@inproceedings{millot-etal-2024-identification,
    title = "Identification du locuteur : ouvrir la bo{\^i}te noire",
    author = "Millot, Carole  and
      Gendrot, C{\'e}dric  and
      Bonastre, Jean-Fran{\c{c}}ois",
    editor = "Balaguer, Mathieu  and
      Bendahman, Nihed  and
      Ho-dac, Lydia-Mai  and
      Mauclair, Julie  and
      G Moreno, Jose  and
      Pinquier, Julien",
    booktitle = "Actes des 35{\`e}mes Journ{\'e}es d'{\'E}tudes sur la Parole",
    month = "7",
    year = "2024",
    address = "Toulouse, France",
    publisher = "ATALA and AFPC",
    url = "https://preview.aclanthology.org/ingest-emnlp/2024.jeptalnrecital-jep.10/",
    pages = "92--101",
    language = "fra",
    abstract = "L{'}explicabilit{\'e} des syst{\`e}mes relevant du deep learning est devenue un enjeu central ces derni{\`e}res ann{\'e}es, dans le droit europ{\'e}en comme le domaine criminalistique. L{'}approche BA-LR introduit en identification du locuteur un nouveau paradigme de mod{\'e}lisation : elle fait {\'e}merger automatiquement les attributs partag{\'e}s par un groupe de locuteurs et qui sous-entendent la discrimination de ceux-ci. Le score produit est d{\'e}composable au niveau des attributs, ce qui augmente significativement l{'}explicabilit{\'e} de la m{\'e}thode. Cette {\'e}tude propose de compl{\'e}ter la caract{\'e}risation des attributs obtenus par le BA-LR, {\`a} l{'}aide de param{\`e}tres de qualit{\'e} de voix. L{'}analyse sugg{\`e}re que plusieurs attributs utilisent les types de phonation pour regrouper les locuteurs, ceux-ci encodant des informations humainement perceptibles. Cet article pose ainsi des bases pour l{'}analyse acoustique des attributs, qui permettra {\`a} terme d{'}utiliser le BA-LR dans le cadre du profilage vocal."
}