Un convertisseur audio en texte prend un enregistrement et vous rend les mots. Cela paraît simple, et pour un enregistrement net d’une seule personne qui parle, ça l’est presque. Mais l’outil qui réussit un mémo vocal peut trébucher sur une réunion bruyante, et le site gratuit qui a converti votre fichier en a peut-être gardé une copie.
Ce guide explique ce qui se passe entre l’envoi et la transcription, quels formats de fichiers fonctionnent, ce qui décide de la précision, et comment réfléchir aux outils gratuits et à la confidentialité. Si vous voulez simplement une liste d’outils, consultez notre comparatif des meilleurs logiciels de transcription.
Ce que fait réellement un convertisseur#
Presque tous les convertisseurs suivent les mêmes étapes de base, quelle que soit la marque.
1. Décoder le fichier#
Votre enregistrement est un fichier compressé : mp3, m4a, ogg, etc. Le convertisseur le décode en audio brut, généralement ramené à un seul canal avec une fréquence d’échantillonnage fixe attendue par le modèle vocal. Si vous envoyez une vidéo, il en extrait la piste audio et ignore l’image.
2. Préparer et découper l’audio#
Les modèles vocaux travaillent sur de courtes fenêtres d’audio : les longs enregistrements sont donc découpés en morceaux, idéalement aux pauses. Certains outils détectent aussi les moments où personne ne parle pour les ignorer, et certains réduisent d’abord le bruit de fond.
3. Reconnaître la parole#
C’est le cœur du processus. Un modèle de reconnaissance vocale, entraîné sur de très grandes quantités de parole enregistrée et de texte correspondant, écoute chaque morceau et prédit les mots les plus probables. Les modèles modernes comme la famille ouverte Whisper d’OpenAI font cela dans un seul réseau, savent gérer de nombreuses langues et détectent souvent la langue tout seuls.
Le mot clé est prédit. Le modèle choisit les mots les plus probables d’après le son et le contexte. Quand le son est peu clair, il devine, et une erreur assurée ressemble exactement à une bonne réponse sur la page.
4. Ajouter de la structure#
La reconnaissance brute donne un flux de mots. Les convertisseurs ajoutent ensuite certains éléments parmi :
- La ponctuation et les majuscules, pour que le texte se lise comme des phrases.
- Les horodatages, qui relient chaque phrase à son point dans l’audio.
- Les étiquettes de locuteurs (« Locuteur 1 », « Locuteur 2 »), issues d’une étape distincte appelée diarisation, qui regroupe les voix.
- Les fichiers de sous-titres (SRT, VTT) pour la vidéo.
5. Nettoyage facultatif#
Les outils plus récents font passer un modèle de langage sur la transcription pour supprimer les mots de remplissage, corriger la grammaire, résumer ou transformer un monologue décousu en paragraphes lisibles. C’est utile pour vos propres notes, et inadapté à tout ce qui doit être mot pour mot, comme une citation ou une preuve.
Où se fait le travail : sur votre ordinateur ou le leur#
Chaque convertisseur effectue les étapes ci-dessus soit sur votre appareil, soit sur un serveur.
- Sur votre ordinateur. Des applications comme MacWhisper (Mac) et Buzz (gratuit, Mac, Windows et Linux) téléchargent un modèle et l’exécutent sur votre machine. L’audio n’a jamais besoin d’être envoyé. La vitesse dépend de votre matériel, et les modèles plus grands et plus précis en demandent davantage.
- Dans le cloud. Les sites et services envoient votre fichier et le traitent sur leurs serveurs. Ils sont souvent plus rapides sur un portable modeste, fonctionnent depuis un téléphone et peuvent proposer des extras comme des résumés et le partage d’équipe. Mais votre audio vous échappe.
Aucun n’est meilleur en général. Cela dépend de ce que contient l’enregistrement.
Formats de fichiers#
La plupart des convertisseurs acceptent les formats courants :
| Format | Où vous le rencontrerez |
|---|---|
| mp3 | Podcasts, anciens enregistreurs, la plupart des téléchargements |
| m4a / aac | Dictaphone de l’iPhone, de nombreux enregistreurs de téléphone |
| wav / aiff | Enregistreurs professionnels, audio non compressé |
| flac | Archives sans perte |
| ogg / opus | Notes vocales d’applications de messagerie, certains enregistreurs Android |
| mp4 / mov / webm | Vidéo ; le convertisseur utilise la piste audio |
Faites défiler pour voir toutes les colonnes
Si un outil rejette votre fichier, convertissez-le en mp3 ou wav avec un éditeur audio gratuit et réessayez. La compression nuit rarement à la transcription à qualité normale ; un mauvais micro lui nuit bien davantage.
Ce qui décide de la précision#
Il n’existe pas de chiffre de précision unique pour un convertisseur, car l’enregistrement compte plus que le logiciel. Approximativement par ordre d’impact :
- La distance au micro. Un téléphone dans une poche ou de l’autre côté d’une table capte la pièce. Un micro près de la bouche capte la voix.
- Le bruit de fond. Cafés, circulation, climatisation et bruit de clavier rivalisent tous avec la parole.
- Les locuteurs qui se chevauchent. Quand les gens se coupent la parole, les deux voix sont moins bien transcrites, et les étiquettes de locuteurs s’embrouillent.
- Les accents et les langues. Les modèles sont meilleurs dans les langues et les accents qu’ils ont le plus vus à l’entraînement.
- Les noms et le jargon. Un modèle n’a jamais entendu le nom de famille de votre client ni le code interne de votre produit. Certains outils permettent d’ajouter un vocabulaire ou une consigne ; nous expliquons comment cela marche dans le vocabulaire personnalisé pour la dictée.
- La taille du modèle. Les modèles plus grands sont généralement plus précis et plus lents. Les applications locales vous laissent souvent choisir.
Prenez avec précaution tout pourcentage de précision publié. Il a été mesuré sur l’audio de quelqu’un d’autre, et le vôtre est différent.
Gratuit ou payant#
Le gratuit est désormais vraiment bon, grâce aux modèles ouverts :
- Les applications locales comme Buzz ne coûtent rien et n’ont pas de limite de minutes, si votre ordinateur est à la hauteur.
- Les outils intégrés transcrivent vos propres enregistrements : Dictaphone sur iPhone et Mac, Enregistreur sur Pixel. Voir comment transcrire des enregistrements vocaux.
- Les offres gratuites des services cloud conviennent pour un usage occasionnel, mais plafonnent les minutes par mois, les minutes par fichier ou le nombre d’envois.
- Les sites gratuits sans compte sont ceux dont il faut le plus se méfier. Vérifiez qui les gère et ce qu’ils font de votre fichier.
Les outils payants méritent leur prix par leur confort et leurs extras : des étiquettes de locuteurs qui fonctionnent, le partage d’équipe, des bots de réunion, l’édition de l’audio par l’édition du texte, et la transcription humaine où une personne vérifie chaque ligne. Si vos enregistrements sont juridiques, médicaux, de recherche ou destinés à la publication, une relecture humaine mérite d’être budgétée.
Confidentialité : ce que devient votre envoi#
Avant d’envoyer un enregistrement à un convertisseur en ligne, trouvez dans sa politique de confidentialité ou ses conditions les réponses à quatre questions :
- Le fichier est-il conservé, et combien de temps après le traitement ?
- Qui peut y accéder : employés, prestataires, sous-traitants ?
- Sert-il à entraîner des modèles ? Certains services le font par défaut, sauf si vous vous y opposez.
- Où est-il traité, si votre organisation a des règles à ce sujet ?
Pensez ensuite aux personnes présentes sur l’enregistrement. Un mémo de vos propres idées, c’est votre décision. Un entretien, un patient, un client ou un collègue, ce n’est pas seulement à vous de l’envoyer. Obtenez un consentement avant d’enregistrer des personnes, suivez les règles de votre organisation, et utilisez un outil local en cas de doute.
Convertisseur, transcripteur ou application de dictée ?#
Ces catégories se recoupent : il aide donc de nommer la tâche.
- Convertisseur / transcripteur : un enregistrement existe ; vous voulez du texte. Les étiquettes de locuteurs et les horodatages comptent pour les entretiens et les réunions.
- Application de dictée : rien n’est encore enregistré ; vous voulez vos mots saisis dans un e-mail ou un document pendant que vous parlez. Voir les meilleures applications de voix en texte.
LumeVoice est avant tout une application de dictée, et ses applications Mac et Windows convertissent aussi des fichiers : audio mp3, m4a, wav, aac, aiff, flac et ogg, et vidéo mp4, mov et m4v (Windows lit aussi wma, wmv et webm). Ouvrez un fichier depuis la barre des menus ou la zone de notification, avec « Ouvrir avec » dans le Finder ou depuis le menu contextuel de l’Explorateur, et vous obtenez une prose nettoyée, sans mots de remplissage, avec autocorrections appliquées et paragraphes ajoutés, copiée dans votre presse-papiers et enregistrée dans votre historique.
Il convient bien aux mémos, aux monologues enregistrés pour vider sa tête et aux exposés que vous avez faits vous-même. Il ne convient pas aux réunions, aux entretiens ni aux sous-titres, puisqu’il ne produit ni étiquettes de locuteurs, ni horodatages, ni fichiers de sous-titres. Il est réservé à l’ordinateur et fonctionne dans le cloud : l’audio est envoyé pour traitement, n’est pas conservé ensuite et n’est pas utilisé pour entraîner des modèles. Si un enregistrement ne doit jamais quitter votre ordinateur, utilisez plutôt une application locale.
De l’enregistrement au brouillon lisible
LumeVoice convertit des fichiers audio en texte propre sur Mac et Windows, et saisit ce que vous dites dans n’importe quelle application sur les quatre plateformes. Chaque nouveau compte reçoit 3 000 mots gratuits, sans carte bancaire.
Une liste de vérification avant de convertir#
- Enregistrez près du locuteur, dans une pièce calme.
- Utilisez un format que l’outil accepte (mp3, m4a ou wav sont des valeurs sûres).
- Décidez si l’audio peut quitter votre ordinateur.
- Choisissez un texte verbatim ou nettoyé, selon son usage.
- Ajoutez noms et jargon là où l’outil le permet.
- Vérifiez noms, nombres et citations en écoutant l’audio.
- Gardez l’original jusqu’à ce que vous ayez terminé.
