine doit donc répondre correctement et transférer l’appel à une personne en cas d’incertitude.
  • Chaque appel du cours est synthétique et plus facile que la vraie parole. Accompagnez chaque chiffre de la mention « sur les appels synthétiques de Larkfield ».

Vous pouvez maintenant expliquer ce que Larkfield attend de ses appels et ce que coûte chaque erreur. Mais un ordinateur n’entend pas un appel comme vous : il reçoit seulement des nombres. Ensuite, vous examinerez ces nombres et ce qu’une ligne téléphonique retire.

Leçon suivante : L'audio comme des données