Les fichiers audio et vidéo occupent une place considérable dans notre quotidien professionnel et personnel. Que ce soit pour des réunions d’entreprise, des conférences, des interviews, des podcasts, des cours en ligne ou des contenus multimédias variés, la quantité de données sonores produites chaque jour atteint des proportions impressionnantes. Face à cette abondance, la transcription audio s’impose comme une solution indispensable pour rendre ces contenus accessibles, exploitables et pérennisés sous forme écrite. Cette transformation du son en texte répond à des besoins multiples qui vont bien au-delà de la simple commodité, touchant des enjeux d’accessibilité, de référencement, d’archivage et d’efficacité professionnelle.
Une pratique ancestrale réinventée par la technologie
La transcription de contenu parlé existe depuis l’invention de l’écriture elle-même, lorsque les scribes consignaient les discours, les décisions judiciaires ou les enseignements oraux. Pendant des siècles, cette activité demeura exclusivement manuelle, nécessitant des compétences spécialisées en sténographie ou en dactylographie rapide. Les sténographes judiciaires et les secrétaires de rédaction constituaient des professions respectées dont l’expertise permettait de capturer fidèlement les paroles prononcées lors d’événements importants.
L’apparition des premiers enregistreurs audio au début du XXe siècle révolutionna partiellement le domaine, permettant aux transcripteurs de travailler à leur propre rythme en rembobinant et réécoutant les passages difficiles. Les magnétophones, puis les enregistreurs numériques, améliorèrent progressivement la qualité sonore et facilitèrent la manipulation des fichiers. Toutefois, le processus restait fondamentalement manuel et chronophage, nécessitant généralement entre quatre et six heures de travail pour transcrire une heure d’enregistrement, selon la complexité du contenu et la qualité audio.
L’avènement de l’intelligence artificielle et des algorithmes d’apprentissage automatique a profondément transformé le paysage de la transcription au cours des deux dernières décennies. Les technologies de reconnaissance vocale automatique ont progressé de manière spectaculaire, passant de systèmes rudimentaires nécessitant un entraînement individuel et offrant une précision médiocre, à des solutions sophistiquées capables de transcrire avec une exactitude remarquable des conversations spontanées dans de multiples langues et accents. Cette évolution technologique a démocratisé l’accès à la transcription, la rendant accessible à un public beaucoup plus large que les seuls professionnels disposant de budgets conséquents.
Les moteurs de la demande croissante en transcription
Plusieurs facteurs convergents expliquent l’explosion de la demande en services de transcription audio observée ces dernières années. La transformation numérique des entreprises constitue sans doute le catalyseur principal de cette croissance. Les organisations de toutes tailles ont massivement adopté les outils de communication virtuelle, particulièrement depuis la pandémie mondiale qui a accéléré le recours au télétravail et aux réunions en ligne. Les plateformes de visioconférence génèrent quotidiennement des millions d’heures d’enregistrements qui nécessitent souvent une documentation écrite pour assurer le suivi des décisions, faciliter la diffusion de l’information et créer des archives consultables.
L’industrie du contenu représente un autre moteur majeur de cette demande. Les podcasts ont connu une croissance exponentielle, avec des millions d’émissions produites dans pratiquement toutes les langues et sur tous les sujets imaginables. Les créateurs de ces contenus ont rapidement compris que proposer des transcriptions textuelles améliore considérablement leur référencement naturel sur les moteurs de recherche, parce que les robots d’indexation ne peuvent pas analyser directement le contenu audio. Une transcription bien optimisée permet aux podcasts d’apparaître dans les résultats de recherche pertinents, augmentant ainsi leur visibilité et leur audience potentielle.
Les médias traditionnels et les plateformes de streaming vidéo ont également contribué à cette expansion. La production de sous-titres pour les films, séries, documentaires et autres contenus audiovisuels nécessite une transcription préalable précise. Au-delà de l’amélioration de l’expérience utilisateur pour les spectateurs préférant regarder avec les sous-titres, cette pratique répond à des obligations légales d’accessibilité de plus en plus strictes dans de nombreux pays, imposant la fourniture de contenus adaptés aux personnes malentendantes ou sourdes.
Le secteur académique et éducatif constitue un autre domaine où la transcription connaît une demande soutenue. Les universités enregistrent des conférences, des séminaires et des cours qu’elles souhaitent rendre disponibles sous format texte pour faciliter la révision des étudiants, permettre la recherche de passages spécifiques et assurer l’accessibilité aux personnes en situation de handicap. Les chercheurs qui mènent des interviews qualitatives ou des groupes de discussion ont besoin de transcriptions fidèles pour analyser leurs données et produire leurs publications scientifiques.
Le domaine juridique et médical maintient une demande constante et exigeante en transcription de haute précision. Les tribunaux nécessitent des comptes rendus exacts des audiences, témoignages et délibérations. Les professionnels de santé dictent des notes cliniques, des rapports d’examens et des observations médicales qui doivent être transcrites dans les dossiers patients. Ces contextes imposent des standards de qualité particulièrement élevés, car la moindre erreur peut avoir des conséquences importantes, parfois même juridiques.
Les bénéfices multiples de la transcription pour les organisations
L’adoption de pratiques systématiques de transcription audio procure aux organisations des avantages substantiels qui justifient l’investissement en temps et en ressources. L’amélioration de l’accessibilité figure parmi les motivations les plus nobles et les plus impactantes. Transformer le contenu audio en texte permet aux personnes sourdes ou malentendantes d’accéder pleinement à des informations qui leur seraient autrement inaccessibles. Cette démarche inclusive s’inscrit dans une prise de conscience croissante des enjeux de diversité et d’inclusion, et répond dans de nombreux cas à des obligations réglementaires comme l’Americans with Disabilities Act aux États-Unis ou les directives européennes sur l’accessibilité numérique.
La recherchabilité des contenus constitue un autre avantage majeur fréquemment sous-estimé. Une fois transcrit, un enregistrement audio devient immédiatement consultable via des fonctions de recherche textuelle. Au lieu de devoir réécouter intégralement un fichier audio de plusieurs heures pour retrouver un passage spécifique, il suffit de rechercher un mot-clé dans la transcription pour localiser instantanément l’information désirée. Cette capacité transforme radicalement l’utilisation pratique des archives audio et vidéo, les rendant véritablement exploitables comme ressources documentaires.
L’optimisation pour les moteurs de recherche représente un atout considérable pour quiconque diffuse du contenu en ligne. Les algorithmes de Google et autres moteurs ne peuvent pas indexer directement le contenu audio ou vidéo, mais analysent parfaitement le texte. En publiant des transcriptions accompagnant leurs contenus multimédias, les créateurs augmentent significativement leur visibilité organique. Les pages contenant des transcriptions riches en mots-clés pertinents tendent à mieux se positionner dans les résultats de recherche, générant davantage de trafic qualifié sans investissement publicitaire supplémentaire.
La productivité organisationnelle s’améliore également grâce aux transcriptions. Les comptes rendus de réunions produits automatiquement permettent aux participants de se concentrer pleinement sur les discussions plutôt que de prendre des notes, tout en garantissant qu’aucun point important ne soit oublié. Les collaborateurs absents peuvent rapidement se mettre à niveau en parcourant la transcription plutôt qu’en écoutant l’enregistrement complet. Les décisions et actions à entreprendre peuvent être extraites et distribuées efficacement aux parties concernées.
La création de contenus dérivés devient considérablement plus facile avec une transcription disponible. Un podcast peut être transformé en article de blog, en publication sur les réseaux sociaux, en infographie ou en newsletter avec un effort réduit. Une conférence peut être déclinée en livre blanc, en série d’articles ou en supports de formation. Cette capacité de réutilisation maximise le retour sur investissement du contenu original et permet d’atteindre des audiences qui préfèrent différents formats de consommation de l’information.
Les différentes approches techniques de la transcription
Les technologies actuelles offrent plusieurs méthodes de transcription qui se distinguent par leur niveau d’automatisation, leur précision, leur coût et leur rapidité. Comprendre ces différentes approches permet de choisir la solution la plus adaptée à chaque contexte et contrainte.
La transcription manuelle demeure la méthode la plus précise, particulièrement pour les contenus complexes comportant du vocabulaire spécialisé, des accents prononcés, de multiples interlocuteurs ou une qualité audio médiocre. Un transcripteur humain expérimenté écoute attentivement l’enregistrement et tape le texte correspondant, en ajoutant la ponctuation appropriée et en identifiant les différents locuteurs. Cette approche garantit une exactitude maximale, généralement supérieure à 99% pour des contenus de qualité standard, mais elle reste coûteuse et chronophage. Les tarifs varient considérablement selon la difficulté du contenu et les délais requis, oscillant généralement entre un et trois euros par minute audio.
La transcription automatisée utilise des algorithmes de reconnaissance vocale entraînés sur d’immenses corpus de données pour convertir automatiquement la parole en texte. Les progrès récents de l’apprentissage profond ont considérablement amélioré la performance de ces systèmes. Des solutions comme Google Speech-to-Text, Amazon Transcribe, Microsoft Azure Speech Services ou encore des outils spécialisés comme Otter.ai ou Rev offrent des taux de précision dépassant 85-90% dans des conditions optimales avec des locuteurs natifs s’exprimant clairement dans des environnements peu bruyants. Ces services présentent l’énorme avantage de la rapidité et du coût réduit, transcrivant généralement une heure d’audio en quelques minutes pour un prix inférieur à un euro.
Toutefois, les systèmes automatisés présentent des limites importantes. Ils peinent avec les accents régionaux prononcés, les terminologies techniques ou spécialisées absentes de leurs bases d’entraînement, les enregistrements de faible qualité acoustique, les conversations avec chevauchements de parole ou bruit de fond important. La ponctuation automatique, bien qu’en amélioration constante, reste généralement moins nuancée que celle d’un transcripteur humain. L’identification des locuteurs fonctionne correctement avec des voix très distinctes, mais peut confondre des personnes au timbre similaire.
L’approche hybride combine les avantages des deux méthodes précédentes. Une première passe automatisée produit une transcription brute rapide et économique, puis un réviseur humain corrige les erreurs, améliore la ponctuation, vérifie l’orthographe des noms propres et termes techniques, et formate le document selon les exigences spécifiques. Cette méthode permet d’atteindre une précision proche de la transcription entièrement manuelle, tout en réduisant significativement les coûts et délais par rapport à celle-ci. De nombreux services professionnels adoptent désormais ce modèle hybride qui optimise le rapport qualité-prix-délai.
Les défis techniques et linguistiques de la reconnaissance vocale
Malgré les progrès impressionnants accomplis, la reconnaissance vocale automatique doit encore surmonter plusieurs obstacles techniques et linguistiques pour atteindre une fiabilité universelle. La qualité audio demeure le facteur le plus déterminant de la performance. Les enregistrements effectués avec du matériel professionnel dans des environnements acoustiquement traités produisent des résultats nettement supérieurs aux captations réalisées avec le microphone intégré d’un smartphone dans un espace réverbérant ou bruyant. Le bruit de fond, qu’il s’agisse de conversations périphériques, de climatisation, de trafic routier ou de musique d’ambiance, dégrade substantiellement la capacité des algorithmes à distinguer clairement la parole du signal parasite.
Les chevauchements de parole constituent une difficulté majeure dans les conversations naturelles où les interlocuteurs s’interrompent mutuellement, complètent les phrases d’autrui ou parlent simultanément. Les systèmes actuels gèrent mal ces situations et produisent souvent des transcriptions confuses mélangeant les paroles de différents locuteurs. Des recherches actives visent à améliorer la capacité des algorithmes à séparer les sources sonores et à attribuer correctement les énoncés, mais cette problématique demeure largement non résolue dans les scénarios complexes.
La diversité des accents représente un défi considérable, parce que les systèmes de reconnaissance vocale doivent être entraînés sur des échantillons représentatifs de la variabilité phonétique réelle. Un algorithme entraîné principalement sur de l’anglais américain standard peine à comprendre de l’anglais écossais, australien ou indien. Chaque langue présente ses propres variations régionales qui affectent la prononciation, le rythme et l’intonation. Les éditeurs de solutions de transcription doivent développer des modèles spécifiques pour chaque langue et, idéalement, pour chaque variante régionale significative, ce qui multiplie les efforts de développement et de maintenance.
Le vocabulaire spécialisé pose également problème. Les termes techniques médicaux, juridiques, scientifiques ou propres à un domaine d’activité spécifique sont souvent absents des corpus d’entraînement généralistes. Les algorithmes tentent alors de les transcrire phonétiquement, produisant des approximations incorrectes qui peuvent altérer complètement le sens. Certains systèmes permettent d’ajouter des lexiques personnalisés contenant les termes spécifiques à un contexte donné, améliorant ainsi la reconnaissance de ce vocabulaire particulier.
Les homophones créent des ambiguïtés que seul le contexte permet de résoudre. En français, « ver », « verre », « vers » et « vert » se prononcent identiquement, et seule la compréhension sémantique de la phrase permet de choisir la graphie correcte. Les systèmes les plus sophistiqués intègrent des modèles de langage analysant le contexte pour effectuer ces choix, mais des erreurs subsistent inévitablement, particulièrement dans des formulations inhabituelles ou créatives.
La ponctuation automatique reste imparfaite. Déterminer où placer les virgules, points, points d’interrogation et autres signes de ponctuation requiert une compréhension syntaxique et sémantique fine que les algorithmes ne maîtrisent pas encore totalement. Les pauses dans le discours oral ne correspondent pas systématiquement aux marques de ponctuation écrite, et les locuteurs ne signalent pas explicitement où ils terminent leurs phrases. Les systèmes modernes s’appuient sur des modèles probabilistes analysant la structure grammaticale pour insérer la ponctuation, mais le résultat nécessite souvent une révision humaine pour atteindre une qualité éditoriale satisfaisante.
Les applications sectorielles de la transcription audio
Différents secteurs d’activité ont développé des usages spécifiques de la transcription, adaptés à leurs besoins particuliers et contraintes opérationnelles. Examiner ces applications concrètes permet de mesurer l’impact pratique de cette technologie.
Dans le domaine journalistique, la transcription accélère considérablement le travail des reporters qui mènent des interviews. Plutôt que de réécouter intégralement les enregistrements pour extraire les citations pertinentes, les journalistes peuvent parcourir rapidement les transcriptions pour localiser les passages intéressants, vérifier l’exactitude des propos avant publication et construire leurs articles plus efficacement. Les rédactions qui produisent du contenu podcast publient systématiquement les transcriptions pour améliorer leur référencement et offrir une alternative de lecture à leur audience.
Le secteur du marketing et de la communication exploite la transcription pour analyser les interactions avec les clients. Les enregistrements d’appels téléphoniques au service client, une fois transcrits, peuvent être analysés pour identifier les problématiques récurrentes, évaluer la qualité du service, détecter des opportunités d’amélioration et alimenter les formations des équipes. Les focus groups et études qualitatives génèrent des heures d’échanges riches que la transcription rend exploitables pour l’analyse thématique et l’extraction d’insights consommateurs.
L’enseignement à distance et les plateformes éducatives s’appuient massivement sur la transcription pour rendre leurs contenus accessibles et flexibles. Les cours vidéo accompagnés de transcriptions permettent aux apprenants de réviser à leur rythme, de rechercher des passages spécifiques et d’étudier dans des environnements où l’écoute audio n’est pas possible ou pratique. Les transcriptions facilitent également la traduction des contenus éducatifs dans d’autres langues, élargissant ainsi leur portée internationale.
Le domaine de la recherche qualitative en sciences sociales dépend fondamentalement de transcriptions d’entretiens, d’observations et d’enregistrements ethnographiques. Les chercheurs doivent disposer de versions textuelles précises de leurs données pour effectuer des analyses thématiques, identifier des patterns récurrents, coder les contenus selon des grilles d’analyse et étayer leurs conclusions par des citations exactes. La qualité de la transcription influence directement la rigueur méthodologique et la validité des résultats de recherche.
Dans l’univers de la création de contenu numérique, les influenceurs, vidéastes et podcasteurs utilisent la transcription pour repurposer leurs contenus sous différents formats. Une vidéo YouTube peut être transformée en article de blog, en thread Twitter, en carrousel Instagram ou en newsletter. Cette stratégie de content marketing maximise la visibilité et permet d’atteindre des audiences ayant des préférences différentes de consommation de contenu.
Le secteur légal maintient des exigences extrêmement rigoureuses en matière de transcription. Les dépositions, témoignages, audiences et arbitrages doivent être documentés avec une précision absolue, car ces documents constituent des preuves légales et peuvent être scrutés attentivement lors de procédures judiciaires. Les transcripteurs juridiques spécialisés possèdent une connaissance approfondie de la terminologie légale et respectent des normes strictes de formatage et de certification.
La protection des données et les enjeux de confidentialité
La confidentialité des informations contenues dans les fichiers audio constitue une préoccupation majeure lors du recours à des services de transcription, particulièrement lorsque ces services sont fournis par des plateformes tierces basées dans le cloud. Les enregistrements peuvent contenir des données sensibles personnelles, médicales, financières ou stratégiques dont la divulgation pourrait avoir des conséquences graves.
Les organisations doivent s’assurer que les prestataires de transcription respectent les réglementations applicables en matière de protection des données, notamment le Règlement Général sur la Protection des Données en Europe ou le Health Insurance Portability and Accountability Act aux États-Unis pour les données de santé. Ces cadres légaux imposent des obligations strictes concernant le traitement, le stockage et la sécurisation des informations personnelles.
Les solutions de transcription peuvent adopter différentes architectures ayant des implications distinctes pour la confidentialité. Les services cloud nécessitent l’upload des fichiers audio vers des serveurs distants où le traitement s’effectue, ce qui crée potentiellement des vulnérabilités si les communications ne sont pas chiffrées ou si les serveurs sont insuffisamment sécurisés. Certains fournisseurs proposent des garanties contractuelles de non-conservation des données après traitement et de chiffrement de bout en bout, mais les organisations manipulant des informations hautement sensibles peuvent préférer des solutions on-premise fonctionnant localement sans transmission externe.
Les transcripteurs humains, qu’ils soient employés internes ou freelances externes, doivent également être soumis à des obligations de confidentialité strictes, formalisées par des clauses contractuelles de non-divulgation. Les agences professionnelles de transcription sélectionnent rigoureusement leurs collaborateurs et leur font signer des engagements de confidentialité, mais le risque zéro n’existe pas dès lors que des humains accèdent au contenu.
L’anonymisation des transcriptions peut constituer une mesure de protection supplémentaire lorsque l’identité des locuteurs n’est pas essentielle à l’utilisation finale du document. Remplacer les noms propres, les références géographiques précises et autres éléments identifiants par des pseudonymes ou des codes réduit substantiellement les risques en cas de divulgation accidentelle ou malveillante.
Le futur de la transcription : vers une précision parfaite
Les trajectoires d’évolution technologique laissent entrevoir des améliorations continues et substantielles des capacités de transcription automatique dans les années à venir. Les modèles d’intelligence artificielle actuels reposent sur des architectures de réseaux de neurones profonds entraînés sur des quantités massives de données audio annotées. Plus ces modèles sont exposés à de la diversité linguistique, acoustique et contextuelle, plus leurs performances s’améliorent.
Les modèles multimodaux représentent une piste prometteuse, combinant l’analyse du signal audio avec d’autres sources d’information comme la vidéo des locuteurs. Observer les mouvements des lèvres et les expressions faciales peut aider à désambiguïser des passages difficiles et améliorer la précision, particulièrement dans des environnements bruyants. Cette approche imite la façon dont les humains utilisent inconsciemment la lecture labiale pour compléter leur compréhension auditive.
L’intégration de modèles de langage toujours plus sophistiqués permettra une meilleure compréhension contextuelle et sémantique, améliorant la sélection des homophones corrects, la ponctuation appropriée et même la détection automatique d’erreurs probables pour révision humaine ciblée. Les avancées récentes dans les architectures transformer et les modèles pré-entraînés de type GPT démontrent des capacités remarquables de compréhension du langage naturel qui peuvent être exploitées pour raffiner les transcriptions.
La personnalisation des modèles selon les utilisateurs spécifiques deviendra plus accessible. Un système pourrait s’adapter automatiquement au vocabulaire particulier d’une entreprise, aux noms des collaborateurs fréquemment mentionnés, aux acronymes internes et aux tournures linguistiques caractéristiques, améliorant progressivement sa précision au fil des utilisations.
La transcription en temps réel avec latence minimale progresse également, ouvrant de nouvelles applications comme le sous-titrage instantané d’événements en direct, l’assistance aux malentendants lors de conversations spontanées ou la traduction simultanée combinant transcription et traduction automatique. Ces capacités existent déjà sous forme expérimentale ou avec des limitations, mais leur maturité technique croissante les rendra progressivement plus fiables et accessibles.
L’émergence de modèles open source performants démocratise l’accès à ces technologies, permettant aux développeurs et organisations de déployer leurs propres solutions sans dépendre exclusivement de services propriétaires cloud. Des projets comme Whisper d’OpenAI, Mozilla DeepSpeech ou Kaldi offrent des alternatives libres qui peuvent être adaptées à des besoins spécifiques et hébergées localement pour répondre aux exigences de confidentialité les plus strictes.
Les compétences humaines irremplaçables dans la transcription
Malgré les progrès technologiques impressionnants, certaines dimensions de la transcription de qualité demeurent l’apanage exclusif de l’expertise humaine et résistent à l’automatisation complète. La compréhension contextuelle profonde nécessaire pour transcrire correctement des conversations comportant de l’ironie, du sarcasme, des métaphores ou des références culturelles dépasse largement les capacités actuelles des algorithmes. Un transcripteur humain expérimenté saisit les nuances subtiles du discours et peut interpréter correctement des formulations ambiguës grâce à sa connaissance du monde et sa compréhension des dynamiques sociales.
Le jugement éditorial requis pour déterminer ce qui mérite d’être conservé ou éliminé dans une transcription reste fondamentalement humain. Les enregistrements contiennent fréquemment des hésitations, des faux départs, des répétitions et des digressions que le transcripteur doit décider de conserver intégralement pour une fidélité absolue, ou de nettoyer partiellement pour améliorer la lisibilité selon le contexte d’utilisation. Cette décision nécessite une appréciation fine de l’objectif final de la transcription.
La maîtrise stylistique permettant de transformer le langage oral spontané, souvent décousu et grammaticalement approximatif, en prose écrite fluide et correcte, constitue un art que les algorithmes ne maîtrisent pas. Les professionnels qualifiés peuvent produire différents niveaux de transcription, du verbatim strict capturant chaque son et hésitation, à la transcription éditée supprimant les tics de langage et restructurant légèrement les phrases pour la clarté, jusqu’au compte rendu synthétique extrayant les points essentiels.
L’identification précise des locuteurs dans des conversations multi-participants, particulièrement lorsque les voix se ressemblent ou que les participants interviennent brièvement et sporadiquement, bénéficie grandement de l’intelligence humaine. Un transcripteur peut utiliser des indices contextuels subtils, reconnaître des patterns de prise de parole et même rechercher des informations complémentaires pour attribuer correctement les énoncés.
La révision qualité finale constitue une étape irremplaçable pour les transcriptions destinées à des usages critiques. Même les meilleures transcriptions automatisées ou hybrides nécessitent une vérification humaine pour éliminer les dernières erreurs, assurer la cohérence du formatage, vérifier l’orthographe des noms propres et termes techniques, et garantir que le document répond aux standards de qualité exigés. Cette fonction de contrôle qualité représente une compétence professionnelle spécifique qui s’acquiert par l’expérience et la formation.
La transcription audio connaît effectivement une croissance soutenue alimentée par la multiplication des contenus sonores, les avancées technologiques rendant le processus plus accessible et les exigences croissantes d’accessibilité et de référencement numérique. Les organisations de tous secteurs reconnaissent progressivement la valeur stratégique de transformer leurs actifs audio en documents textuels consultables, réutilisables et pérennes. Les solutions technologiques actuelles, combinant puissance des algorithmes d’intelligence artificielle et expertise humaine, offrent des niveaux de performance remarquables tout en continuant leur amélioration constante.
L’adoption généralisée de pratiques systématiques de transcription transformera profondément notre rapport aux contenus audiovisuels, les rendant véritablement aussi accessibles et exploitables que les documents textuels traditionnels. Cette évolution répond à des impératifs d’inclusion sociale, d’efficacité organisationnelle et d’optimisation de la visibilité numérique. Les défis techniques persistants en matière de qualité audio, de diversité linguistique et de compréhension contextuelle stimulent une innovation continue qui rapproche progressivement les systèmes automatisés de la performance humaine, sans toutefois pouvoir totalement s’y substituer pour les applications les plus exigeantes. L’avenir appartient vraisemblablement aux approches hybrides intelligentes qui orchestrent harmonieusement les forces complémentaires de l’automatisation rapide et économique avec le discernement, la sensibilité contextuelle et le jugement éditorial que seuls les professionnels humains peuvent apporter.
