Applications de dictée vocale : laquelle choisir

Une application de dictée vocale, en une ligne : vous parlez, elle tape

Voici tout le mécanisme, débarrassé du marketing. Vous appuyez sur une touche. Vous parlez. L'application enregistre votre voix, la fait passer par un modèle de reconnaissance, et les mots apparaissent sous forme de texte. Avec notre application, Whisper by Remskill, le réglage par défaut est Ctrl+Space sous Windows et un maintien command+option sous macOS : appuyez, parlez, relâchez, et la transcription se colle au curseur dans l'application où vous étiez déjà.

Cette dernière partie, c'est celle que la plupart des gens oublient quand ils comparent les applications. Une application de dictée vocale n'est utile que dans la mesure où elle peut placer le texte quelque part. Apple Dictation tape dans les applications Mac et iOS. La saisie vocale de Windows s'ouvre avec la touche logo Windows + H et fonctionne dans n'importe quel champ de texte sur un PC. La saisie vocale de Google Docs ne fonctionne qu'à l'intérieur de Google Docs, dans Chrome. Toutes transcrivent ; elles ne vont pas toutes partout. Alors avant de comparer les scores de précision, demandez-vous où vous avez besoin que le texte apparaisse.

Comment fonctionne une application de dictée vocale (la reconnaissance, plus la passe de nettoyage)

En coulisses, chaque application de dictée vocale fait deux choses distinctes, et c'est en les confondant que les tests se trompent.

La première, c'est la transcription : la reconnaissance automatique de la parole transforme la forme d'onde audio en une suite de mots. C'est la partie difficile, et c'est là que la qualité du modèle se révèle. Le modèle Parakeet de NVIDIA, que nous proposons comme l'une des options de moteur, affiche un taux d'erreur sur les mots de 6,34 % en moyenne sur le classement Open ASR de Hugging Face. Dragon Professional revendique « jusqu'à 99 % de précision de reconnaissance, dès la première utilisation ». Ce genre de chiffres est réel, mais il décrit un audio propre dans une pièce silencieuse. Le bruit de fond et un micro d'ordinateur portable bon marché les font bouger davantage que n'importe quel changement de modèle.

La seconde, c'est la passe de nettoyage : transformer « envoie-lui le fichier euh la deuxième version pas la première » en une phrase avec une majuscule et un point. Les meilleures applications ajoutent ici une étape d'IA supplémentaire pour corriger la ponctuation, la casse et les « euh » occasionnels. C'est aussi à ce moment-là que les commandes dictées sont interprétées, que les hésitations sont coupées, et qu'un mur de mots à la file devient quelque chose que vous enverriez. La transcription vous donne les mots. La passe de nettoyage vous donne un texte que vous n'avez pas à retaper.

Ce qui distingue une bonne application d'un simple simulateur de frappe

La plupart des applications de dictée vocale passent la barre de base : elles trouvent les mots à peu près justes. Ce qui sépare un outil que vous gardez de celui que vous désinstallez en une semaine tient à quelques détails qui figurent rarement dans le tableau des fonctionnalités.

La latence, d'abord. S'il y a un long délai entre le moment où vous finissez une phrase et celui où le texte apparaît, vous perdez le fil et vous vous mettez à relire au lieu de parler. La précision sur votre voix, ensuite — pas la voix de la démo, la vôtre, avec votre accent, dans votre pièce. La couverture linguistique, en troisième, si vous ne travaillez pas en anglais. Et la portée : peut-elle taper dans l'unique application où vous vivez, ou seulement dans un onglet de navigateur.

Et puis il y a celui qui est ennuyeux et que personne ne met en avant : où part votre audio. Un outil intégré au système d'exploitation et une application locale gardent l'enregistrement sur votre machine. Une application cloud le téléverse. Pour une liste de courses, on s'en moque. Pour un projet juridique ou une note médicale, c'est toute la décision. On y reviendra.

À quoi ressemble Whisper by Remskill

Puisque je n'arrête pas de mentionner notre application, voici ce qu'elle est, pour que la comparaison soit juste. Whisper by Remskill est une application de bureau valable dans tout le système — pas une extension de navigateur, pas un module complémentaire pour Word, pas un robot de réunion. Vous maintenez le raccourci, vous parlez, vous relâchez, et la transcription atterrit à votre curseur dans n'importe quelle application ou champ de texte.

Pour la transcription, vous choisissez l'une des trois voies. Whisper en local fait tourner huit tailles de modèles, de Base (~140 Mo) jusqu'au multilingue Large v3 (~3 Go), prend en charge 99 langues sur les variantes multilingues, et peut traduire vers l'anglais. Parakeet en local (~600 Mo) est 5 à 10x plus rapide que Whisper sur CPU et couvre l'anglais plus 24 langues européennes. Le mode Cloud, c'est OpenAI avec votre propre clé, pour ceux qui veulent les derniers modèles et des réponses web en direct. Toute la transcription locale tourne en Rust pur, entièrement sur l'appareil, et fonctionne hors ligne. L'application ne choisit pas à votre place. Elle présente les trois voies et vous choisissez selon la vitesse, les langues ou la précision. Pour la liste complète de la façon dont les outils de dictée se comparent, notre guide des logiciels de transcription parcourt les mêmes compromis sur davantage d'outils.

Deciding between the two local engines is the most common question we get, and our Whisper vs Parakeet explainer breaks down speed, language coverage, and accuracy side by side.

Cloud ou local : où part votre voix

Voici celui sur lequel j'ai une opinion bien arrêtée. La dictée vocale uniquement dans le cloud est un problème de confidentialité auquel la plupart des gens ne pensent pas avant qu'il soit trop tard. Le tableur des salaires de votre patron, le courriel à l'école de votre enfant, le brouillon d'un contrat — rien de tout cela ne devrait se retrouver dans les journaux d'un fournisseur simplement parce que vous vouliez taper à la voix.

J'ai un jour vu une équipe, dans une entreprise avec laquelle je travaillais, accumuler une facture d'IA cloud à cinq chiffres en un seul trimestre, parce qu'une boucle de « nouvel essai intelligent » retranscrivait sans cesse les mêmes enregistrements de stand-up quatre fois de suite. Le directeur financier a ouvert le tableau de bord lors de la revue trimestrielle et la salle est devenue silencieuse. Le coût, c'était le gros titre. Le problème plus discret, c'est que chaque réunion enregistrée avait été expédiée à une API tierce pour le découvrir.

Le local d'abord résout les deux. Notre pipeline local n'envoie jamais votre audio où que ce soit ; le mode Cloud est l'exception qu'on choisit volontairement, et c'est votre propre clé OpenAI, pas la nôtre. Wispr Flow, le concurrent direct le plus proche, fonctionne uniquement dans le cloud. L'audio quitte l'appareil par conception. Aucune des deux approches n'est mauvaise. Mais si votre travail touche à quoi que ce soit que vous hésiteriez à envoyer par courriel, faites-le tourner sur votre propre machine.

Des mots bruts en entrée, un texte propre en sortie : l'étape de nettoyage par IA

La passe de nettoyage mérite sa propre mention, car c'est la différence entre une transcription et un texte utilisable. La reconnaissance vous donne les mots dans l'ordre. Elle ne vous donne pas toujours une phrase.

En mode local, notre application fait passer le nettoyage optionnel par Ollama sur votre machine — ponctuation, casse, et suppression des hésitations verbales, le tout sans aller-retour par internet. En mode Cloud, la même tâche est confiée aux modèles d'OpenAI via votre clé. Le point important n'est pas de savoir quel modèle s'en charge. Le point important, c'est qu'une application de dictée vocale qui saute cette étape vous remet un paragraphe sans virgules et un « tu vois » égaré une ligne sur trois, et vous passez le temps économisé à nettoyer. Les bonnes font ce travail avant que le texte n'atteigne votre curseur. Les outils intégrés basiques, pour la plupart, ne le font pas, ce qui convient pour une note rapide et frustre pour tout ce qui est plus long.

Les autres applications de dictée vocale à connaître

Aucune application ne gagne sur tous les usages. Voici le panorama honnête, et à qui chacun s'adresse.

À la fin des années 1990, un membre de ma famille faisait tourner Dragon NaturallySpeaking sur un ordinateur de bureau Windows 98 doté de 64 Mo de RAM. L'installation vous obligeait à lire une liste de mots pendant 45 minutes pour « l'entraîner », puis la dictée fonctionnait à peut-être 70 % de précision avec un délai de quatre secondes par phrase. Dicter un paragraphe d'une lettre de vœux prenait quinze minutes. Le casque a fini en travers de la pièce ; il a survécu, l'expérience non. Vingt-cinq ans plus tard, un enfant de sept ans peut dicter un courriel complet en quatre-vingt-dix secondes sans rien entraîner du tout. Si une application de dictée vocale vous demande encore de « l'entraîner » avant de fonctionner, c'est qu'elle vit en 1999.

Quand se passer totalement d'une application dédiée

Voici le moment où je vous envoie ailleurs (oui, le type qui vend l'application). Si vous ne dictez que de courtes notes — un message, une entrée d'agenda, une réponse rapide — et que vous êtes sur un Mac ou un iPhone, utilisez simplement Apple Dictation. C'est gratuit, c'est intégré, et pour moins d'une centaine de mots ça fait le travail ; pas de délai d'expiration strict sur les macOS récents. Sur un PC, la touche logo Windows + H fait le même travail gratuitement.

And if you land on the install-something side, picking a voice typing app for each device is its own short guide.

Et si tout ce que vous faites, c'est enregistrer des réunions et vouloir une transcription consultable ensuite, un transcripteur de réunion dédié comme Otter est la bonne catégorie. Il se connecte à Zoom et Teams et est conçu pour cette tâche précise. Une application de dictée valable dans tout le système commence à mériter sa place à partir du moment où vous écrivez des textes plus longs, à travers de nombreuses applications, et où l'endroit où part votre audio vous importe.

Gratuit ou payant : ce que 0 $ vous offre

Les options gratuites sont réelles, pas des versions d'essai bridées. Apple Dictation, la saisie vocale de Windows et la saisie vocale de Google Docs ne coûtent rien et gèrent la dictée du quotidien. Avec notre application, tout le pipeline local — Whisper, Parakeet, nettoyage par IA sur l'appareil, historique, préréglages — est gratuit pour tout utilisateur connecté, sans carte requise pour commencer.

Les outils payants gagnent de l'argent par-dessus : fonctionnalités cloud, plus de langues, gestion d'équipe. La vraie question n'est donc pas gratuit contre payant. C'est de savoir si l'offre gratuite qu'on vous remet atteint chaque application dans laquelle vous travaillez et garde votre audio sur votre machine. Si c'est le cas, arrêtez-vous là. Quand ma femme m'a demandé pourquoi je donnerais tout le pipeline local, je lui ai fait une réponse de cinq minutes ; la version courte, c'est que je préfère que vous commenciez gratuitement et ne payiez que si vous vous heurtez à un mur. Les tarifs de l'offre cloud se trouvent sur notre page de tarifs.

Le verdict de ma fille cadette sur tout ça était plus simple que n'importe quel test. Elle a appuyé une fois sur la touche, a dit une phrase sur une dent qu'elle avait perdue, l'a regardée apparaître, et est retournée dessiner sans un mot. Pas de tableau de précision, pas de grille de fonctionnalités, juste du texte là où elle le voulait. C'est le seul test qui a jamais compté : les mots sont-ils apparus là où vous en aviez besoin, et avez-vous eu à y réfléchir. Si la réponse est oui et non, vous avez choisi la bonne application.