Ortholyse passe en open source : un outil de bilan orthophonique qui tourne en local

Ortholyse est une application de bureau que j'ai construite pour les bilans orthophoniques. Whisper transcrit la séance en local, l'orthophoniste corrige le texte, puis le logiciel calcule les indicateurs linguistiques (MLU, morphèmes, énoncés) et sort un rapport PDF. Le code est public sous licence MIT. Voici ce que fait l'outil, ce qui manque encore et pourquoi je l'ai ouvert.

Prends une orthophoniste en libéral. Après une séance de bilan, elle a un enregistrement, et il faut le transcrire à la main puis calculer les indicateurs. Je suis parti d'un constat simple : cette transcription prend du temps, et le calcul des indicateurs glisse des erreurs à chaque étape. Le README du projet compte une heure pour une séance de vingt minutes, une estimation de départ plutôt qu'une mesure.

Le problème : un calcul que personne n'a envie de faire à la main

Un bilan repose sur l'analyse d'un échantillon de parole. Il faut enregistrer, retranscrire le passage utile, puis calculer des indicateurs comme la longueur moyenne d'énoncé (le MLU, mesurée en morphèmes) ou le nombre de morphèmes, l'unité la plus petite qui porte un sens. Chaque étape est longue, et la précision se perd quand le volume augmente.

Je voulais un outil qu'un clinicien puisse installer, brancher à un micro et utiliser sans cours d'informatique. Ortholyse est né de ça, ciblé sur la pratique en français.

Trois choix techniques, et ce qu'ils coûtent

Whisper en local. Envoyer l'audio d'une séance chez un service tiers pose une question que le cabinet devrait se reposer à chaque enregistrement. En local, la question disparaît. Je ne suis pas juriste : garder les données sur le poste ne règle pas à lui seul tes obligations, mais ça enlève un envoi chez un tiers. Le modèle Whisper se choisit dans les réglages (base, small, medium ou turbo) : les petits sont plus rapides, les grands plus précis. Sur ce que devient un texte envoyé à un service en ligne, lis ChatGPT ou l'alternative française : où partent les données de tes clients.

spaCy et NLTK. Le pipeline utilise fr_core_news_lg, complété par NLTK pour des calculs comme le comptage de morphèmes. C'est la partie la plus difficile. L'analyse automatique du français est moins directe que celle de l'anglais : flexions verbales, accords, contractions, liaisons transcrites. Le modèle de base donne un résultat correct, mais mon avis est qu'un usage clinique exigeant demande un modèle entraîné sur des productions de patients.

Une application de bureau plutôt que web. Une application web aurait été plus simple à distribuer, mais elle aurait obligé à envoyer l'audio sur un serveur ou à faire porter de gros modèles au navigateur. Le bureau garde tout en local. L'outil tourne hors ligne, sur Python 3.12 ou plus, avec FFmpeg comme dépendance système.

Ce qui marche, et ce qui n'est pas terminé

La version actuelle est un MVP. Elle enregistre ou importe l'audio dans l'application, transcrit avec Whisper, puis ouvre un éditeur synchronisé avec la lecture audio : un clic sur un mot saute à la bonne position. L'orthophoniste corrige un brouillon au lieu de tout taper, et l'analyse ne tourne qu'après sa correction. Le rapport PDF réunit la transcription corrigée et le tableau des métriques.

Ce qui n'est pas là compte autant. La feuille de route du dépôt liste le support de l'anglais, le traitement de plusieurs séances à la suite, des modèles de rapport configurables et une vue qui compare les séances d'un même patient. Rien de tout cela n'est encore construit. Ortholyse n'est pas présenté comme un dispositif médical et je n'ai aucune évaluation clinique à citer : il aide à transcrire et à calculer, le jugement reste celui de l'orthophoniste.

Côté qualité, la CI du dépôt échoue si la couverture de tests des modules métier passe sous 80 %. Les écrans, l'audio et Whisper sont exclus de ce seuil, parce qu'ils demandent un écran, un micro ou le vrai modèle pour être testés.

Pourquoi j'ouvre le code

Ouvrir un code n'est pas un acte de communication. Publier trois captures d'écran en gardant le code privé en serait un. Mettre le code sur GitHub sous licence MIT permet à d'autres de l'utiliser, de le corriger et de l'adapter.

Ortholyse sert une communauté précise, et elle ne peut pas l'améliorer si le code lui est fermé. Tant qu'il reste privé, l'outil dépend de mon temps libre. Une fois public, il peut recevoir des contributions de développeurs, de linguistes ou de chercheurs qui ont déjà des corpus annotés.

Publier un code force aussi à le rendre lisible : documenter les choix, nettoyer ce qui traîne, écrire les tests. C'est un bon test pour un projet de dev, même si personne n'y contribue.

Ce que tu peux en faire

Tu es orthophoniste. Ortholyse est utilisable pour transcrire une séance et calculer les indicateurs de base. Le plus utile à ce stade est de l'essayer et de me dire ce qui manque, en ouvrant une issue sur GitHub.

Tu es développeur, linguiste ou chercheur en NLP français. Le point le plus intéressant est un jeu de données annoté plus représentatif, pour entraîner un modèle plus adapté.

Tu es freelance ou dans une petite agence, et un client te demande un outil de ce genre. Prenons un cas fictif : un cabinet demande à une agence web de quatre personnes de « faire un logiciel qui transcrit les consultations ». Avant de coder, pose ces questions à ton client. Ortholyse y répond à sa façon : données sur le poste, correction par l'orthophoniste, calcul après correction, application de bureau.

Où doivent rester les données : [sur le poste / sur un serveur interne / chez un prestataire] ?
Qui relit et corrige le résultat de l'IA : [nom du rôle] ?
Qu'est-ce qui ne doit jamais être calculé avant une correction humaine : [indicateur ou décision] ?
Sur quelles machines l'outil doit tourner : [système, mémoire, micro disponible] ?
Qui maintient l'outil dans un an : [personne ou équipe] ?

Si les réponses tiennent en cinq lignes, un petit outil sur mesure est jouable. Sinon, c'est un projet plus large, et il vaut mieux le dire avant de signer. Pour calibrer ce qu'un outil d'une après-midi peut porter, lis Un mini-outil pour ta boîte en une après-midi avec l'IA : jusqu'où aller.

Questions fréquentes

Ortholyse est-il gratuit ? Oui, le code est sous licence MIT, tu peux l'utiliser, le modifier et le redistribuer.

Faut-il une connexion ? Non. L'outil tourne hors ligne et n'a besoin d'aucune clé d'API.

Sur quelles machines ? Windows, macOS et Linux, avec Python 3.12 ou plus et environ 4 Go de disque pour les modèles Whisper et spaCy, d'après le README.

Et pour l'anglais ? Le pipeline est réglé pour le français. L'anglais figure dans la feuille de route.

Explorer le repo

Le code d'Ortholyse est public sur github.com/assinscreedFC/ortholyse. La page projet Labs Ortholyse résume les choix techniques en quelques lignes. Tu peux le forker, ouvrir une issue ou simplement lire comment il est construit.

Une orthophoniste doit relire ce que Whisper transcrit. Toute IA qui sort un texte demande la même relecture, et L'IA invente des chiffres et des sources : le repérer, t'en protéger explique comment la faire sans te fier au ton sûr de la réponse. Je publie ce genre de retour de projet dans ma newsletter, tu peux t'inscrire juste en dessous.