Anonymisation vocale : de la dérive du vocoder aux codecs audio neuronaux et à l'évaluation robuste: La voix est une biométrie d'une richesse singulière. Les mêmes enregistrements qui alimentent les technologies vocales exposent aussi l'identité et des attributs sensibles, exploitables pour l'usurpation et la fraude. Cette thèse s'attaque à ces risques par la voice anonymization (VA) : la vie privée du locuteur est protégée en transformant son identité vocale en celle d'un pseudo-locuteur, tout en préservant l'utilité de l'audio. Cela est typiquement réalisé au moyen de voice conversion (VC) ou de techniques analogues. Dans le cadre de la VoicePrivacy Challenge (VPC), aujourd'hui à sa troisième édition, la VA est formalisée comme la dissimulation de l'identité du locuteur tout en conservant le contenu linguistique et paralinguistique. La confidentialité est évaluée face à un attaquant tentant de ré-identifier des données anonymisées au moyen de modèles d'Automatic Speaker Verification (ASV) adaptés au domaine anonymisé. L'utilité est mesurée par le Word Error Rate (WER), complété par des métriques secondaires évaluant la prosodie, la distinctivité vocale ou l'émotion. Nous décrivons l'analyse des résultats de la deuxième édition de la VPC réalisée par le candidat en tant qu'organisateur. Nous présentons ensuite des contributions originales. Nous examinons d'abord des chaînes fondées sur les x-vector, où un x-vector est extrait d'un signal non protégé, anonymisé en pseudo-locuteur via une fonction de perturbation, puis fourni au vocodeur pour la synthèse. Nous introduisons la vocoder drift : l'écart entre le x-vector du pseudo-locuteur et celui que l'on peut extraire de l'onde anonymisée après synthèse. Cette dérive reflète la contribution du vocodeur à l'anonymisation — que nos expériences montrent élevée. Nous démontrons qu'un adversaire peut l'exploiter via des attaques de drift-reversal, proches de l'état de l'art d'alors. Nous attribuons la vocoder drift à un feature mismatch : des indices de locuteur fuyant par des entrées non anonymisées (caractéristiques linguistiques) se ré-entrelacent avec les x-vectors anonymisés et provoquent des comportements inattendus. Nous concluons qu'en raison de cette non-fiabilité, l'effort de recherche doit se déplacer de la perturbation des x-vector vers des techniques de VC plus efficaces. Nous proposons une anonymisation fondée sur le neural audio codec (NAC) et le language modeling. La parole est représentée comme un flux de jetons sémantiques et acoustiques concaténés en un prompt ; un modèle de langue, conditionné par une voix de pseudo-locuteur, réalise la conversion vocale. Cette approche offre une forte confidentialité, une bonne distinctivité et une préservation de la hauteur, mais initialement un WER modeste ; nous introduisons une character-level conditioning qui injecte des informations textuelles dans le vocodeur et améliore le WER jusqu'à se rapprocher de celui de la parole non protégée. Le système NAC a été adopté comme baseline de la VPC 2024. Ces résultats soutiennent une vision de la VA comme un processus de "down-sampling/up-sampling", le premier assurant la confidentialité, le second l'utilité. Enfin, nous étudions le rôle de l'attaquant dans l'évaluation. Nous définissons la privacy overestimation : des Equal-Error Rate (EER) artificiellement élevés dus à un apprentissage sous-optimal de l'ASV. Nous décrivons des exemples, identifions des cas dans la littérature, en corrigeons un, et proposons un diagnostic pour détecter une sur-estimation potentielle. Forts de ces observations, nous proposons de renforcer la VA en forçant l'attaquant à un apprentissage sous-optimal par l'ajout de perturbations adversariales à des énoncés non protégés. Contrairement à la sur-estimation involontaire, cela constitue la première approche de défense proactive en VA. Nous concluons par des considérations générales et des pistes de futurs travaux. Nous soulignons la place de nos résultats dans les tendances actuelles de la recherche, alors que le domaine de la VA continue de se développer.