# Transcrire un enregistrement en texte, en ligne ou en local

> Transformer une réunion, un entretien ou un mémo vocal en texte français : applis du téléphone, logiciels locaux, whisper.cpp pas à pas, services en ligne.

- Niveau : Amateur
- Thème : Son
- Durée : 18 minutes
- Systèmes : iPhone, Android, Mac, Windows, Linux, Navigateur
- Publié le 17 novembre 2026, relu le 17 novembre 2026
- Auteur : Ulrich Rozier
- Page : https://quelleia.com/guides/transcrire-un-enregistrement/

La transcription automatique, ou reconnaissance de la parole (ASR, pour « automatic speech recognition »), écrit ce qui se dit dans un enregistrement. Elle sert à garder une trace d'une réunion, à citer un entretien, à sous-titrer une vidéo ou à retrouver ce qui a été dit dans un mémo vocal. Des modèles ouverts de bon niveau tournent sur un ordinateur ordinaire, et même sur un téléphone, sans envoyer l'audio nulle part.

## Comment ça marche

Un modèle de transcription découpe le son en petits morceaux, reconnaît les mots prononcés et les écrit avec la ponctuation. Certains ajoutent l'heure de chaque phrase (pour faire des sous-titres) et séparent les intervenants (la « diarisation »). Le modèle le plus répandu, Whisper d'OpenAI, a ses poids publiés et comprend 99 langues, dont le français ; whisper.cpp le fait tourner vite sur un ordinateur ordinaire, et de nombreuses applis reposent sur lui.

![D'un fichier audio au texte : l'enregistrement, sa conversion si l'outil le demande, le modèle avec la langue fixée sur le français, le texte ou les sous-titres, puis la relecture.](https://quelleia.com/guides/transcrire-un-enregistrement/chaine-transcription.svg)

*D'un fichier audio au texte : l'enregistrement, sa conversion si l'outil le demande, le modèle avec la langue fixée sur le français, le texte ou les sous-titres, puis la relecture.*

## À quoi ça sert

- **Compte rendu de réunion.** Enregistrez, transcrivez, puis demandez à un assistant de résumer le texte.
- **Entretien ou interview.** Retrouvez une citation exacte sans réécouter une heure d'audio.
- **Sous-titres.** Un fichier `.srt` à importer dans votre logiciel de montage ou sur une plateforme vidéo.
- **Mémos vocaux.** Dictez vos idées en marchant, retrouvez-les en texte.
- **Dictée.** Certaines applis écrivent directement ce que vous dites dans le champ actif, dans n'importe quelle appli.

## Les outils, du plus simple au plus technique

**Sur le téléphone.** Sur Android, Gemini Nano sait transcrire la parole sur l'appareil, pour les applis qui s'en servent ; les Galaxy récents transcrivent et résument les enregistrements du Dictaphone. Sur iPhone, Whisper Notes ou Aiko transcrivent entièrement sur l'appareil.

**Sur l'ordinateur, sans terminal.** MacWhisper sur Mac, Buzz sur Mac, Windows et Linux (fichiers, liens YouTube ou micro, avec export de sous-titres). Pour la dictée, Handy et Murmure sont libres et tournent sur Windows, Mac et Linux.

**En ligne.** Les services comme Otter (notes de réunion) ou les API de Mistral (Voxtral Transcribe), d'ElevenLabs ou d'AssemblyAI transcrivent sur leurs serveurs, souvent avec la séparation des intervenants. C'est pratique, mais l'audio quitte votre machine.

**Transcrire et dicter**

1. [Aiko](https://quelleia.com/logitheque/aiko/) : code fermé (Sindre Sorhus)
2. [Buzz](https://quelleia.com/logitheque/buzz/) : open source (MIT) (Chidi Williams)
3. [FastFlowLM](https://quelleia.com/logitheque/fastflowlm/) : open source (MIT) (AMD)
4. [Handy](https://quelleia.com/logitheque/handy/) : open source (MIT) (CJ Pais)
5. [MacWhisper](https://quelleia.com/logitheque/macwhisper/) : code fermé (Good Snooze, Pays-Bas)
6. [Murmure](https://quelleia.com/logitheque/murmure/) : open source (AGPL-3.0) (Murmure)
7. [Otter.ai](https://quelleia.com/logitheque/otter/) : code fermé (Otter.ai, États-Unis)
8. [Superwhisper](https://quelleia.com/logitheque/superwhisper/) : code fermé (Superwhisper)
9. [VoiceInk](https://quelleia.com/logitheque/voiceink/) : open source (GPL-3.0) (Prakash Joshi)
10. [Whisper Notes](https://quelleia.com/logitheque/whisper-notes/) : code fermé (SmashMelon, États-Unis)
11. [whisper.cpp](https://quelleia.com/logitheque/whisper-cpp/) : open source (MIT) (ggml)
12. [Wispr Flow](https://quelleia.com/logitheque/wispr-flow/) : code fermé (Wispr, États-Unis)

Rangés par ordre alphabétique, sans note ni classement.
[Tous les logiciels de cet usage](https://quelleia.com/logitheque/usages/transcription/)

![Capture de l'appli Whisper Notes sur iPhone, titrée « Transcription précise » : la liste des notes transcrites, avec leur durée.](https://quelleia.com/guides/transcrire-un-enregistrement/boutique-whisper-notes.webp)

*Whisper Notes transcrit sur l'iPhone, sans connexion (capture : SmashMelon, App Store, relevée le 18 octobre 2026).*

## Pas à pas avec whisper.cpp

whisper.cpp fonctionne sur Mac, Windows et Linux. Des binaires prêts à l'emploi existent pour Windows et Linux ; sur Mac, on le compile, ce qui prend quelques commandes.

1. **Récupérez et compilez** (Mac et Linux ; il faut `git` et `cmake`) :

   ```bash
   git clone https://github.com/ggml-org/whisper.cpp.git
   cd whisper.cpp
   cmake -B build
   cmake --build build -j --config Release
   ```

2. **Téléchargez un modèle multilingue.** Les modèles dont le nom finit par `.en` ne comprennent que l'anglais : pour le français, prenez par exemple `large-v3-turbo` (1,5 Gio) ou sa version allégée `large-v3-turbo-q5_0` (547 Mio).

   ```bash
   sh ./models/download-ggml-model.sh large-v3-turbo
   ```

3. **Convertissez votre enregistrement.** L'outil lit des fichiers WAV 16 bits ; la documentation donne la conversion en 16 kHz, mono, avec ffmpeg :

   ```bash
   ffmpeg -i reunion.mp3 -ar 16000 -ac 1 -c:a pcm_s16le reunion.wav
   ```

4. **Transcrivez en fixant la langue.** Par défaut, la langue est l'anglais ; `-l fr` impose le français, et `-osrt` (ou `-otxt`, `-ovtt`) écrit le résultat dans un fichier :

   ```bash
   ./build/bin/whisper-cli -m models/ggml-large-v3-turbo.bin -f reunion.wav -l fr -osrt
   ```

**Installer whisper.cpp**

- Windows, dépôt officiel : https://github.com/ggml-org/whisper.cpp/releases (Binaires Windows x64 et ARM64, avec variantes CUDA), relevé le 17 octobre 2026
- Linux, dépôt officiel : https://github.com/ggml-org/whisper.cpp/releases (Binaires Ubuntu x64 et ARM64), relevé le 17 octobre 2026
- Mac, dépôt officiel : https://github.com/ggml-org/whisper.cpp (Compilation depuis les sources (Mac Intel et Apple Silicon)), relevé le 17 octobre 2026

> **Bon à savoir.** Fixez toujours la langue. La documentation de whisper.cpp prévient que, sur un passage sans parole, la détection automatique peut choisir une langue au hasard et produire des phrases sans rapport.

## Quel modèle pour le français

Plusieurs modèles ouverts comprennent le français : Whisper Large v3 Turbo (99 langues, licence MIT), Parakeet TDT 0.6B v3 de NVIDIA (25 langues européennes, ponctuation et horodatage, licence CC BY 4.0) ou Cohere Transcribe (14 langues, licence Apache 2.0). Notre classement de la transcription, mesuré sur des enregistrements en français, les départage :

**Transcription : le haut du classement en français**

1. [Azure AI Speech LLM 09-2026](https://quelleia.com/voix/modeles/microsoft-azure-speech-09-2026/) : 3,10 % (Microsoft)
2. [Scribe v2](https://quelleia.com/voix/modeles/scribe-v2/) : 3,28 % (ElevenLabs)
3. [Hojo-ASR-Multi-V1](https://quelleia.com/voix/modeles/hojo-asr-multi-v1/) : 3,57 % (HojoAi)
4. [Universal-3 Pro](https://quelleia.com/voix/modeles/universal-3-pro/) : 3,83 % (AssemblyAI)
5. [Symphony](https://quelleia.com/voix/modeles/sprag-symphony/) : 3,89 % (Sprag)

Transcription en français, en taux d'erreur par mot (le plus bas est le meilleur).
Source : Open ASR Leaderboard, Hugging Face (https://huggingface.co/spaces/hf-audio/open_asr_leaderboard), relevé du 16 novembre 2026
[Le classement transcription](https://quelleia.com/voix/transcription/)

## Relire, et demander l'accord

1. **Relisez les noms propres et les chiffres** : ce sont les erreurs les plus gênantes, même quand le taux d'erreur global est faible.
2. **Vérifiez qui parle** si l'outil sépare les intervenants, surtout quand deux voix se ressemblent.
3. **Prévenez avant d'enregistrer.** En France, enregistrer sans son consentement les paroles prononcées par une personne à titre privé ou confidentiel est puni d'un an de prison et de 45 000 € d'amende (article 226-1 du Code pénal). Le consentement est présumé quand l'enregistrement se fait au vu et au su de chacun, sans opposition alors qu'il était possible de s'y opposer : le plus simple reste de l'annoncer en début de réunion.

## Pour aller plus loin

- [Transcription](https://quelleia.com/voix/transcription/)
- [Voix](https://quelleia.com/voix/)
- [Transcrire et dicter](https://quelleia.com/logitheque/usages/transcription/)
- [Whisper cpp](https://quelleia.com/logitheque/whisper-cpp/)
- [Buzz](https://quelleia.com/logitheque/buzz/)
- [Macwhisper](https://quelleia.com/logitheque/macwhisper/)
- [Synthèse vocale : faire lire un texte, cloner une voix](https://quelleia.com/guides/synthese-vocale.md) (guide, amateur)
- [L'IA sur Linux : Ollama en service, interfaces et outils](https://quelleia.com/guides/ia-sur-linux.md) (guide, amateur)

## Sources

- https://github.com/ggml-org/whisper.cpp (lue le 17 novembre 2026)
- https://raw.githubusercontent.com/ggml-org/whisper.cpp/master/examples/cli/README.md (lue le 17 novembre 2026)
- https://raw.githubusercontent.com/ggml-org/whisper.cpp/master/models/README.md (lue le 17 novembre 2026)
- https://developer.android.com/ai/gemini-nano (lue le 17 novembre 2026)
- https://www.legifrance.gouv.fr/codes/section_lc/LEGITEXT000006070719/LEGISCTA000006165309/ (lue le 17 novembre 2026)
- https://apps.apple.com/fr/app/whisper-notes-parole-en-texte/id6447090616 (lue le 18 octobre 2026)
