Reconnaissance vocale sur Windows : gratuit ou payant

Trois chemins en une minute

L'application ne choisit pas un modèle de transcription pour vous. Vous choisissez parmi trois chemins. C'est volontaire.

Cloud (OpenAI, BYOK) — le chemin de la plus haute qualité

Vous apportez votre propre clé API OpenAI. La transcription tourne sur gpt-4o-mini-transcribe (par défaut) ou gpt-4o-transcribe. L'amélioration de texte par IA tourne sur gpt-5-mini par défaut ; gpt-5-nano et gpt-5 sont aussi disponibles. La recherche web passe par gpt-4o-mini via la Responses API. Vous payez OpenAI directement pour l'usage ; nous ne prenons aucune commission. Choisissez ce chemin si vous voulez la meilleure qualité et l'accès web dans un seul outil, et que vous êtes à l'aise avec le paiement à la minute directement à OpenAI.

Parakeet (NVIDIA TDT, ~600 Mo) — le chemin local le plus rapide

Parakeet v3 est 5 à 10× plus rapide que Whisper sur CPU. Anglais plus 24 langues européennes. Pas de traduction vers l'anglais. Pas de code-switching avec les écritures asiatiques. La qualité est bonne, pas du niveau de Whisper large-v3, mais largement suffisante pour le travail quotidien d'e-mails et de documents. Choisissez ce chemin si vous voulez de la vitesse et que vous parlez surtout anglais.

Whisper local (8 modèles) — le chemin local le plus contrôlable

Plus lent que Parakeet sur le même matériel. En échange vous obtenez 99 langues sur les versions multilingues, la traduction vers l'anglais, le vocabulaire personnalisé, le contrôle de la beam size, et le biais par mots-clés. Choisissez ce chemin s'il vous faut de la traduction, de la transcription multilingue (notamment chinois, japonais, coréen, que Parakeet ne sait pas faire), ou un contrôle plus fin par enregistrement.

Les trois chemins utilisent le même raccourci, le même overlay, les mêmes paramètres. Bascule en un seul interrupteur.

Ce que Windows vous donne déjà (Win+H)

Ouvrez n'importe quel champ de texte : Word, Outlook, la barre d'adresse d'un navigateur, Notepad, le champ de saisie Slack. Appuyez sur Windows + H. Une petite barre d'outils de dictée apparaît, et votre PC écoute. Parlez. Cliquez ailleurs, ou appuyez sur le bouton stop de la barre d'outils, et le texte reste. Voilà toute la base.

Microsoft appelle ça Voice Typing. C'est intégré à Windows 10 et Windows 11. Pas d'application à installer. Pas d'« entraînement » comme celui que ma cousine a dû faire sur Dragon NaturallySpeaking, sur un PC Windows 98 en 1999, qui exigeait 45 minutes de lecture d'une liste de calibration avant que le logiciel puisse décider si vous aviez dit « writing » ou « riding ». La technologie vocale s'est discrètement améliorée pendant que personne ne regardait, et Microsoft a livré le résultat dans une mise à jour système sans communiqué de presse.

Quelques choses à savoir d'emblée. Voice Typing utilise la reconnaissance vocale en ligne de Microsoft, propulsée par Azure Speech services. Ce qui veut dire que l'audio quitte votre portable pour rejoindre un data center Microsoft. Si vous dictez un tableur de salaires, une note RH, ou quoi que ce soit soumis à HIPAA ou GDPR, ça compte. Vérifiez votre politique IT ou utilisez un outil dont l'histoire de confidentialité est plus simple. La fonctionnalité supporte plus de 50 langues avec des variantes régionales. Sur un Copilot+ PC (la nouvelle génération Snapdragon X / Surface), il existe aussi une fonctionnalité Voice Typing appelée Fluid dictation qui utilise un petit modèle de langage embarqué pour corriger grammaire, ponctuation et mots de remplissage pendant que vous parlez, actuellement disponible dans toutes les locales anglaises.

Voice Typing vs Voice Access — choisir la bonne surface

Deux fonctionnalités Microsoft différentes, fréquemment confondues. Voice Typing est ce que vous obtenez avec Windows + H. Voice Access est une fonctionnalité distincte pour piloter tout le PC à la voix : ouvrir des applications, cliquer sur des boutons, faire défiler, plus la rédaction de texte. Voice Access nécessite Windows 11 22H2 ou supérieur, utilise une reconnaissance vocale embarquée qui marche sans connexion internet, et a remplacé l'ancienne Windows Speech Recognition en septembre 2024. Les langues de Voice Access couvrent l'anglais (six variantes régionales), l'espagnol, l'allemand, le français, le chinois simplifié et traditionnel, le japonais, et l'italien.

Si votre objectif est « je veux dicter du texte dans des applications », vous voulez Voice Typing. Si votre objectif est « je ne peux pas utiliser souris ni clavier, je dois piloter tout le PC », vous voulez Voice Access. Les deux reposent sur des prémisses différentes et la documentation vit à des endroits différents. La plupart des lecteurs qui cherchent « reconnaissance vocale sur Windows » veulent Voice Typing.

Quand Microsoft Voice Typing suffit

Entre nous, la plupart des gens n'ont pas besoin d'une application de dictée payante. Si vous envoyez une réponse de 30 mots, dictez dans un fil Slack, ou notez un événement de calendrier, Windows + H est gratuit et fait le job. Whisper commence à valoir le coup vers le seuil des 200 mots, où la précision de Voice Typing et l'absence d'étape d'amélioration commencent à faire mal. Les longues phrases deviennent des coulées sans fin. La ponctuation dérive. Les noms propres vacillent ; le prénom de ma fille aînée a été transcrit en « Maira », « Mirror », et une fois, mémorablement, « Mirror image ».

La répartition est en gros : court, décontracté, anglais uniquement, sans souci de conformité → Voice Typing. Long, intentionnel, multilingue, sensible, ou vous voulez de l'amélioration → tournez-vous vers un vrai outil. Si votre journée est surtout faite de chats Teams de deux lignes, vous avez fini de lire cet article. Si elle implique de rédiger des e-mails, des notes de synthèse, des commentaires de code, des résumés de cours, ou des variantes de copy marketing, continuez. dictating into Word specifically has a few extra considerations worth reading.

And if you want the inverse — Windows reading text back to you for proofreading long drafts — the honest free text-to-speech roundup covers Edge's built-in Read Aloud and the five tools worth the install.

Vous préférez la page produit au guide pratique ? La reconnaissance vocale de Whisper pour Windows présente l'application, les modèles locaux et le téléchargement en un seul endroit.

Pas à pas : mode Cloud (le chemin OpenAI BYOK)

Cloud est le chemin de la plus haute qualité et celui que je configurerais en premier sur une nouvelle machine. Budget temps : environ 3 minutes si vous avez déjà une clé OpenAI.

Chemin alternatif : Parakeet (la voie local-first)

Si vous préférez que votre audio ne quitte pas le portable, Parakeet est le moteur local le plus rapide.

Installer

Même installeur Whisper. Settings → Transcription → basculez le mode sur Local — Parakeet. L'application télécharge le fichier modèle Parakeet v3 (~600 Mo) et le décompresse au premier lancement.

Utiliser

Même raccourci : maintenez Ctrl + Space, parlez, relâchez. La transcription apparaît à votre curseur, comme en mode cloud. Pas besoin d'internet une fois le modèle téléchargé. Toute la transcription est en pur Rust via transcribe-rs (pas de sidecar Python).

Quand le choisir

Locuteur anglophone. Travail majoritairement en anglais. Le code-switching entre langues européennes passe ; Parakeet couvre 25 langues dont français, allemand, espagnol, italien, polonais, ukrainien, russe, et 17 autres. Vous voulez de la vitesse et vous n'avez pas besoin de la traduction vers l'anglais ni des langues asiatiques. Parakeet tourne 5 à 10× plus vite que Whisper sur CPU, ce qui sur un portable Intel i5/i7 typique veut dire que vous finissez la dictée au moment où votre doigt quitte la touche.

Quand le sauter

Vous parlez chinois, japonais, coréen, arabe, ou une autre langue non européenne ; il vous faut la traduction vers l'anglais ; ou vous avez besoin du contrôle de beam size et de hotwords. Utilisez plutôt le chemin Whisper local ou Cloud.

Chemin alternatif : Whisper local (quand il vous faut du contrôle)

Whisper local est le moteur local le plus large. 99 langues sur les versions multilingues. Traduction vers l'anglais. Vocabulaire personnalisé. Contrôle de beam size. Biais par mots-clés.

Installer

Même installeur Whisper. Settings → Transcription → basculez le mode sur Local — Whisper. Choisissez un modèle.

Utiliser

Même raccourci : maintenez Ctrl + Space, parlez, relâchez. L'amélioration IA en mode local passe par Ollama si vous l'avez installé ; sinon, transcription brute.

Préréglages de performance

Settings → Transcription → Performance. Trois options : Fast (beam 3), Balanced (beam 6), Accurate (beam 9). Fast et Balanced conviennent à la plupart des utilisateurs ; Accurate est pour la transcription à fort enjeu où vous pouvez attendre une seconde de plus.

Quand le choisir

Vous traduisez de l'ukrainien vers l'anglais en milieu de phrase, vous dictez en japonais, vous passez entre cinq langues dans un même paragraphe, ou vous voulez du biais par hotwords pour du vocabulaire spécialisé (médical, juridique, technique).

Quand le sauter

Vous êtes anglophone uniquement et voulez l'option locale la plus rapide ; choisissez Parakeet. Vous voulez la précision haut de gamme et avez une clé OpenAI ; choisissez Cloud.

La comparaison honnête : Microsoft Voice Typing, Wispr Flow, et Whisper

Wispr Flow est un produit cloud-only soigné à environ $15 par mois sur Windows. La transcription elle-même se fait via la même famille de modèles Whisper qui tournent sur le GPU de quelqu'un d'autre. Nous, nous faisons tourner le même moteur sur votre portable, facturons $9.99 par mois, et incluons le cloud (BYOK vers OpenAI) en repli quand vous en avez envie. Le prix à vie ($69) atteint son point d'équilibre face à l'abonnement mensuel à sept mois : à $9.99 × 7 vous auriez dépensé $69.93 en mensuel. La plupart des utilisateurs continuent à dicter bien plus longtemps que sept mois. Le tarif à vie est le prix honnête pour un outil que vous utilisez vraiment.

Soyons clairs : Wispr Flow est un vrai produit fait par des gens intelligents. Si leur UI est ce qui vous convainc de dicter tout court, ça vaut plus que $20 par mois en frappes économisées. Nous pensons simplement que la dictée ne devrait pas coûter un abonnement mensuel à perpétuité en 2026.

If your dictation lives mostly in the browser, the Chrome-extension route is a different trade-off again; the honest Voice In (Dictanote) alternative weighs an in-page extension against a system-wide app that types into every window.

Choisir le bon modèle Whisper pour votre matériel

Whisper est livré dans l'application en huit tailles. La vérité ennuyeuse, c'est que la plupart des utilisateurs Windows devraient choisir small.en pour le travail uniquement en anglais, ou small pour le multilingue, et ne plus jamais y penser.

Toutes les tailles sont tirées directement du registre de modèles de l'application de bureau ; aucun arrondi, aucun chiffre du papier public Whisper.

Quelques règles empiriques. Avec 8 Go de RAM, le mode Cloud tourne sur n'importe quel matériel quoi qu'il arrive. En local : Parakeet, base.en, ou small.en sont les choix sûrs ; medium.en s'étouffera. Avec 16 Go+ et un GPU dédié, tous les chemins tournent confortablement et ce sont large-v3 et turbo qui profitent le plus du GPU. Un microphone USB à $20 fait plus pour la précision de transcription que de passer de small.en à medium.en. Mettez l'argent sur l'entrée avant de le mettre sur le modèle.

Pour les utilisateurs multilingues qui passent de l'anglais à l'ukrainien, l'allemand ou le japonais en milieu de paragraphe, large-v3 ou turbo est la seule famille de modèles qui gère vraiment le code-switching proprement. Les modèles multilingues plus petits savent transcrire une langue correctement, mais ils vacillent quand vous basculez en milieu de phrase.

Trois choses qui font trébucher les gens la première semaine

Une petite histoire qui pourrait vous épargner une soirée. La première version du gestionnaire de raccourcis de Whisper déclenchait la callback d'arrêt d'enregistrement six fois par appui réel sur Windows. Marchait nickel sur une installation propre, cassait sur les machines clientes qui avaient n'importe quelle saisie linguistique activée. A pris plusieurs jours de télémétrie, un debounce de 50 ms qui ne suffisait pas, puis un debounce de 300 ms qui a fini par suffire. Les IMEs Windows génèrent des événements fantômes de relâchement Ctrl + Space à des intervalles imprévisibles ; soit vous debouncez, soit vous perdez la tête. Nous avons choisi la première option. Le debounce vous est invisible ; il reste là, à faire son boulot, comme la plupart des bonnes infrastructures.

If your Win + H toolbar opens but the microphone meter never moves — or the whole shortcut does nothing — that's a different problem with its own short fix list: eight verified fixes for Windows voice typing that stopped working.

Si vous ne devez retenir qu'une chose, retenez celle-ci : votre PC Windows fait déjà de la reconnaissance vocale, gratuitement, suffisamment bien pour des notes courtes. Servez-vous-en. Quand l'histoire de confidentialité (audio routé via Azure), l'absence d'amélioration, et les limites sur la dictée longue commencent à vous coûter du vrai temps (en général vers le seuil des 200 mots, en général au bout d'une semaine), c'est là qu'un vrai outil de dictée gagne sa place. Essayez d'abord le local si vous tenez à la confidentialité ou si vous êtes surtout hors ligne. Cloud est le chemin de la plus haute qualité si non. La bascule est un seul interrupteur dans Settings, et le raccourci est le même. Si vous êtes en train de soupeser les étapes d'installation dans votre tête en ce moment, l'expérience la plus rapide est : installez Whisper, mettez le mode Cloud avec votre clé OpenAI, maintenez Ctrl + Space, dictez ce paragraphe dans une fenêtre Notepad, et voyez si vous voulez encore retourner taper. Je parie que non.