@inproceedings{Alonzo-Canul-Lecouteux-Portet:CORIA-TALN:2025,
    author = "Alonzo Canul, Laura and Lecouteux, Benjamin and Portet, Fran\c{c}ois",
    title = "Vers l'entra{\^\i}nement de mod\`eles de reconnaissance automatique de la parole auto-supervis\'es \'equitables sans \'etiquettes d\'emographiques",
    booktitle = "Actes de CORIA-TALN-RJCRI-RECITAL 2025. Actes des 32\`eme Conf\'erence sur le Traitement Automatique des Langues Naturelles (TALN),  volume 1 : articles scientifiques originaux",
    month = "6",
    year = "2025",
    address = "Marseille, France",
    publisher = "Association pour le Traitement Automatique des Langues",
    pages = "780-790",
    note = "",
    abstract = "Malgr\'e des avanc\'ees importantes dans le domaine de la Reconnaissance Automatique de la Parole (RAP), les performances de reconnaissance restent in\'egales selon les groupes de locuteurs, ce qui pose des probl\`emes d'\'equit\'e. Bien qu'il existe des m\'ethodes pour r\'eduire ces in\'egalit\'es, elles d\'ependent de ressources externes au signal vocal, telles que des mod\`eles de locuteur (speaker embeddings) ou des \'etiquettes d\'emographiques textuelles, qui peuvent \^etre indisponibles ou peu fiables. Dans ce travail, nous proposons une m\'ethode pour am\'eliorer l'\'equit\'e dans la RAP qui ne d\'epend d'aucune de ces ressources. Notre approche utilise une m\'ethode de clustering non supervis\'e \`a partir de repr\'esentations acoustiques classiques, auto-supervis\'ees et hybrides. Nos exp\'eriences avec CommonV oice 16.1 d\'emontrent que les mod\`eles entra{\^\i}n\'es sur les clusters d\'ecouverts am\'eliorent les performances des groupes d\'emographiques d\'esavantag\'es tout en conservant des performances comp\'etitives et en utilisant deux fois moins de donn\'ees d'entra{\^\i}nement.",
    keywords = "\'equit\'e, apprentissage auto-supervis\'e, reconnaissance automatique de la parole",
    url = "https://talnarchives.atala.org/TALN/TALN-2025/105.pdf"
}