Transcription audio par IA
Laissez l'IA écouter à votre place — des transcriptions précises et ponctuées de n'importe quel enregistrement.
Propulsé par OpenAI Whisper, 99 langues, horodatages. Gratuit pour commencer.
Le lien doit être accessible publiquement.
La transcription IA en trois étapes
L'IA vocale moderne transforme les enregistrements en texte propre bien plus vite et moins cher qu'un dactylographe — voici comment.
- Étape 1
Envoyez un audio ou un lien
Déposez n'importe quel enregistrement ou collez un lien YouTube, TikTok, Instagram, Vimeo et d'autres. Il n'y a ni modèle à régler ni langue à déclarer : les deux se décident à partir de l'audio lui-même.
- Étape 2
L'IA le transcrit
L'enregistrement est décodé, découpé s'il est long, puis envoyé à OpenAI Whisper, qui renvoie un texte ponctué et capitalisé, réparti en segments de la longueur d'une phrase portant chacun un temps de début et de fin.
- Étape 3
Modifiez et exportez
La transcription se place à côté du lecteur, si bien que chaque segment peut être réécouté et corrigé. Export en TXT, Markdown, DOCX, PDF, SRT ou VTT — avec le code qui alimente aussi les outils de sous-titres.
À quoi sert la transcription par IA
L'IA vocale encaisse le volume, la vitesse et les langues qu'une transcription manuelle ne peut pas suivre.
La vitesse à l'échelle
Un long enregistrement est découpé en morceaux transcrits plusieurs à la fois : une heure d'audio ne veut donc pas dire une heure d'attente.
99 langues
Un seul modèle couvre presque toutes les langues, et la langue se lit dans l'audio au lieu d'être choisie dans un menu où l'on peut se tromper.
Ponctuation comprise
Les phrases, les virgules et les majuscules reviennent avec le texte : c'est ce qui sépare une transcription lisible d'un mur de mots en minuscules.
Un horodatage par segment
Chaque réplique porte l'instant où elle a été prononcée, et c'est de là que viennent le clic-pour-écouter, l'export de sous-titres et la recherche dans l'enregistrement.
Un rendu constant
Ni fatigue ni dérive : le cinquantième fichier sort au même niveau que le premier, au même coût par minute.
N'importe quel enregistrement
Entretiens, appels, cours, mémos vocaux, prises de son sur le terrain — s'il y a de la parole, le modèle l'écrit.
Pourquoi utiliser l'IA pour transcrire
La transcription manuelle est lente et coûteuse — environ quatre heures de travail par heure d'audio. La transcription IA avec OpenAI Whisper fait le même travail en quelques minutes, ajoute la ponctuation et les horodatages et gère 99 langues sans broncher. Vous gardez la main : la transcription est affichée à côté de l'audio pour vérifier et corriger ce que le modèle a manqué.
Comment la transcription se déroule vraiment
Le moteur, les choix qui le sous-tendent et les endroits où il se trompe encore.
Pourquoi whisper-1 et pas un modèle plus récent
OpenAI propose des modèles vocaux plus rapides et plus précis — gpt-4o-transcribe et sa variante mini — et nous ne les utilisons pas, volontairement. Ils ne renvoient que du texte brut. whisper-1 est le seul à renvoyer des horodatages par segment, et c'est sur eux que reposent le lecteur, l'export SRT et VTT et la traduction. Passer au modèle plus précis ferait monter l'exactitude des mots et casserait silencieusement trois fonctions : l'arbitrage penche donc de l'autre côté.
Ce qui arrive à un long enregistrement
Au-delà d'une certaine durée, l'audio n'est pas envoyé d'un bloc. Le fichier est parcouru à la recherche des silences et coupé au dernier moment calme avant chaque limite, de sorte que la césure tombe entre deux phrases et non au milieu d'un mot, et les morceaux sont transcrits plusieurs à la fois plutôt que l'un après l'autre. Si le travail est interrompu, les points de coupe sont déjà enregistrés : il reprend au morceau où il s'est arrêté au lieu de recommencer le fichier entier.
La langue est décidée une fois, pas morceau par morceau
La langue est détectée sur le premier morceau puis réutilisée pour tout le fichier. C'est délibéré : laissé libre de détecter à chaque morceau, le modèle peut basculer de langue au milieu d'un enregistrement sur un passage bas ou accentué et rendre une transcription qui change de langue en route. Le prix de cette règle, c'est qu'un enregistrement réellement bilingue est transcrit dans la langue de son ouverture.
Là où il se trompe
La précision est une propriété de votre audio, pas de la page marketing : nous ne publions donc pas de pourcentage. Ce qui la fait bouger : les voix qui se chevauchent, le bruit et la musique de fond, la compression de qualité téléphonique, les accents marqués et les noms propres que le modèle n'a aucun moyen de connaître — personnes, médicaments, noms de produits internes. La réponse pratique, c'est l'éditeur : le texte reste à côté de l'audio, chaque segment est cliquable, et corriger une poignée de noms coûte une fraction du temps qu'il faudrait pour tout taper.
Ce que donne un fichier long sur l'offre gratuite
Avec l'offre gratuite, un fichier peut durer jusqu'à 30 minutes. Un enregistrement plus long est arrêté dès que sa durée est lue, avant tout envoi, et l'avis propose Pro plutôt que de vous faire attendre une transcription que vous ne pourriez pas lire en entier. Seule exception : une vidéo importée par lien. Jusqu'à 60 minutes, elle est transcrite, les 30 premières minutes s'affichent et s'exportent, et votre quota est débité d'au plus 30 minutes. Pro supprime entièrement la limite.
Ce que le modèle fait réellement à votre audio
- Modèle
- OpenAI whisper-1, retenu parce que c'est le seul modèle OpenAI qui renvoie des horodatages par segment
- Identification de la langue
- Lue dans l'audio lui-même, parmi 99 langues — aucun sélecteur de langue à se tromper
- Ponctuation et majuscules
- Ajoutées automatiquement, pour un texte qui se lit en phrases et non en bloc minuscule
- Segmentation
- La parole est découpée en segments de la longueur d'une phrase, chacun portant son instant
- Audio long
- Coupé sur les silences plutôt qu'à horloge fixe, transcrit en parallèle puis recousu dans l'ordre
- Exports
- TXT, Markdown, DOCX, PDF, SRT et VTT, tous construits à partir des mêmes segments horodatés
- Édition
- Le texte est à côté du lecteur, chaque segment peut être confronté à son audio et corrigé
- Ce qu'il ne fait pas
- Il écrit ce qui a été dit — il ne résume pas, ne réécrit pas et n'indique pas qui parle
Questions fréquentes
Quel modèle d'IA est utilisé ?
La transcription tourne sur OpenAI whisper-1, préféré aux gpt-4o-transcribe plus récents et plus précis parce qu'il est le seul à renvoyer des horodatages par segment, dont dépendent le lecteur, l'export de sous-titres et la traduction.
La transcription par IA est-elle précise ?
La précision dépend de l'enregistrement et non de l'offre : une parole nette revient quasiment mot pour mot, tandis que les voix superposées, la musique de fond, l'audio de qualité téléphonique et les noms propres inhabituels sont là où apparaissent les erreurs. Chaque segment est cliquable à côté de l'audio, si bien que corriger prend des minutes plutôt qu'une refrappe.
Quelle est sa rapidité ?
La plupart des fichiers se terminent en quelques minutes et non dans la durée de l'enregistrement, parce qu'un fichier de 60 minutes est découpé en morceaux dont plusieurs sont transcrits en même temps au lieu de se suivre. Les envois longs continuent en arrière-plan même si vous fermez l'onglet.
Quelles langues l'IA gère-t-elle ?
La parole en 99 langues, reconnue automatiquement d'après l'audio et sans aucun réglage à choisir. La langue est détectée sur le premier morceau puis conservée pour tout le fichier : un enregistrement qui change de langue en cours de route est transcrit dans celle par laquelle il a commencé.
Puis-je exporter le résultat ?
La transcription s'exporte en TXT, Markdown, DOCX, PDF, SRT et VTT, le tout produit à partir des mêmes segments horodatés, si bien que les sous-titres collent à l'audio à la milliseconde.
Indique-t-il qui parle ?
Les étiquettes de locuteur ne font pas partie du résultat aujourd'hui : la transcription rend ce qui a été dit, dans l'ordre, avec les temps. Pour un entretien, l'astuce habituelle est que les tours de parole se devinent aux coupures entre segments.
Résume-t-il l'enregistrement ?
La transcription écrit ce qui a été dit et rien de plus ; le résumé par IA est une action distincte que vous déclenchez vous-même, la transcription n'est donc jamais réécrite ni raccourcie à votre insu.
Que se passe-t-il avec un fichier plus long que la limite gratuite ?
Un compte gratuit transcrit les fichiers jusqu'à 30 minutes ; un envoi plus long est arrêté avant de commencer, avec Pro proposé à la place. Une vidéo importée par lien peut durer jusqu'à 60 minutes : ses 30 premières minutes s'affichent et au plus 30 minutes sont débitées.
Quelle durée d'enregistrement puis-je transcrire ?
Un fichier unique peut atteindre 30 minutes en gratuit et 10 heures en Pro, dans la limite de 5 Go par envoi dans les deux cas.
La transcription par IA est-elle gratuite ?
La transcription par IA est gratuite dans la limite mensuelle de 60 minutes sans carte bancaire ; Pro la porte à 30 heures par mois, lève le plafond d'affichage et supprime la limite quotidienne d'envois.
Enregistrements longs et gros fichiers ?
Passez à Pro pour transcrire des heures d'audio et de vidéo, avec plus de minutes mensuelles et des envois illimités — un texte précis en 99 langues.
Voir les offres Pro