Whisper Notes App : solution parole-vers-texte hors ligne
Analyse complète de l'app propulsée par OpenAI Whisper qui offre une transcription AI pro hors ligne et conversion parole-vers-texte
C'est quoi Whisper Notes ?
Whisper Notes, c'est une app parole vers texte hors ligne qui utilise Whisper d'OpenAI (Large V3 Turbo sur Mac, Small sur iPhone). Ça traite tout l'audio directement sur votre appareil — aucun upload dans le cloud. On la retrouve dans la santé, le juridique et le journalisme, là où l'audio ne doit pas quitter l'appareil.
Les professionnels de santé s'en servent pour les notes patients. Les journalistes pour transcrire leurs interviews. Les avocats pour les dépositions. Tout se fait hors ligne — votre audio ne quitte jamais votre appareil.
Le coût caché des apps Whisper « gratuites »
D'après notre expérience, les outils de transcription « gratuits » suivent un schéma constant : ils uploadent votre audio sur des serveurs cloud, le traitent à distance et conservent les données pour améliorer leurs modèles. Le produit n'est pas le logiciel — c'est votre voix.
Les données vocales sont permanentes
Contrairement aux mots de passe ou numéros de carte de crédit, la biométrie vocale ne peut pas être changée après une compromission. Quelques secondes d'enregistrement capturent des signatures acoustiques qui vous identifient dans différents contextes.
La technologie de clonage vocal ne nécessite désormais que trois à cinq secondes d'audio échantillon. La précision de détection humaine pour les deepfakes vocaux de haute qualité reste à seulement 24,5%. En 2025, un clone vocal du ministre italien de la Défense a été utilisé pour extorquer près d'un million d'euros. Ce n'est pas un risque théorique.
Quand vous uploadez de l'audio vers un service de transcription cloud, vous créez un enregistrement permanent de votre identité biométrique sur une infrastructure que vous ne contrôlez pas.
Le paysage des fuites de données de transcription cloud
Les incidents de sécurité liés à l'IA ont augmenté de 56,4% en 2024. Quatre-vingt-deux pour cent des fuites impliquent désormais l'infrastructure cloud. Le secteur de la santé a vu l'exposition d'informations de santé protégées via des agents de transcription, des intégrations EHR et des lacs de données mal configurés.
Le schéma est prévisible : les données sensibles affluent vers les systèmes d'IA, la visibilité chute, et des attaquants ou des accidents exposent ce qui devait rester privé. Les transcriptions des centres de contact sont transmises aux modèles pendant que les numéros de compte atterrissent dans les logs de débogage sans masquage.
Le premier semestre 2025 a vu une forte augmentation des fuites de données majeures impliquant des catégories de données plus sensibles. Au lieu de simples noms d'utilisateur et mots de passe, les fuites exposent désormais des profils génétiques, des enregistrements vocaux et des identifiants biométriques.
La direction du voyage
En mars 2025, Amazon a annoncé l'arrêt du paramètre « Ne Pas Envoyer les Enregistrements Vocaux » sur les appareils Echo. Toutes les interactions des utilisateurs avec les appareils Alexa sont désormais enregistrées et envoyées aux serveurs d'Amazon par défaut, sans option de refus.
Ce n'est pas une décision isolée. Les grandes plateformes évoluent vers plus de collecte de données, pas moins. Les incitations économiques du développement de l'IA favorisent l'accumulation de données d'entraînement. Les options de confidentialité qui existent aujourd'hui peuvent ne plus exister demain.
Nous avons construit Whisper Notes avec l'architecture opposée : il n'y a pas de serveur vers lequel envoyer des données. Ce n'est pas un paramètre qui peut être changé. C'est une contrainte fondamentale de la façon dont l'app est construite.
Le vrai prix de « gratuit »
Les outils web Whisper gratuits utilisent souvent votre audio pour améliorer leurs modèles. C'est divulgué dans les conditions d'utilisation que peu d'utilisateurs lisent. Les API cloud facturées à la minute coûtent de $0.006 à $0.40 la minute ; à raison d'une heure par semaine, ça fait environ $20 par an pour la moins chère et plus de $1,200 pour la plus chère.
Les services par abonnement comme Otter.ai coûtent environ $99 par an. Sur cinq ans, ça fait $495 — pour un service qui traite votre audio sur des serveurs distants.
Whisper Notes coûte $7.99 une fois sur iPhone et $14 une fois sur Mac. Pas d'abonnement. Pas de frais à la minute. Vos enregistrements restent sur votre appareil. Le modèle commercial est simple : vous payez pour le logiciel, vous possédez le logiciel.
Coût par an
| Type de service | Année 1 | Année 2 | Année 3 | Gestion des données |
|---|---|---|---|---|
| Whisper Notes | $7.99 | $0 | $0 | Ne quitte jamais l'appareil |
| Service d'abonnement | $99 | $99 | $99 | Traité dans le cloud |
| API cloud à la minute | $20–1,250 | $20–1,250 | $20–1,250 | Traité dans le cloud |
| Outils web « gratuits » | $0 | $0 | $0 | Peut servir à entraîner une IA |
Quand il vaut mieux utiliser un service cloud
Sur un audio propre, les grands modèles cloud restent un peu plus précis, parce qu'ils tournent à une taille qu'aucun téléphone ni aucun ordinateur portable ne peut contenir. C'est un vrai avantage, et nous n'allons pas faire semblant du contraire.
Si vous avez besoin de sous-titres en direct, si plusieurs personnes doivent corriger la même transcription pendant que la réunion se déroule, ou si la dernière fraction de précision compte plus que l'endroit où se trouve l'audio, un service cloud est le meilleur outil et nous préférons que vous l'utilisiez.
Ce que nous contestons, c'est de traiter cet écart de précision comme le seul chiffre de la décision. Pour un travail soumis au secret professionnel — notes cliniques, pièces couvertes par le secret, entretiens avec des sources — « où va l'audio ? » est une question à laquelle vous devez pouvoir répondre, et la réponse la plus courte qui tienne, c'est qu'il n'est allé nulle part.
Pourquoi l'architecture compte : apps natives vs. web wrappers
Quand vous cherchez « app Whisper », vous trouverez trois catégories : des outils web qui tournent dans votre navigateur, des APIs cloud qui nécessitent internet, et des apps natives compilées spécifiquement pour votre appareil. La différence d'architecture compte pour la confidentialité et la performance.
Web wrappers et outils basés sur navigateur
Beaucoup d'outils Whisper basés sur navigateur revendiquent un « traitement local », ce qui est techniquement exact. Votre audio reste dans l'onglet du navigateur. Mais les environnements navigateur ont des limitations fondamentales.
Les contraintes mémoire forcent des modèles plus petits. La plupart des navigateurs limitent la mémoire WebAssembly à environ 4 Go, ce qui restreint la taille du modèle qui peut tourner. JavaScript ajoute une surcharge de traitement comparé au code natif. Un seul crash d'onglet perd votre travail sans option de récupération.
Les outils basés sur navigateur manquent aussi d'intégration système. Ils ne peuvent pas tourner en arrière-plan pendant que vous utilisez d'autres applications. Ils ne peuvent pas accéder efficacement à l'accélération matérielle. Ce sont des pages web qui font de la transcription, pas des logiciels de transcription.
| Traitement | WebAssembly/TensorFlow.js dans le navigateur |
| Taille du modèle | Limité par la mémoire du navigateur (~4 Go) |
| Vitesse | Plus lent à cause de la surcharge JavaScript |
| Confidentialité | Mieux que le cloud, mais le navigateur a accès |
| Fiabilité | L'onglet peut crasher, pas de traitement en arrière-plan |
Apps natives : accès direct au matériel
Whisper Notes est compilé spécifiquement pour macOS et iOS. Il exécute ses modèles directement sur Apple silicon.
Ce n'est pas une page web enveloppée dans une coquille d'app. C'est du code natif optimisé pour votre matériel spécifique. C'est aussi toute la raison pour laquelle les chiffres de vitesse de cette page sont possibles : sur Mac, Parakeet tourne à environ 74× le temps réel, soit moins d'une minute pour une heure d'audio.
Sur Mac, la transcription continue quand vous changez d'app, l'app reprend proprement après une interruption, et l'isolation du système la tient à l'écart des données des autres apps. Il n'existe aucun chemin d'upload pour votre audio ni pour sa transcription, ce que vous pouvez vérifier en une trentaine de secondes : activez le mode avion et transcrivez un fichier.
| Traitement | Exécution directe sur Apple silicon |
| Taille du modèle | Whisper Large V3 Turbo, environ 2 Go |
| Vitesse | Parakeet à environ 74× le temps réel sur Mac |
| Confidentialité | L'audio et les transcriptions restent sur l'appareil |
| Fiabilité | Continue de fonctionner hors ligne, intégration système |
APIs cloud : puissance maximale, exposition maximale
Les services cloud peuvent exécuter les plus grands modèles Whisper parce que les ressources serveur sont effectivement illimitées. Ils peuvent offrir une précision marginalement plus élevée et des fonctionnalités comme le sous-titrage en direct qui nécessitent une puissance de calcul substantielle.
Le compromis : chaque enregistrement est uploadé vers une infrastructure que vous ne contrôlez pas. Votre audio traverse internet, est traité sur des serveurs distants, et peut être stocké selon des politiques de rétention que vous n'avez pas choisies.
Pour les thérapeutes liés par des exigences de confidentialité, les avocats gérant des communications privilégiées, les journalistes protégeant leurs sources, ou quiconque travaillant avec des informations sensibles, le traitement cloud est souvent un facteur disqualifiant indépendamment des avantages de précision.
| Traitement | Serveurs distants (calcul illimité) |
| Taille du modèle | Plus grands modèles disponibles |
| Vitesse | Dépend d'internet et de la file d'attente serveur |
| Confidentialité | Audio uploadé et potentiellement stocké |
| Fiabilité | Nécessite internet, sujet aux limites de taux |
Notre décision architecturale
Nous avons choisi l'architecture d'app native parce que c'est la seule façon de rendre la promesse structurelle plutôt que contractuelle : vos données vocales restent sur votre appareil. Pas « traité localement puis synchronisé ». Pas « chiffré en transit ». Jamais uploadé, point.
Ce choix a des coûts. Les enregistrements ne sont pas sous-titrés mot à mot pendant que vous parlez : une transcription en direct affiche les mots en quelques secondes quand vous enregistrez sur iPhone ou enregistrez une réunion sur Mac, mais seulement dans les 25 langues européennes que couvre Parakeet ; dans les autres langues, le panneau Mac se met à jour environ toutes les 30 secondes. Nous ne pouvons pas exécuter des modèles plus grands que ce qui tient sur votre appareil. Nous ne pouvons pas fournir de fonctionnalités collaboratives qui nécessitent un serveur.
Nous avons fait ce compromis intentionnellement. Pour les cas d'usage où la confidentialité compte — et d'après notre expérience, ça inclut la plupart de la transcription professionnelle — le fait que le traitement reste sur l'appareil l'emporte sur les fonctionnalités qui nécessitent une infrastructure cloud.
Quel modèle fait le travail ?
Les moteurs, et comment choisir
Spécifications techniques
| Modèles IA | Parakeet (par défaut), Whisper Large V3 Turbo (Mac) ou Whisper Small (iPhone), SenseVoice, Apple Speech (iOS 26, macOS 26) ; sur Mac, aussi Qwen3-ASR 1.7B (Beta) |
| Langues | 100 langues via Whisper, 25 langues européennes via Parakeet, 6 via SenseVoice |
| Formats audio | MP3, WAV, M4A, FLAC, AAC |
| Vitesse de traitement | Parakeet à environ 74× le temps réel sur Mac ; la voie Whisper Turbo environ 2,7× |
| Durée et frais | Jusqu'à 24 heures par fichier, sans frais à la minute |
| Plateformes | iOS 18+ (iPhone 12+), macOS 14+ (Apple Silicon) |
Qu'est-ce qu'elle sait vraiment faire ?
Trois choses portent l'essentiel de l'usage quotidien : faire entrer l'audio, faire sortir le texte, et la contrainte qui garde les deux sur l'appareil.
Import de fichiers
Importez vos fichiers audio pour une transcription hors ligne. L'app Whisper Notes traite les fichiers en utilisant le contexte complet pour une meilleure précision.
- ✓Import depuis Fichiers, Mémos Vocaux, n'importe où
- ✓Enregistrez d'abord, transcrivez après pour une meilleure précision
- ✓Sur Mac, déposez plusieurs fichiers sur l'icône de l'app : ils sont transcrits l'un après l'autre
- ✓Organisation automatique des fichiers
Options d'export
Plusieurs formats de sortie, du texte aux sous-titres.
- ✓Texte brut avec formatage
- ✓Fichiers de sous-titres SRT et VTT
- ✓Transcriptions horodatées
- ✓Étiquettes de locuteurs
- ✓Sauts de paragraphes personnalisés
Confidentialité totale
Votre audio ne quitte jamais votre appareil. Traitement hors ligne uniquement.
- ✓Vos enregistrements et transcriptions ne sont jamais envoyés - hors ligne seulement
- ✓Aucun sous-traitant tiers : transcription privée pour la santé, le droit et l'entreprise
- ✓Stockage local uniquement, chiffré par iOS ou macOS
- ✓Pas de cloud - tout sur votre appareil
Quelle est sa précision, et d'où vient ce chiffre ?
Des benchmarks publiés, plus nos propres mesures sur une machine nommée
Nous ne menons pas notre propre étude de précision : un éditeur qui corrige sa propre copie ne vaut pas grand-chose. Les taux d'erreur ci-dessous viennent du Hugging Face Open ASR Leaderboard et du benchmark FLEURS. Les deux sont publics et tenus par des gens qui n'ont aucun intérêt dans cette application. Les chiffres de vitesse sont les nôtres, mesurés sur une machine que nous nommons.
Taux d'erreur sur mots par modèle
| Modèle | Source | Taux d'erreur | Remarque |
|---|---|---|---|
| Parakeet V3 (base du modèle par défaut) | Open ASR Leaderboard | 6,32 % WER (anglais) | 25 langues européennes ; 12,0 % de moyenne sur FLEURS |
| Whisper Large V3 Turbo | Open ASR Leaderboard | 7,83 % WER (anglais) | La couverture la plus large des trois : 100 langues |
| SenseVoice Small | Notre test, M4 Pro | Podcast de 27 minutes en 13,83 s | Conçu pour le chinois, le japonais, le coréen et le cantonais ; mesuré avec une version antérieure de l'app, à peu près comme les 115–131× de la fiche actuelle du modèle |
Key Findings
- •Sur Mac, Parakeet tourne à environ 74× le temps réel ; Whisper Turbo est plusieurs fois plus lent sur le même fichier
- •En anglais, moins de deux points de taux d'erreur séparent les trois modèles
- •La mesure porte sur de la parole lue et préparée. Vos propres enregistrements feront moins bien, et le micro comme les gens qui se coupent la parole pèsent plus lourd que le choix du modèle
Les gros modèles cloud gardent une légère avance sur un audio propre, parce qu'ils tournent à une taille qu'aucun téléphone ni portable ne peut contenir. Cet écart est le prix à payer pour que l'audio ne quitte jamais l'appareil. Si votre travail n'exige pas le dernier point de précision, l'échange en vaut généralement la peine. S'il l'exige, un service cloud est la recommandation honnête.
Comment se compare-t-elle aux alternatives ?
Face aux services cloud, aux outils déjà présents sur votre appareil et aux logiciels d'entreprise
L'essentiel de ce tableau se vérifie en quelques minutes. La ligne sur la précision est celle à lire attentivement, parce que les quatre catégories ne sont pas mesurées sur le même benchmark.
Comparatif des fonctionnalités
| Fonctionnalité | Whisper Notes | Services cloud | Outils intégrés | Logiciel entreprise |
|---|---|---|---|---|
| Précision (WER anglais) | 6,32-7,83 % (Open ASR Leaderboard) | Chiffres annoncés par l'éditeur, le plus souvent absents de ce classement | Non publié | Non publié |
| Où l'audio est traité | Sur votre appareil | Serveurs de l'éditeur | Variable selon l'éditeur | Option sur site |
| Prix | $7.99 sur iPhone, $14 sur Mac, payé une fois | $0.006–0.40/min | Gratuit (limité) | $500–2,000/licence |
| Langues | 100 langues | 50-100 langues | 10-30 langues | 20-50 langues |
| Internet requis | Non | Oui | Parfois | Sur site: Non |
| Limite de longueur de fichier | Pas de frais à la minute | Généralement 1-2 heures | 5-10 minutes | Variable |
Market Position: Le compromis devient lisible dès que les trois options sont côte à côte. Une API cloud de pointe reste un peu plus précise sur un audio propre, et elle coûte de $0.006 à $0.40 la minute, avec votre enregistrement sur le disque de quelqu'un d'autre. La transcription d'entreprise sur site garde l'audio à l'intérieur de votre réseau et démarre autour de $500 par poste. Whisper Notes fait tourner les modèles ouverts sur du matériel que vous possédez déjà, pour $7.99 sur iPhone ou $14 sur Mac, et renonce pour cela au sous-titrage en direct, à l'édition partagée et à la dernière fraction de précision. Si l'un de ces trois points figure sur votre liste, l'un des deux autres est le meilleur achat.
À quels métiers cette app convient-elle ?
Trois types de travail où l'enregistrement ne peut pas voyager
Santé
Les professionnels de santé utilisent Whisper Notes pour la documentation patient, les notes cliniques et les entretiens de recherche. Comme l'audio n'atteint jamais un serveur de notre côté, il n'y a aucun sous-traitant tiers à couvrir par un BAA. Que l'ensemble du flux de travail soit conforme HIPAA dépend encore de la façon dont l'appareil lui-même est sécurisé. Et si des collègues doivent ouvrir et commenter la même note, un service cloud avec un BAA signé est la réponse la plus pratique.
Use Cases
- •Documentation des consultations patients
- •Notes et observations des procédures médicales
- •Transcription des interviews de recherche
- •Enregistrements des sessions de télémédecine
- •Contenu de formation et éducation médicale
Benefits
- ✓Aucune politique de partage de données à croire sur parole, puisque rien n'est envoyé
- ✓Vocabulaire personnalisé pour les termes cliniques et les noms de médicaments
- ✓Aucune donnée de santé ne quitte l'appareil, puisqu'il n'existe pas de chemin d'upload
- ✓Une consultation de 20 minutes se transcrit en bien moins d'une minute sur un Mac Apple Silicon
Juridique
Les avocats utilisent Whisper Notes pour les dépositions, les entretiens clients et la préparation de dossiers. L'enregistrement reste sur l'appareil, donc aucun prestataire n'en détient de copie. Ce que cela ne règle pas, ce sont vos propres obligations : savoir si un flux de travail donné satisfait les règles de confidentialité de votre juridiction dépend encore de la façon dont l'appareil, ses sauvegardes et ses exports sont gérés.
Use Cases
- •Documentation des interviews clients
- •Transcription des dépositions et audiences
- •Notes de recherche et préparation d'affaires
- •Enregistrements des procédures juridiques
- •Transcription des interviews d'enquête
Benefits
- ✓Nous ne détenons aucune copie de l'enregistrement ni de la transcription
- ✓Vocabulaire personnalisé pour les noms d'affaires et les termes juridiques
- ✓Transcriptions horodatées, exportables en texte, SRT ou VTT
- ✓$7.99 sur iPhone ou $14 sur Mac, payé une fois, face à une transcription externalisée facturée à la minute
Journalisme : reportage
Les reporters utilisent Whisper Notes pour leurs entretiens avec des sources et leurs enregistrements de terrain. Aucun serveur ne détient l'audio, donc les seules copies sont celles qui se trouvent sur vos propres appareils. Cela déplace la protection des sources : elle ne repose plus sur notre politique de rétention, que vous ne pouvez pas vérifier, mais sur la sécurité de votre appareil, que vous pouvez vérifier. Si la rédaction a besoin que plusieurs personnes éditent une même transcription pendant un direct, c'est le travail d'un outil cloud.
Use Cases
- •Transcription des entretiens avec les sources
- •Documentation des enregistrements de terrain
- •Notes de conférences de presse
- •Archives d'entretiens de recherche
- •Production de podcasts
Benefits
- ✓Rien de l'enregistrement ni de la transcription n'est envoyé où que ce soit
- ✓Fonctionne appareil hors ligne, ce qui est aussi la façon de vérifier l'affirmation
- ✓Aucun compte, donc aucun historique de connexion reliant un entretien à vous
- ✓Export en texte, SRT ou VTT, pour les outils que la rédaction utilise déjà
Quelle est sa vitesse, et où pèche-t-elle ?
Les chiffres que nous avons mesurés, et ce que la conception exclut
Ce que nous avons mesuré, et sur quoi
La vitesse dépend de la machine et du moteur choisi. Un multiplicateur unique pour « l'app » serait donc trompeur. Voici nos propres essais, chronométrés du lancement au texte final, sur du matériel que nous nommons.
Parakeet V3 (base du moteur par défaut)
Environ 74× le temps réel sur Mac : un enregistrement de réunion de 17,5 minutes prend environ 15 secondes
25 langues européennes ; notre propre essai, sur une seule machine
La voie Whisper Turbo
Whisper Large V3 Turbo tourne à environ 2,7× le temps réel sur le même Mac, ce qui est le prix de ses 100 langues
Nos propres essais ; Turbo est la voie de la couverture large, pas celle de la vitesse
Appareils plus anciens et plus petits
Un iPhone traverse un fichier plus lentement qu'un Mac Apple Silicon, et l'écart se creuse avec l'âge de la puce. Les longs fichiers aboutissent quand même ; ils prennent proportionnellement plus de temps
iPhone 12 ou plus récent, ou un Mac Apple Silicon
Stockage
Les transcriptions sont minuscules, environ 0,1 Mo par heure d'audio. Ce sont les modèles qui pèsent : sur Mac, Qwen3-ASR 1.7B fait environ 2,5 Go et Whisper Large V3 Turbo environ 2 Go ; les autres sont plus petits
Parakeet est intégré à l'app ; les autres modèles se téléchargent depuis l'app
Limites connues
Faire tourner les modèles sur l'appareil impose des limites dures, et elles sont plus faciles à vérifier avant l'achat qu'après. L'offre gratuite sur Mac couvre 5 000 mots par semaine exactement pour cette raison.
Matériel requis
Conçu pour l'iPhone 12 ou plus récent et les Mac Apple Silicon ; les iPhone plus anciens n'ont pas les performances de Neural Engine qu'il faudrait pour que ce soit praticable. La version Mac App Store s'installe aussi sur les Mac Intel, sans SenseVoice, Qwen3-ASR ni la transcription en direct rapide.
Impact: iPhone 12 ou plus récent ; un Mac Apple Silicon pour tous les modèles
Temps de traitement
Le temps de traitement augmente avec la durée de l'enregistrement. On ne contourne pas la physique du calcul sur appareil.
Impact: Aux vitesses ci-dessus, un fichier d'une heure se compte en minutes sur un Mac, et davantage sur un iPhone
Dépendance à la qualité audio
Un audio médiocre ou un fort bruit de fond fait baisser la précision, et le modèle ne peut pas récupérer une information qui n'est pas dans le signal.
Impact: Le placement du micro et les gens qui se coupent la parole pèsent plus lourd sur le taux d'erreur que le choix du modèle
Pas de sous-titrage en direct
Whisper Notes n'est pas un service de sous-titrage. Sur iPhone, la transcription s'affiche à l'écran pendant l'enregistrement dans les 25 langues européennes que couvre Parakeet ; quand vous enregistrez une réunion sur Mac, le panneau de transcription en direct affiche les mots en quelques secondes dans ces langues et environ toutes les 30 secondes dans les autres. La transcription finale est faite à partir du fichier entier, ce qui donne au modèle plus de contexte.
Impact: S'il vous faut des sous-titres à l'écran pendant l'événement, ce n'est pas le bon outil
Une seule langue par enregistrement
Difficulté avec la commutation rapide entre langues dans un même enregistrement
Impact: Meilleurs résultats avec un usage linguistique cohérent tout au long de l'enregistrement
Conclusion
Télécharger l'app Whisper Notes
Parole vers texte hors ligne pour iPhone et Mac. Transcription qui respecte votre confidentialité.
Télécharger pour iOSDisponible sur iOS (iPhone 12+) et macOS (Apple Silicon). $7.99 une fois sur iPhone ; sur Mac, 5 000 mots par semaine gratuits, puis $14 une fois. Pas d'abonnement.