Écrivez plus vite avec votre voix

Pourquoi votre voix bat votre clavier

Commençons par les vitesses brutes, car elles règlent la plupart des arguments d'elles-mêmes. La frappe se situe pour la plupart des gens autour de 40 mots par minute. Parler est plus proche de 150. C'est environ trois fois et demie plus rapide, et cela vaut pour les e-mails, le chat, les notes et les premiers brouillons de presque tout. L'écart n'est pas subtil, et aucune pratique du clavier ne le comble, car le goulot d'étranglement c'est vos doigts, pas votre familiarité avec les touches.

Il y a un deuxième avantage qui n'apparaît pas dans le calcul des mots par minute. Quand vous tapez, vos mains sont clouées au clavier et vos yeux sur l'écran. Quand vous parlez, les deux sont libres. Vous pouvez dicter une réponse pendant que vous sortez quelque chose du four, pendant que vous marchez, ou pendant qu'une main tient un café. La vitesse est le titre ; les mains libérées, c'est ce que vous remarquez après une semaine.

Rien de tout cela ne signifie que la voix remplace le clavier. Cela signifie que le clavier cesse d'être la valeur par défaut pour les textes longs. Vous tapez toujours les choses courtes, précises, minutieuses. Vous parlez les paragraphes. La plupart des gens ont le ratio à l'envers en ce moment — ils tapent tout et ne parlent à leur téléphone que quand leurs mains sont pleines. Inverser cela représente la majeure partie du gain.

Comment la saisie vocale fonctionne vraiment

La mécanique est plus simple que le marketing ne le laisse entendre. Vous appuyez sur un raccourci, vous parlez, vous relâchez. L'audio est transcrit en texte, et ce texte est collé à votre curseur, où qu'il se trouve. C'est toute la boucle. Il n'y a pas de fenêtre de transcription séparée dans laquelle pêcher les mots, pas d'attente après téléchargement, pas de danse copier-coller. Pour l'application dans laquelle vous tapez, c'est exactement comme si vous aviez tapé.

Ce qui le rend utilisable plutôt qu'agaçant, c'est ce qui se passe entre «parler» et «coller». Une bonne dictée fait deux travaux dans cet intervalle. D'abord, elle transforme le son en mots avec précision, incluant la ponctuation qu'elle déduit de vos pauses. Ensuite, optionnellement, elle effectue un passage de nettoyage qui supprime les remplisseurs et peaufine la formulation. Sautez cette deuxième étape et vous obtenez une transcription fidèle mais désordonnée. Conservez-la et vous obtenez quelque chose qui se lit comme si vous l'aviez écrit soigneusement. Le reste de ce guide concerne vraiment l'exécution correcte de ces deux tâches.

Configurer un raccourci clavier à l'échelle du système

Ce qui fait fonctionner la saisie vocale partout, c'est qu'elle n'est pas liée à une seule application. Whisper by Remskill est une application de bureau qui se comporte comme un clavier : maintenez un raccourci, parlez, et la transcription est collée au curseur — dans votre client de messagerie, un document, une boîte de chat, un commentaire de code, une application de notes, ce qui a le focus. Ce n'est pas une extension de navigateur ou un plugin pour un programme. En ce qui concerne votre ordinateur, vous tapez simplement, c'est pourquoi cela fonctionne dans chaque application plutôt que dans quelques élues.

La mise en route prend environ une minute :

C'est toute la configuration. À partir de là, la boucle est la même dans chaque application : curseur, maintenir, parler, relâcher, et les mots apparaissent.

Parlez, et les mots atterrissent dans n'importe quelle application

Une fois que cela fonctionne, l'expérience est banale de la meilleure façon qui soit. Vous placez votre curseur dans un champ de texte, maintenez la touche, parlez, lâchez. Une seconde environ plus tard, le texte est là comme si vous l'aviez tapé. Le même appui fonctionne dans votre boîte de réception, dans un document partagé, dans un fil de chat, dans la boîte où vous écrivez un message de commit. Vous n'apprenez pas une astuce par application. Vous apprenez une touche, puis vous l'oubliez, parce qu'elle fait la même chose partout.

Parce que la transcription locale s'exécute sur votre propre machine (Rust pur, pas de sidecar Python, pas de serveur dans la boucle), elle fonctionne sans connexion Internet du tout. C'est plus important que cela n'en a l'air. L'e-mail à votre patron, le paragraphe à moitié formé d'un contrat, la note sur un collègue — rien de tout cela ne doit voyager vers les journaux d'un fournisseur juste pour que vous puissiez le dire plutôt que le taper. Votre ordinateur portable a déjà un microphone et un processeur ; pour un paragraphe de dictée, il n'a pas besoin d'un serveur au milieu.

Le nettoyage par IA rend tout utilisable

Le langage parlé est désordonné sur la page. Vous dites «euh», vous recommencez des phrases à mi-chemin, vous finissez sur un bruit qui signifie «vous voyez ce que je veux dire». Collé brut, ça ressemble à une transcription, pas à de l'écriture. Whisper dispose d'une étape optionnelle d'amélioration par IA qui supprime les remplisseurs et peaufine la formulation avant de coller. Ainsi, «euh, ouais, donc le, le rapport est en gros terminé, je pense qu'on, on peut l'envoyer» devient «Le rapport est en gros terminé ; je pense qu'on peut l'envoyer.» Cette seule étape fait la différence entre une dictée que vous corrigez ensuite et une dictée que vous envoyez simplement.

Ce nettoyage s'exécute localement via Ollama, gratuitement, sur votre propre machine, donc il fonctionne hors ligne aux côtés de la transcription. Les utilisateurs Pro peuvent le router via le cloud à la place, mais l'avantage du nettoyage des remplisseurs ne nécessite pas Pro ; il est là dans la pipeline locale gratuite. Et vous pouvez le désactiver entièrement quand vous voulez les mots bruts, ce qui pour un message de chat rapide est souvent exactement ce qu'il faut. L'essentiel est que le nettoyage existe, pas que vous le vouliez toujours.

Où cela aide le plus

Les gains se concentrent autour des textes que vous remettriez autrement à plus tard parce que les taper est une corvée. L'e-mail est l'exemple évident : une réponse qui prendrait trois minutes à taper prend trente secondes à dire, et vous pouvez le faire pendant que vous faites autre chose. Les messages de chat de plus d'une phrase ou deux. Les premiers brouillons de documents, où l'objectif est de poser des mots et d'éditer plus tard, pas de taper quelque chose de fini. Des notes pour vous-même. Des commentaires de code et des messages de commit, où vous voulez décrire l'intention sans quitter la posture de frappe dans laquelle vous étiez. Et celui que je sous-estime à chaque fois : les instructions pour les outils IA, qui sont essentiellement des paragraphes de langage ordinaire et parfaitement adaptées à la parole.

Remarquez ce qu'ils ont en commun. Ils sont tous plus longs que quelques mots, et aucun ne nécessite un formatage précis. C'est le point idéal pour la voix. Vous ne dictez pas une formule de tableur ou un morceau de code avec des crochets précis. Vous produisez de la prose, et la prose est ce pour quoi votre voix est faite.

À quoi ressemble l'application Whisper complète

Le raccourci est la partie que vous utiliserez quatre-vingt-dix pour cent du temps, mais il y a une interface de paramètres derrière pour les moments où vous voulez affiner. Vous choisissez votre moteur de transcription : les modèles Whisper, dont les variantes multilingues couvrent 99 langues et dont les versions uniquement en anglais .en couvrent exactement une, ou Parakeet de NVIDIA, environ 600 Mo et 5 à 10 fois plus rapide que Whisper sur CPU, couvrant l'anglais plus 24 langues européennes. Vous configurez le raccourci, gérez l'historique, sauvegardez des préréglages. Rien de tout cela n'est nécessaire pour dicter votre première phrase. C'est là quand vous voulez plus de contrôle.

Quand la frappe gagne encore

La voix n'est pas la réponse à chaque ligne de texte, et les guides honnêtes le disent. La syntaxe de code exacte est le cas le plus clair : dicter des crochets, des opérateurs et des noms de variables est plus lent et plus sujet aux erreurs que de les taper simplement. Le formatage dense, les tableaux, les mathématiques, tout où la structure compte autant que les mots — le clavier gagne. Un bureau paysager bruyant ou une pièce bruyante nuit à la précision et est en plus gênant. Et pour des extraits vraiment courts, une réponse de trois mots ou une recherche d'une ligne, passer à la voix coûte plus de temps qu'il n'en économise. Court et précis — continuez à taper. Long et en forme de prose — parlez.

Et avant d'installer quoi que ce soit, vérifiez ce que vous possédez déjà. Windows a la saisie vocale intégrée : appuyez sur la touche logo Windows plus H dans n'importe quelle zone de texte et cela s'ouvre. Les Macs ont la Dictée intégrée dans les paramètres du clavier, et sur Apple silicon elle fonctionne sur l'appareil sans Internet. Les deux sont gratuits, les deux tapent dans n'importe quelle application, et pour le paragraphe occasionnel, ils sont vraiment suffisants. Je ne paierais pas pour un outil de dictée pour remplacer quelque chose que mon système d'exploitation fait déjà gratuitement.

Là où une application dédiée prend de l'avance, c'est le volume, le nettoyage des remplisseurs et la dictée hors ligne tout au long d'une journée entière plutôt que de temps en temps. Plus vous produisez de texte par la voix, plus ces choses comptent. Pour un seul message, saisissez la touche que vous avez déjà. Pour une journée de travail de longs messages et de brouillons, l'application dédiée cesse de sembler excessive autour du deuxième ou troisième paragraphe que vous n'avez pas eu à taper.

Ce que coûte Whisper

La pipeline de dictée locale, à la fois la transcription et le nettoyage par IA via Ollama, est gratuite pour tout utilisateur connecté, sans carte à l'inscription. Donc taper plus vite avec votre voix en utilisant Whisper ne coûte rien pour commencer. Whisper Pro ajoute les fonctionnalités cloud (transcription OpenAI, amélioration IA dans le cloud, recherche web vocale) et comprend un essai séparé. Les chiffres exacts se trouvent sur la page de tarification plutôt qu'ici, parce que les prix changent et qu'un article de blog est un mauvais endroit pour les maintenir à jour.

Ce à quoi je reviens sans cesse, c'est que ce n'est pas une astuce ou un hack de productivité avec une durée de vie limitée. C'est juste une méthode de saisie plus rapide qui est là en plein jour, bloquée derrière l'hypothèse que le vrai travail signifie taper. Votre voix tourne à 150 mots par minute, que vous l'utilisiez ou non. Le clavier sera toujours là pour le code et les feuilles de calcul. Tout le reste, vous pouvez simplement le dire.