Contexte : L’analyse de la parole spontanée après cancer est essentielle en clinique, car il s’agit de la situation de production la plus « écologique » (Knuijt et al., 2017, Prins & Bastiaanse, 2004). Elle nécessite de pouvoir s’appuyer sur une transcription fiable. Actuellement, les systèmes de reconnaissance automatique de parole facilitant la transcription sont entraînés sur la parole typique, et prennent mal en compte les spécificités de la parole après cancer (Balaguer et al., 2021). Or, une reconnaissance lexicale plus juste permettrait des analyses plus précises du discours des patients, et l’accès à de nouvelles informations sur la dynamique psychosociale des patients. Objectifs : Étudier les performances de systèmes de reconnaissance automatique de parole (RAP) au niveau du mot appliqués à la parole spontanée après cancer. Méthodes : La parole spontanée de 12 patients traités pour un cancer oral ou oropharyngé a été enregistrée au cours d’un entretien. Une minute a été transcrite au niveau orthographique par un orthophoniste expert et deux sujets naïfs, sur l’hypothèse qu’un système entraîné sur de la parole typique aurait un comportement plus proche d’un auditeur naïf par réduction des effets d’expertise (Fex, 1992). Une transcription automatique au niveau du mot a été réalisée par plusieurs systèmes de RAP (Tableau 1). La boîte à outils HTK (Young et al., 2015) a permis d’obtenir des scores de comparaison avec les transcriptions des experts puis avec les naïfs. Des tests de comparaison 2 à 2 (test de Wilcoxon) ont été menés pour comparer les performances des systèmes entre eux, puis les performances de chaque système selon l’expertise du juge humain (expert vs naïfs).