Pour commencer, il est important de savoir qu’aucune donnée biométrique n’est précise à 100 %. Par example, une Etude 2014 sur la reconnaissance de l'iris La précision de détermination du système peut être comprise entre 90 et 99 %, une large plage. La précision biométrique vocale se situe également dans cette fourchette pour diverses raisons. Cependant, même avec ses imperfections, la biométrie vocale reste un outil précieux.
La méthode d'évaluation de l'exactitude d'un système biométrique vocal est le « taux d'erreur égal » ou « EER ». L'EER est le point auquel le « taux de fausse acceptation » ou « FAR » (c'est-à-dire laisser passer les fraudeurs) est égal au « taux de faux rejet » ou « FRR » (c'est-à-dire refuser l'accès aux utilisateurs valides). Les systèmes de notation biométrique vocale sont basés sur des probabilités statistiques. Il existe donc un compromis entre ces erreurs qui doit être pris en compte. Par exemple, si vous définissez le niveau de confiance sur « élevé » pour empêcher les fraudeurs, vous risquez de bloquer des utilisateurs plus valides, provoquant ainsi des perturbations. Définir un niveau de confiance « inférieur » offrira plus de confort à vos utilisateurs valides, mais vous risquez de laisser entrer davantage de fraudeurs. VBG travaillera avec vous pour offrir l’équilibre optimal entre sécurité et confort. Notez également que l'EER est mesuré pour un seul essai. En autorisant les tentatives dans votre application, vous pouvez augmenter la probabilité qu'un utilisateur valide réussisse à effectuer une deuxième ou une troisième tentative, même si vous avez initialement défini un niveau de confiance élevé pour rejeter les fraudeurs.
Notez que les résultats EER, FAR et FRR proviennent de l'ensemble d'échantillons audio utilisés pour traiter et obtenir ces mesures. Méfiez-vous des valeurs EER très faibles annoncées par certains fournisseurs, car les résultats EER dérivés du laboratoire peuvent être facilement manipulés en supprimant les échantillons qui ont un impact négatif sur les résultats. Les résultats EER sont aussi bons que l’échantillonnage des données effectué pour leurs calculs. Des résultats inattendus dans le monde réel peuvent (et se produiront) si votre échantillonnage n'est pas véritablement représentatif de la population d'utilisateurs finaux, de la langue et du dialecte particuliers, du type d'appareil utilisé, de l'environnement dans lequel la parole a été collectée, etc. Par conséquent, nous vous recommandons de comparer les systèmes biométriques vocaux basés sur des utilisateurs réels, notamment en effectuant des essais dans l'environnement de production souhaité,
D’autres facteurs importants influençant l’EER réel sont le contenu des échantillons de parole et la présence de bruit. Si l'échantillon vocal est trop bruyant ou si des informations incorrectes sont transmises au système biométrique vocal, le moteur biométrique vocal aura alors des difficultés à utiliser l'échantillon vocal pour effectuer des déterminations précises. L’utilisation de différents types d’appareils peut également affecter les résultats.
Par exemple, les réseaux de téléphonie mobile utilisent des techniques de compression différentes de celles des réseaux fixes – cela affecte le processus biométrique vocal qui extrait les caractéristiques vocales uniques des échantillons de parole.
