Vous utilisez la reconnaissance vocale (speech to text) plus que vous ne le pensez. Elle écrit la légende sous une vidéo, transforme un message vocal en texte, et tape le message que vous dictez à votre téléphone en marchant. Et pour un nombre croissant de personnes, elle est devenue la principale façon d’écrire.
Ce guide de la reconnaissance vocale explique ce qu’est cette technologie, comment fonctionnent les systèmes modernes en termes simples, la vraie différence entre traitement sur l’appareil et dans le cloud, et comment choisir un outil. C’est un point de départ : quand un sujet mérite sa propre page, nous y renvoyons.
Un mot sur celui qui écrit : je crée LumeVoice, une appli de dictée par IA. J’ai essayé de rendre ce guide utile quel que soit l’outil que vous choisirez.
Ce qu’est la reconnaissance vocale#
La reconnaissance vocale (en anglais speech to text, ou automatic speech recognition, ASR) est un logiciel qui convertit le langage parlé en texte écrit. Elle prend trois formes principales :
- La dictée en direct. Vous parlez et les mots apparaissent dans l’appli que vous utilisez : un e-mail, un document, une zone de discussion.
- La transcription de fichiers. Vous lui donnez un enregistrement, comme un entretien ou un cours, et vous recevez une transcription.
- Les interfaces vocales. Les assistants et les modes vocaux transforment d’abord votre parole en texte, puis agissent dessus ou vous répondent.
La même technologie de base se trouve sous les trois. Ce qui diffère, c’est ce qui arrive au texte ensuite.
Comment fonctionne la reconnaissance vocale moderne, en termes simples#
Les chercheurs y travaillent depuis longtemps. L’un des premiers systèmes publiés, issu des Bell Labs en 1952, reconnaissait des chiffres prononcés par un seul locuteur (Davis, Biddulph et Balashek, « Automatic Recognition of Spoken Digits », Journal of the Acoustical Society of America). Pendant des décennies, les systèmes ont ensuite été construits à partir de pièces séparées : un modèle pour les sons, un pour les prononciations, un pour les suites de mots probables.
Les meilleurs systèmes actuels sont pour la plupart des réseaux de neurones uniques entraînés de bout en bout. Un exemple bien documenté est Whisper d’OpenAI, que ses auteurs ont entraîné sur 680 000 heures d’audio associées à des transcriptions, dans de nombreuses langues (Radford et al., 2022). Voici à peu près ce qui se passe quand vous parlez à un tel système :
- Votre micro capte le son sous la forme d’un flux de nombres décrivant la pression de l’air au fil du temps.
- L’audio est transformé en image du son. Le logiciel convertit de courtes tranches d’audio en spectrogramme, une carte des fréquences fortes à chaque instant. La parole y dessine des formes reconnaissables.
- Le modèle prédit les mots. Le réseau de neurones lit ces tranches et prédit le texte le plus probable, un petit morceau à la fois, en utilisant comme contexte tout ce qu’il a entendu jusque-là.
- Le texte est mis en forme. De nombreux modèles produisent directement la ponctuation et les majuscules ; d’autres les ajoutent dans une étape séparée.
- Éventuellement, un modèle de langage nettoie le texte. Les applis de dictée par IA font passer un second modèle sur le texte pour supprimer les « euh », appliquer vos corrections et corriger la grammaire.
Le mot important est prédit. Le modèle ne cherche rien dans une base : il fait une meilleure estimation à partir du son et du contexte. C’est pourquoi il est très bon avec le langage courant et moins fiable avec les noms rares, le jargon nouveau, le bruit de fond important ou un micro à l’autre bout de la pièce. Pour approfondir ce qui détermine la précision, voyez la précision de la dictée par IA : ce qui l’influence et comment la tester. Pour le déroulement pas à pas quand vous convertissez un enregistrement, voyez comment fonctionnent les convertisseurs audio en texte.
Transcription ou nettoyage#
L’étape 5 est celle où les outils diffèrent le plus. La reconnaissance vocale pure écrit ce que vous avez dit, faux départs compris. Le nettoyage transforme « donc la réunion est mardi, non, mercredi » en « La réunion est mercredi. » C’est utile pour votre propre écriture, et inadapté à tout ce qui doit être mot pour mot, comme une citation. Si vous hésitez sur la frontière entre dictée et écriture par IA, voix en texte ou rédaction par IA trace la ligne.
Sur l’appareil ou dans le cloud#
Tout outil de reconnaissance vocale exécute son modèle à l’un de deux endroits, et c’est le plus grand choix que vous ferez.
Sur votre appareil. Le modèle tourne sur votre téléphone ou votre ordinateur. Votre audio n’a pas besoin d’être envoyé, et cela peut fonctionner sans connexion. En contrepartie, la taille du modèle est limitée par votre matériel : certaines applis proposent donc le choix entre des modèles plus petits et plus rapides ou plus grands et plus lents. Exemples à octobre 2026 : la Dictée d’Apple sur iPhone dans de nombreuses langues (Apple), la saisie vocale avancée de Gboard sur les téléphones Pixel, et des applis comme Superwhisper et MacWhisper qui exécutent des modèles sur votre ordinateur.
Dans le cloud. Votre audio est envoyé à un serveur, traité, et le texte revient. Les serveurs peuvent exécuter rapidement de grands modèles sur n’importe quel appareil, y compris un vieil ordinateur portable, et ajouter une étape de nettoyage avec un modèle de langage plus gros. En contrepartie, il faut une connexion et vous faites confiance au fournisseur pour votre audio : lisez donc ce qu’il en fait, s’il le stocke, pour combien de temps, et s’il sert à l’entraînement. La saisie vocale de Windows (Microsoft), Wispr Flow et LumeVoice fonctionnent dans le cloud.
Aucun n’est meilleur en général. Si votre travail implique des enregistrements confidentiels ou si vous n’avez souvent pas de réseau, les outils sur l’appareil ont un vrai avantage. Si vous voulez les mêmes résultats sur tous les appareils et un nettoyage poussé, les outils cloud sont généralement plus forts. Notre explication de l’architecture vocale hybride traite du terrain intermédiaire.
Où la reconnaissance vocale est utilisée#
- L’écriture de tous les jours. E-mails, messages, documents et notes. C’est le domaine des applis de dictée.
- Les prompts pour assistants IA. Dire à voix haute une demande détaillée à ChatGPT, Claude ou Gemini est souvent plus facile que de la taper.
- Les enregistrements. Entretiens, cours, réunions, enregistrements vocaux et notes vocales.
- Les légendes et sous-titres pour la vidéo et les événements en direct.
- L’accessibilité. Pour les personnes souffrant de TMS, d’arthrose, de dyslexie ou de basse vision, la reconnaissance vocale peut aider à réduire la frappe. Voyez notre page accessibilité.
- Le travail professionnel. Cliniciens, avocats et sténographes judiciaires utilisent la dictée depuis des décennies, souvent avec des outils spécialisés.
- Les produits pour développeurs. Des applis qui ajoutent des fonctions vocales via une API de reconnaissance vocale.
Parler est aussi tout simplement rapide. Une étude de Stanford, de l’Université de Washington et de Baidu a constaté que la saisie vocale sur un téléphone était environ trois fois plus rapide que la frappe sur le clavier du téléphone (Ruan et al., 2016). Pour ce que cela signifie dans le travail réel, voyez dictée vocale ou clavier.
Comment choisir un outil de reconnaissance vocale#
Commencez par ce que vous voulez faire, puis parcourez ces questions.
1. Dictée en direct ou enregistrements ? Pour écrire au fil de l’eau, il vous faut une appli de dictée. Pour des enregistrements, un logiciel de transcription. Nos sélections se partagent de la même façon : meilleurs logiciels de dictée et meilleurs logiciels de transcription.
2. Quels appareils ? Les outils intégrés sont liés à une plateforme. Si vous passez d’un Mac au travail à un PC Windows à la maison et à un téléphone, vérifiez qu’un seul outil couvre tout. Sélections par plateforme : Mac, iPhone, Android, et notre liste d’applis de voix en texte sur toutes les plateformes.
3. Fonctionne-t-elle dans toutes les applis ? Certaines dictées ne fonctionnent que dans un seul programme, comme Word ou Google Docs. Les outils à l’échelle du système écrivent partout où se trouve votre curseur.
4. Texte brut ou texte nettoyé ? Si vous dictez de longs passages, le nettoyage épargne beaucoup de retouches. Si vous avez besoin d’un texte mot pour mot, désactivez le nettoyage ou utilisez un simple transcripteur.
5. Votre vocabulaire. Si vous employez des noms, des termes de produit ou du jargon, cherchez une fonction de vocabulaire personnalisé.
6. Confidentialité et connectivité. Décidez si le traitement dans le cloud est acceptable pour ce que vous allez dire. Sinon, choisissez un outil sur l’appareil et vérifiez les langues prises en charge.
7. Prix. Essayez d’abord l’option intégrée gratuite. Si vous dictez tous les jours et butez sur ses limites, une appli payante mérite un essai ; notre sélection d’applis de dictée pas chères compare les prix.
Commencez par ce que vous avez déjà#
À octobre 2026, toutes les grandes plateformes intègrent gratuitement la reconnaissance vocale :
- Mac : la Dictée, activée dans Réglages Système > Clavier (Apple ; notre mode d’emploi de la dictée sur Mac).
- Windows : la saisie vocale avec Win + H (Microsoft ; notre guide Windows).
- iPhone : la touche micro du clavier.
- Android : le micro de Gboard (Google).
Utilisez-en une pendant une semaine. Vous saurez vite si la dictée vous convient et ce que vous attendriez d’un meilleur outil.
Où se place LumeVoice#
LumeVoice est une appli de dictée par IA fonctionnant dans le cloud pour Mac, Windows, iPhone et Android, avec un seul abonnement pour les quatre. Sur un ordinateur, vous maintenez une touche (fn sur Mac, Ctrl + Win sur Windows), vous parlez et vous relâchez ; le texte arrive dans l’appli où se trouve votre curseur, sans mots de remplissage, avec les autocorrections appliquées, la ponctuation ajoutée et les listes parlées mises en forme. Elle fonctionne en 100 langues et ses applis de bureau transcrivent aussi des fichiers audio et vidéo. Votre audio n’est pas stocké après le traitement et ne sert jamais à entraîner des modèles.
Ce n’est pas le bon choix si vous devez travailler sans Internet, utiliser Linux ou ChromeOS, ou voulez une API de reconnaissance vocale pour votre propre logiciel. Pour cela, les sélections ci-dessus indiquent de meilleures options.
Essayez une reconnaissance vocale qui écrit comme vous l’entendiez
Maintenez une touche, dites ce que vous pensez, et obtenez un texte propre dans n’importe quelle appli sur Mac et Windows, avec iPhone et Android dans le même abonnement. Les nouveaux comptes reçoivent 3 000 mots gratuits, sans carte bancaire.
En bref#
- La reconnaissance vocale prédit des mots à partir du son ; elle est excellente avec le langage courant et a besoin d’aide pour les noms rares.
- Les outils sur l’appareil gardent l’audio chez vous et fonctionnent sans connexion ; les outils cloud exécutent de plus gros modèles sur n’importe quel appareil.
- Choisissez d’abord selon la tâche (dictée en direct ou enregistrements), puis les appareils, les applis, le nettoyage, le vocabulaire et la confidentialité.
- Essayez l’outil intégré gratuit avant de payer quoi que ce soit.
