Alternative à la saisie vocale de Google : dictez partout

Ce que la saisie vocale de Google fait bien, et où elle s'arrête

Rendons d'abord à César ce qui lui appartient. La saisie vocale de Google est gratuite avec un compte Google, ne demande aucune installation, et fonctionne dans les dernières versions de Chrome, Edge et Safari. À l'intérieur d'un document Docs, ou dans les notes du présentateur et les sous-titres de Slides, la reconnaissance est correcte et la liste des langues est longue. Si vous rédigez tout dans Docs, l'outil mérite sa place, et notre guide de la saisie vocale dans Google Docs détaille toute la configuration.

Les limites sont tout aussi concrètes. La ponctuation est manuelle : vous dites « point », « virgule », « point d'interrogation », « nouveau paragraphe ». Et la ponctuation n'est pas disponible dans toutes les langues. Les commandes d'édition et de mise en forme ne fonctionnent qu'en anglais, et seulement quand la langue de votre compte et celle du document sont toutes les deux en anglais. (Les notes du présentateur de Slides ont droit à la saisie vocale, mais à aucune commande vocale. Je ne sais pas pourquoi non plus.)

Et voici la frontière qui a déclenché cet article : la fonctionnalité existe dans deux espaces Google et nulle part ailleurs. Gmail, Slack, votre CRM, votre éditeur de code, un formulaire web — silence radio. Rien de tout cela n'est un bug. C'est une fonctionnalité gratuite qui fait exactement ce que sa propre page d'aide annonce, ni plus ni moins. La question est de savoir si votre écriture tient dans cette boîte. Et quand elle s'arrête d'écouter au milieu d'une phrase, c'est généralement le micro, pas vous — nos solutions quand la saisie vocale de Google Docs ne marche pas couvrent les causes habituelles.

Une alternative à la saisie vocale qui fonctionne dans toutes les applications

Whisper fait le pari inverse : la dictée appartient au système d'exploitation, pas à un seul site web. Vous appuyez sur un raccourci : Ctrl+Space sur Windows, ou Command+Option maintenu enfoncé sur Mac, comme une touche à pousser pour parler. Vous parlez. Vous relâchez. Le texte atterrit là où se trouve votre curseur : un e-mail, une fenêtre de discussion, une cellule de tableur, un message de commit. Pas d'étape de copie, parce qu'il n'y a aucun « document source » à copier.

L'argument de la vitesse tient à un calcul simple. La dictée tourne à environ 145 mots par minute contre près de 40 à la frappe — disons un écart de 3,6x. Sur un MacBook Air M1 avec le petit modèle anglais, le délai entre le relâchement de la touche et l'apparition du texte est de 1,4 seconde.

Sous le capot, vous choisissez l'une des trois voies, et l'application ne choisit pas à votre place. Le mode cloud se connecte à OpenAI avec votre propre clé API et utilise gpt-4o-mini-transcribe ou gpt-4o-transcribe. Parakeet, le moteur local de NVIDIA, tourne 5 à 10x plus vite que les modèles Whisper sur processeur et couvre l'anglais plus 24 langues européennes. Et les modèles Whisper open source locaux vont d'un modèle anglais de 140 Mo au Large v3 de 3 Go. L'application est disponible pour Windows et pour les Mac Apple Silicon.

Saisie vocale de Google vs Whisper, côte à côte

Les critères, choisis avant le tableau : où l'outil écrit, dans quoi il tourne, la ponctuation, les commandes vocales, la couverture linguistique, le comportement hors ligne et la structure tarifaire. Voilà les sept points qui ont fait pencher la balance pour moi quand j'utilisais encore le micro de Docs. La colonne Google vient de la propre page d'aide de Google ; la colonne Whisper vient du code source de l'application, que je peux consulter d'ici.

Le verdict rejoint le premier paragraphe : Whisper devient le bon choix dès l'instant où votre écriture quitte Google Docs. La saisie vocale de Google reste la bonne réponse pour les personnes dont l'écriture n'en sort jamais. Ce cas a droit à sa propre section plus bas, et je le pense vraiment.

Saisie vocale en ligne vs saisie vocale sur votre ordinateur

« Saisie vocale en ligne » désigne le plus souvent un site que vous ouvrez dans un onglet : une page gratuite avec un bouton micro qui transcrit dans une zone de texte. Ces outils s'appuient sur le moteur de reconnaissance vocale du navigateur, et la documentation de l'API Web Speech de MDN est sans détour sur son fonctionnement : « Votre audio est envoyé à un service web pour le traitement de la reconnaissance, donc cela ne fonctionnera pas hors ligne. » La même page nomme les deux coûts : la confidentialité, parce que votre voix quitte la machine, et la fiabilité, parce que sans connexion, pas de transcription.

Pour une note ponctuelle, une page de saisie vocale en ligne fait l'affaire. La taxe se révèle avec la répétition : chaque dictée se termine par sélectionner, copier, changer d'onglet, coller. Un jour, j'ai dicté une liste de courses dans le mauvais onglet et je l'ai collée dans un tableur de budget. Pendant une dizaine de secondes, les projections du T3 incluaient « les yaourts, les petits pots, pas les grands ». Un outil de bureau supprime toute cette catégorie d'accidents, parce que le texte commence là où il se termine — sur votre curseur. Et quand le micro du navigateur fait des siennes, la solution se trouve dans les réglages du navigateur, ce qui est une après-midi à part entière. Nous avons rédigé les solutions pour la dictée dans Chrome après que suffisamment de gens nous l'aient demandé.

Ponctuation et nettoyage : la taxe d'édition que personne ne compte

La vérité ennuyeuse, c'est que la transcription n'a jamais été la partie lente. C'est le nettoyage qui l'est. Avec la saisie vocale de Google, vous dictez votre ponctuation (« point », « nouveau paragraphe »), ce qui fonctionne, mais qui fait de vous quelqu'un qui annonce ses virgules à voix haute. J'ai testé les commandes pour cet article, et mon document de test a fini par contenir le mot « virgule » onze fois. L'habitude vous suit même à la maison : depuis, j'ai terminé une phrase parlée, dans une vraie conversation, par « point ».

Whisper fait plutôt passer la transcription brute par une passe de nettoyage IA : grammaire corrigée, mots de remplissage retirés, ponctuation placée là où il faut. En mode local, cela passe par Ollama ; en mode cloud, l'outil utilise des modèles OpenAI, avec gpt-5-mini comme améliorateur par défaut. Commencez une phrase par « Hey whisper » et l'IA traite la suite comme une instruction plutôt que comme du texte à écrire : « Hey whisper, rends cette réponse polie mais ferme » est un vrai flux de travail, pas une démo. La différence de ressenti est difficile à exagérer. Un outil vous demande de mettre en scène la mise en forme. L'autre vous laisse parler comme un être humain et vous rend quelque chose que vous enverriez tel quel.

Confidentialité : où va votre voix

Voici l'opinion que je défendrai : une dictée qui envoie votre voix vers un serveur que vous ne contrôlez pas est un problème de confidentialité, et pour certains travaux, c'est rédhibitoire. La saisie vocale basée sur le navigateur fonctionne en envoyant l'audio à l'extérieur pour le traitement. C'est très bien pour une liste de courses. C'est une tout autre histoire pour un projet de contrat, une note médicale, ou l'e-mail au sujet de la situation scolaire de votre enfant.

J'ai observé le côté financier de cette leçon de près. Une équipe avec laquelle je travaillais avait fait développer par un prestataire un prototype interne de dictée IA qui appelait une API cloud pour chaque énoncé. À la fin du trimestre, le manager a ouvert le tableau de bord des coûts : une facture à cinq chiffres, en grande partie due à une seule équipe qui transcrivait quatre fois des enregistrements de réunions debout, parce que la logique de réessai était trop zélée. Le prestataire a proposé d'optimiser le prompt. Le directeur financier a proposé de ne pas payer un serveur pour écouter des réunions qui avaient déjà un compte rendu. Tous deux avaient raison sur quelque chose.

Le mode local de Whisper clôt la question au lieu de la débattre : le modèle tourne sur votre machine, rien ne quitte l'appareil, et aucune connexion internet n'est nécessaire. Même raccourci, même flux, zéro audio en transit.

Quand renoncer à Whisper et rester avec Google

Si chaque mot que vous dictez atterrit dans un Google Doc, restez avec la saisie vocale de Google. Elle ne coûte rien, elle est déjà dans le menu Outils, et à l'intérieur de Docs elle fait le travail — c'est une combinaison difficile à contester, et je ne vais pas prétendre le contraire. Idem si vous dictez deux fois par mois : installer une application de bureau pour s'épargner deux copier-coller, c'est de la sur-ingénierie, et je le dis en professionnel. Whisper gagne sa place quand votre écriture quitte régulièrement le document (e-mail, messagerie, formulaires, notes), ou quand la ponctuation par IA, l'usage hors ligne, ou le fait de garder l'audio sur votre machine comptent. Jusque-là, l'outil intégré gratuit est le bon outil.

Cet e-mail à l'enseignante du début de la page a fini par partir — dicté directement dans Gmail, sans relais par un Doc, ponctuation comprise sans que j'en dise un seul mot. L'onglet Google Docs est resté fermé. Tout le comparatif tient dans cet instant : l'outil gratuit demande à votre écriture de venir à lui, et l'alternative va là où l'écriture se trouve déjà. Choisissez la direction qui correspond à votre journée.