Objectif : Les systèmes de reconnaissance automatique de la parole (ASR) sont au cœur d’avancées technologiques récentes, mais leur application clinique est encore peu étudiée. Pourtant, ils présentent de multiples avantages dans l’évaluation de la parole des patients après cancer notamment sur le plan de la fiabilité. L’objectif est d’analyser les performances de systèmes ASR, appliqués à la parole après cancers de la cavité buccale ou de l’oropharynx, dans le diagnostic de la sévérité du trouble de parole et de l’altération de la communication.Matériel et méthodes : Des fichiers audio contenant une lecture de texte issue de deux corpora de parole après cancer (C2SI et RUGBI-SpeeCOmco) ont été décodés par deux systèmes de référence en reconnaissance automatique de la parole : OpenAI-Whisper (OAW) et SpeechBrain-wav2vec (SBW). Un score « taux d’erreurs mots » (WER), représentant la performance des systèmes ASR, a ensuite été obtenu au moyen de la boîte à outils HTK. Les performances de prédiction de la sévérité du trouble de la parole et de l’altération de communication ont finalement été analysées.Résultats : Les corrélations entre la sévérité du trouble et le WER sont modérées à élevées (|rS|≥0,76). Les performances prédictives sont systématiquement meilleures avec le système SBW (|rS|≥0,87). La prédiction de l’altération de communication est bonne (rS=0,84 avec le WER issu de SBW).Conclusions : La prédiction du trouble de parole en contexte cancérologique est possible grâce à la métrique du taux d’erreurs mots issue de systèmes de reconnaissance automatique de la parole. Cet outil est prometteur en clinique courante en raison de son caractère automatique, objectif, simple d’utilisation et open source, afin d’obtenir des mesures fiables au décours du suivi des patients, permettant d’ajuster au mieux les stratégies thérapeutiques.