Alternative à Speechmatics : API ou appli ?

Ce qu'est Speechmatics : un moteur ASR pour développeurs

Speechmatics se décrit comme des APIs vocales qui alimentent l'IA de la voix. On le branche dans son propre produit via son API. Il fait de la transcription en temps réel avec une latence inférieure à la seconde, du traitement par lot, et peut être déployé en cloud, sur appareil ou sur site. Il couvre plus de 55 langues pour la transcription et 69 paires de langues pour la traduction par IA, selon ses propres chiffres.

Les clients sont des équipes qui intègrent la transcription dans quelque chose de plus grand : analytics de centres d'appels, sous-titrage en direct, pipelines de transcription médicale ou juridique, agents vocaux. Rien de tout ça ne ressemble à une seule personne qui essaie de répondre à un e-mail en parlant.

La tarification raconte la même histoire. Speechmatics fonctionne à l'usage, facturé à l'heure audio. Le niveau gratuit donne 2 400 minutes — 40 heures — de transcription par mois, deux sessions en temps réel simultanées, sans carte pour démarrer. Le Pro commence à $0.24 l'heure audio et plafonne à 6 000 heures par mois. L'Enterprise est sur mesure, avec déploiement sur site et modèles personnalisés. C'est un compteur — et un compteur, c'est exactement ce qu'on veut quand on traite des milliers d'heures via un produit. C'est exactement ce qu'on ne veut pas quand on dicte une liste de courses.

La frontière : un moteur à construire vs une appli à utiliser

Voilà la ligne, tracée une bonne fois pour toutes.

Un moteur comme Speechmatics, c'est quelque chose qu'un développeur intègre. On lui envoie de l'audio via une API, on récupère du texte, et on construit soi-même les boutons, l'interface, le stockage et la facturation. C'est de la matière première.

Une application finie, c'est quelque chose qu'on installe et qu'on lance. Whisper by Remskill est de ce type-là. Ce n'est pas une API, un SDK, ni un moteur de transcription. On ne peut pas l'intégrer dans son propre produit, l'appeler depuis du code, ou y faire passer de l'audio par programme. Il n'y a pas d'endpoint à appeler. C'est une application desktop pilotée par un raccourci système.

Un nom prête à confusion, autant le dire maintenant. « OpenAI Whisper » — le modèle vocal open-source qu'on peut héberger soi-même et appeler comme une API — apparaît dans toutes les listes d'alternatives à Speechmatics. C'est l'option développeur. Ce n'est pas la même chose que Whisper by Remskill, l'appli desktop que je fais. Même mot, catégories différentes. Si vous voulez un modèle à auto-héberger, vous cherchez l'Whisper open-source d'OpenAI. Si vous voulez un outil fini pour dicter, continuez à lire.

Si vous avez besoin d'une API à construire, voici où regarder

Si vous êtes là pour un moteur, je préfère vous envoyer vers le bon plutôt que de vous faire perdre votre après-midi. Les vraies APIs de transcription dans cette catégorie — celles qui remplacent réellement Speechmatics pour un développeur — sont :

• AssemblyAI — API de transcription avec traitement par lot et temps réel, destinée aux équipes produit.
• Deepgram — API de streaming à faible latence, populaire pour les agents vocaux.
• Google Cloud Speech-to-Text — l'option hyperscaler, avec une large couverture linguistique.
• AWS Transcribe — la même idée, dans la facture AWS.
• OpenAI's open-source Whisper — hébergez le modèle vous-même et faites-le tourner localement.
• Gladia — une nouvelle API de transcription dans la même catégorie.

Toutes ces solutions sont des APIs et des moteurs que vous intégrez dans votre propre code. Je ne vais pas inventer des pourcentages de précision ni des tarifs pour eux (c'est comme ça que les listes d'alternatives se trompent — en citant un chiffre d'une page de prix qui a changé le trimestre dernier). L'essentiel, c'est la catégorie : si vous avez besoin d'un compteur et d'un endpoint, l'une de ces solutions est la réponse, et Whisper by Remskill ne l'est pas.

Ce que fait Whisper à la place : raccourci, parler, coller

Place maintenant à l'autre groupe — les gens qui n'écrivent pas de code et veulent juste parler plutôt que taper.

Whisper by Remskill est avant tout une appli de dictée. Vous appuyez sur un raccourci système, vous parlez, et la transcription apparaît à votre curseur dans l'application dans laquelle vous êtes déjà. Pas d'étape d'upload, pas de bibliothèque de projets, pas d'API à apprendre. Le raccourci par défaut est Ctrl+Space sur Windows et Command+Option — un accord appui long — sur macOS. Vous pouvez le changer.

Parce qu'il tape directement au curseur, ça fonctionne partout — votre client mail, un document, une boîte de chat, un commentaire de code — sans que personne ait eu besoin de créer une intégration pour chaque appli. C'est tout le truc, et c'est l'inverse d'un moteur. Un moteur attend que votre code l'appelle. Celui-ci attend que vous appuyiez sur une touche. La première fois que je l'ai montré à ma femme, j'ai dicté une liste de courses directement dans un SMS pour elle. Elle a répondu « super, mais t'as oublié le lait. » L'appli a fonctionné. Ma mémoire, non.

Les modèles multilingues couvrent plus de 90 langues pour la dictée en direct, et les modèles Whisper non-anglais peuvent traduire l'audio parlé vers l'anglais à la volée. C'est de la parole vers l'anglais, pas le service de traduction 69 paires de Speechmatics — travail différent, portée plus modeste, et on l'assume.

Local et hors ligne : pas d'heures audio, pas de facture à l'usage

En mode local, Whisper transcrit entièrement sur votre machine. L'audio ne quitte jamais l'appareil, il n'y a pas d'appel réseau pour la transcription, et pas de compteur à l'heure audio. Tout le pipeline local — modèles, nettoyage IA sur l'appareil, historique, mots personnalisés, le raccourci — est gratuit pour tout utilisateur connecté, sans carte à l'inscription.

Je tiens à être honnête ici, parce que c'est justement l'enjeu. Speechmatics a aussi un niveau gratuit — généreux, 40 heures par mois — et propose aussi un déploiement sur site et sur appareil pour les développeurs. Donc « gratuit » et « hors ligne » ne sont pas des mots magiques réservés à Whisper. La vraie différence, c'est la forme. Speechmatics donne à un développeur un moteur qu'il comptabilise et intègre. Whisper donne à un individu une appli finie, sans travail d'intégration et sans facture à l'heure.

C'est la seule opinion tranchée que je vais défendre dans cet article : la facturation à l'heure audio est la mauvaise forme pour quelqu'un qui veut juste dicter. À $0.24 l'heure après les 40 heures gratuites, un compteur a tout son sens quand on fait tourner un produit dessus et qu'on a besoin des données d'usage. Ça n'a aucun sens quand le « produit », c'est vous, assis à un bureau, en train de répondre à des e-mails. Vous ne devriez pas avoir à penser à un chronomètre qui tourne pendant que vous parlez. Un prix fixe pour une appli, sans compteur du tout, correspond mieux à cette réalité. Si garder votre dictée hors du cloud vous importe, c'est le même réflexe qui motive la transcription vocale privée sur l'appareil.

Quand Speechmatics est le bon outil

Je ne quitterais pas Speechmatics si je construisais un produit dessus. Si vous avez besoin d'intégrer la transcription dans votre propre application à grande échelle — un tableau de bord d'analytics de centre d'appels, du sous-titrage en direct, un pipeline de transcription médicale ou juridique, un agent vocal — Speechmatics ou l'une des vraies alternatives API est la bonne réponse, et Whisper ne l'est pas. Idem si vous avez besoin d'une souveraineté des données strictement sur site pour de nombreuses sessions simultanées, ou de ses 69 paires de traduction. Whisper n'a rien à répondre à tout ça. C'est une appli de dictée single-user pour le bureau, un point c'est tout. Choisir la mauvaise catégorie ici coûte une refonte, pas un remboursement.

Ce que ça coûte de juste dicter

Le niveau de dictée locale de Whisper est gratuit pour toute personne avec un compte, sans moyen de paiement à l'inscription. Il n'y a pas de compteur d'usage — vous n'êtes pas facturé à l'heure audio comme Speechmatics facture le Pro à partir de $0.24 l'heure. La fonctionnalité Cloud optionnelle, qui utilise votre propre clé OpenAI pour la transcription cloud et la recherche web, est derrière un prix d'appli fixe plutôt qu'un compteur à la minute. Les tarifs actuels sont sur la page des tarifs ; la seule chose à retenir, c'est la forme — un prix fixe pour une appli, pas un compteur pour un moteur.