Par Denys MedvedievComparatif
Local ou cloud : quelle transcription choisir ?
La transcription locale fait tourner le modèle de reconnaissance vocale directement sur votre machine : l'audio ne quitte jamais l'appareil, ça fonctionne hors ligne et ça ne coûte rien à la minute. La transcription cloud envoie l'audio à un serveur distant qui fait tourner les modèles les plus récents — plus rapide sur du matériel modeste, avec la possibilité d'ajouter une recherche web en direct, mais l'audio quitte votre machine et vous payez à l'usage.
Dernière mise à jour : juin 2026
La transcription locale garde l'audio sur l'appareil, fonctionne hors ligne et n'a aucun coût à la minute après un téléchargement unique du modèle. La transcription cloud fait tourner le modèle le plus récent du fournisseur et peut chercher sur le web, mais nécessite une connexion et se facture à l'usage. Notre application propose les deux derrière un seul interrupteur — vous basculez selon l'usage plutôt que de choisir un camp une fois pour toutes.
Voilà l'essentiel du compromis en deux courts paragraphes. Le reste de l'article en est le détail.
Je peux écrire ça sans prendre parti, parce que notre application embarque les deux modes. Le pipeline local fait tourner huit modèles Whisper plus Parakeet de NVIDIA, entièrement en Rust pur sur votre processeur — gratuit pour tout utilisateur connecté, sans carte bancaire. La partie cloud, c'est la transcription OpenAI avec votre propre clé API, disponible en option Pro. Même raccourci, même overlay, un seul interrupteur. Donc quand je dis que le local convient à la plupart des gens, ce n'est pas parce que nous ne vendons que ça. C'est ce que disent les faits.
Local : le modèle vit sur votre disque
La transcription locale télécharge un modèle de reconnaissance vocale une seule fois, puis le fait tourner sur votre processeur. Aucun envoi, aucun serveur, aucun ping distant pendant l'enregistrement. Débranchez le câble réseau : ça continue de taper.
Notre application fait ça en Rust pur via une bibliothèque appelée transcribe-rs, sans runtime Python greffé dessus. Vous choisissez parmi huit modèles Whisper — de Base (environ 140 MB) jusqu'à Large v3 (environ 3 GB) —, ou Parakeet de NVIDIA (environ 600 MB), cinq à dix fois plus rapide que Whisper sur un CPU. Pas de GPU requis. Le modèle se charge en RAM, votre voix entre, le texte sort, et rien dans ce trajet ne touche à internet.
Le téléchargement initial est la seule contrainte. Un modèle de 3 GB, c'est long à télécharger sur le Wi-Fi d'un hôtel, et un laptop de 2018 supportera un petit modèle mais souffrira sur le grand. Après ce premier téléchargement, en revanche, aucun coût à la minute, aucun serveur dans la boucle. Si vous voulez creuser le sujet, j'ai écrit un article entier sur l'utilisation en mode hors ligne. Voir la reconnaissance vocale hors ligne sur ordinateur.
Cloud : l'audio part en voyage
La transcription cloud enregistre votre audio, l'envoie au serveur d'un fournisseur, et le serveur renvoie le texte. Vous louez le matériel d'autrui et leur modèle le plus récent.
Dans notre application, le mode cloud utilise OpenAI avec votre propre clé. La transcription passe par gpt-4o-mini-transcribe ou par le plus qualitatif gpt-4o-transcribe, avec la possibilité d'y ajouter une correction IA et une recherche web en direct via la même clé. Vous fournissez votre clé OpenAI et payez OpenAI directement. Nous ne prenons aucune commission et n'ajoutons aucun supplément. Pas de gros modèle à télécharger. Ça tourne aussi bien sur un vieux netbook de cinq ans que sur une station de travail récente, puisque le travail se fait sur le serveur — et ça peut répondre à une question en cherchant sur le web, ce qu'un modèle local ne peut tout simplement pas faire.
La contrepartie est clairement dans le principe. Votre audio quitte votre machine. Il faut une connexion active. Et vous payez à la minute — des fractions de centime, mais ça s'accumule, et c'est du compteur.
La comparaison honnête
Pas de chiffres dans ce tableau, c'est volontaire. Consultez notre page de tarifs pour les montants exacts. Ici, on parle de la nature de chaque choix.
| Ce qui compte pour vous | Transcription locale | Transcription cloud |
|---|---|---|
| Confidentialité | L'audio ne quitte jamais votre machine | L'audio est envoyé sur le serveur du fournisseur |
| Fonctionne hors ligne | Oui, après le téléchargement unique du modèle | Non, nécessite une connexion active |
| Modèle de facturation | Aucun coût à la minute après le téléchargement | Au compteur, vous payez par minute utilisée |
| Vitesse selon | Votre processeur et la taille du modèle | Le matériel du fournisseur et votre connexion |
| Fraîcheur du modèle | Le modèle téléchargé, mis à jour quand vous le décidez | Toujours le modèle le plus récent du fournisseur |
| Accès web en direct | Non | Oui, le cloud peut chercher et répondre |
Lu de haut en bas, le schéma est clair. Le local échange la commodité contre la confidentialité, l'utilisation hors ligne et un coût fixe. Le cloud échange la confidentialité et la facturation au compteur contre le modèle le plus récent et une connexion web. Ni l'un ni l'autre n'est meilleur. Ils sont bons pour des usages différents.
Quand le cloud est le meilleur choix
Je ne vais pas prétendre que le local gagne à chaque fois. Il existe des cas réels où je choisirais le cloud.
Si votre matériel est vieux ou à court de RAM, le cloud est l'option la plus douce. Un laptop de 2017 avec 8 Go de RAM va peiner sur un grand modèle local, tandis que le cloud fait le travail lourd ailleurs et votre machine se contente de gérer le microphone. Si vous avez besoin de la meilleure qualité absolue sur des audios difficiles — accents marqués, locuteurs qui se chevauchent, jargon technique —, les modèles hébergés les plus récents tendent à prendre l'avantage sur ce qu'on peut faire tourner chez soi. Et si vous voulez dicter une question et obtenir une réponse issue du web collée directement au curseur, il vous faut le cloud, un point c'est tout. Un modèle local n'a aucun internet à fouiller.
Le fil conducteur entre ces cas : le cloud est la porte de sortie pour le matériel limité, la qualité maximale et l'accès au web en direct.
Quand le local est le meilleur choix
Pour la plupart des gens, la plupart du temps, je commencerais par le local.
Si les mots que vous dictez sont confidentiels — un tableau de salaires, un e-mail à l'école de vos enfants, un brouillon juridique — ils ne devraient pas se retrouver dans les journaux d'un prestataire parce que vous vouliez taper avec la voix. Le local garde cet audio sur votre machine, un point c'est tout. Si vous travaillez dans des avions, des trains ou des cafés avec un Wi-Fi capricieux, le local se moque d'avoir du signal. Et si vous dictez beaucoup, le coût fixe compte.
Voici l'avis que j'assume vraiment : commencez par le local et gardez le cloud comme roue de secours, pas comme réglage par défaut. Si votre Mac est Apple Silicon ou votre PC date de moins de quatre ans, le local gère la dictée quotidienne avec 95 % à 99 % de précision, sans aucun serveur dans la boucle. Passez au cloud quand vous atteignez une limite — matériel trop faible, audio vraiment difficile, ou besoin d'une recherche web. La plupart des gens n'atteignent jamais cette limite.
J'ai une raison d'être méfiant vis-à-vis du cloud par défaut. Une équipe avec laquelle j'ai travaillé a laissé un prestataire construire un prototype interne de dictée IA dans le cloud qui appelait l'API pour chaque énoncé. Une boucle de réessai bien pensée a transcrit les mêmes enregistrements de standup quatre fois de suite. Le manager a ouvert le tableau de bord des coûts en fin de trimestre et a découvert une facture à cinq chiffres. La solution du prestataire : optimiser le prompt. La solution du DAF : arrêter de payer pour retranscrire des réunions qui ont déjà un compte-rendu. Le cloud facturé au compteur est parfait tant que rien ne tourne en boucle. Le local, lui, n'a pas de compteur qui s'emballe.
Les deux modes dans une seule application
La distinction ci-dessus est réelle, mais ce n'est pas un carrefour où vous vous engagez une fois pour toutes. Dans notre application, les deux modes se trouvent derrière le même raccourci et le même overlay d'enregistrement, et basculer de l'un à l'autre ne prend qu'un clic. Dictez un e-mail privé en local le matin, passez au cloud pour vérifier une information grâce à la recherche web l'après-midi, puis revenez en local. Aucune réinstallation. Aucun choix définitif.
C'est le point que le débat local vs cloud a tendance à rater. Ce n'est pas une guerre de religion. Ce sont deux outils dans le même tiroir, et le bon outil dépend de la phrase que vous êtes sur le point de dicter. Si vous voulez comparer les moteurs locaux entre eux — vitesse contre couverture linguistique — c'est l'objet d'un autre article : Whisper vs Parakeet. Et si vous nous comparez à un concurrent en particulier, la comparaison avec superwhisper en détaille un dans le détail.
Si vous ne retenez qu'une chose
Local pour la confidentialité, le hors ligne et le coût fixe. Cloud pour le modèle le plus récent, le matériel limité et l'accès au web. Commencez par le local et gardez le cloud comme roue de secours. Le meilleur côté ? Pas besoin de choisir définitivement : un interrupteur, deux modes, celui qui correspond à la phrase que vous êtes sur le point de dicter.
Essayez les deux
Les moteurs locaux sont gratuits pour tout utilisateur connecté, et vous pouvez ajouter la partie cloud quand vous en avez vraiment besoin. Téléchargez l'application, dictez un e-mail privé en local, puis basculez l'interrupteur et voyez ce que le cloud change pour vous.
Transcription locale gratuite à vie. Aucune carte bancaire à l'inscription.
