La transcription Whisper, c'est convertir la parole en texte avec Whisper d'OpenAI — un modèle d'IA open source que l'on peut exécuter dans le cloud, sur un serveur, ou entièrement sur son propre appareil. Ce guide explique comment fonctionne Whisper, quelle taille de modèle choisir, quelle est sa précision réelle, et le moyen le plus rapide de l'utiliser hors ligne sur Mac ou iPhone.
Whisper, c'est quoi exactement ?
Whisper est un modèle de reconnaissance vocale automatique (ASR) publié par OpenAI en septembre 2022 sous licence MIT. C'est un transformer encodeur-décodeur entraîné sur plus de 680 000 heures d'audio multilingue, capable de transcrire environ 100 langues et de traduire vers l'anglais.
Ce qui compte pour vous : les poids du modèle sont ouverts. Contrairement aux API vocales de Google ou d'Amazon, Whisper n'a pas besoin de tourner sur le serveur de quelqu'un d'autre. Tout un écosystème existe pour l'exécuter localement — whisper.cpp, faster-whisper, et des applications natives comme Whisper Notes. C'est ce qui rend possible une transcription réellement hors ligne et privée.
Peut-on utiliser Whisper sans écrire de code ? Oui : une application avec interface graphique télécharge le modèle Whisper et le fait tourner en local pour vous ; vous importez un enregistrement et obtenez la transcription sans Python, sans terminal et sans clé d'API. Whisper Notes le fait sur Mac et iPhone, MacWhisper sur Mac, et Buzz (gratuit et open source) sur Windows, Mac et Linux.
Tailles de modèles Whisper : lequel utiliser pour votre transcription
Whisper existe en six tailles principales. Plus grand signifie plus précis, mais plus lent :
| Modèle | Paramètres | Vitesse | Idéal pour |
|---|---|---|---|
| tiny | 39M | Le plus rapide | Brouillons rapides, matériel modeste |
| base | 74M | Très rapide | Audio simple et propre |
| small | 244M | Rapide | Bon équilibre vitesse/précision sur mobile |
| medium | 769M | Modérée | Rarement le bon choix aujourd'hui |
| large-v3 | 1,55B | Le plus lent | Précision maximale, audio difficile |
| large-v3-turbo | 809M | ~5x plus rapide que large-v3 | La version que la plupart des outils embarquent |
Pour presque tout le monde, large-v3-turbo est la réponse : il conserve l'encodeur de large-v3 mais réduit les couches du décodeur de 32 à 4, offrant une précision quasi identique pour une fraction du calcul. Nous l'avons benchmarké en détail dans Whisper Large V3 Turbo vs V3.
Quelle est la précision de la transcription Whisper ?
Sur de l'audio anglais propre, les grands modèles atteignent un taux d'erreur de mots (WER) d'environ 5 à 8 % sur l'Open ASR Leaderboard. La précision baisse avec le bruit de fond, les accents marqués, les voix qui se chevauchent et les langues peu dotées.
Le défaut le plus connu de Whisper : les hallucinations pendant les silences. Son décodeur autorégressif invente parfois des phrases répétées ou des crédits de sous-titres quand personne ne parle. Dans nos tests de silence précis, Parakeet V3 de NVIDIA n'a inventé aucun mot ; c'est un résultat limité à ce test, pas l'affirmation qu'un modèle de reconnaissance vocale serait infaillible (benchmark complet Parakeet V3 vs Whisper).
Pour le chinois, le japonais et le coréen, Whisper n'est pas la seule option : voir SenseVoice vs Qwen3-ASR.
5 façons de faire de la transcription Whisper
| Méthode | Coût | Confidentialité | Installation |
|---|---|---|---|
| API OpenAI | Facturation à la minute d'audio | Audio envoyé sur serveur | Clé API + code |
| openai-whisper (Python de référence) | Gratuit | 100 % local | Environnement Python, GPU recommandé |
| whisper.cpp / faster-whisper | Gratuit | 100 % local | Ligne de commande |
| App native (Whisper Notes) | $7.99 une fois sur iPhone ; $14 sur Mac, avec 5 000 mots gratuits par semaine | 100 % sur l'appareil | Aucune |
| Outils de démo en ligne | Offres gratuites limitées | Audio envoyé sur serveur | Aucune |
La règle de base : si vous vivez dans un terminal, faster-whisper est excellent. Si vous construisez un produit, l'API est logique. Si vous voulez simplement transcrire vos enregistrements en toute confidentialité sans toucher à Python, utilisez une app native — c'est toute la raison d'être des apps Whisper pour Mac.
Vous comparez plus largement les outils hors ligne — y compris pour Windows et Android ? Consultez notre guide complet de la reconnaissance vocale hors ligne.
Whisper face aux nouveaux modèles locaux (2026)
Whisper a lancé l'ère de la transcription locale, mais il n'est plus seul. Vitesses mesurées ci-dessous sur un Mac M4 Pro :
| Modèle | Langues | Vitesse | Point fort |
|---|---|---|---|
| Whisper Large V3 Turbo | 100+ | 14,3x temps réel (M4 Pro) | Couverture linguistique la plus large |
| Parakeet V3 | 25 (européennes) | environ 74× le temps réel (Mac) | 6,32 % de WER, aucune hallucination sur les silences |
| SenseVoice Small | zh, ja, ko, yue, en | 115–131x temps réel (fiche du modèle) | Le plus rapide pour le chinois, le japonais, le coréen |
Les trois tournent en local dans Whisper Notes ; sur iPhone, l'option Whisper est Whisper Small. Le modèle se choisit dans les Réglages. Les taux d'erreur de chaque modèle dans 42 langues, côte à côte, sont sur notre page de comparaison des modèles Whisper.
Comment faire de la transcription Whisper hors ligne sur Mac et iPhone
Pas de ligne de commande, pas de Python, pas de cloud :
- Téléchargez Whisper Notes pour Mac (gratuit jusqu'à 5 000 mots par semaine) ou pour iPhone ($7.99 une seule fois).
- Choisissez un modèle : Whisper Large V3 Turbo pour la couverture linguistique la plus large, Parakeet pour la vitesse en français et dans les langues européennes, SenseVoice pour aller vite en chinois, en japonais et en coréen, ou, sur Mac, Qwen3-ASR 1.7B (Beta) pour faire moins d'erreurs dans ces langues. Le modèle se télécharge une fois, puis fonctionne pour toujours hors ligne.
- Enregistrez directement, dictez dans n'importe quelle app en maintenant Fn (dans l'application Mac de notre site), ou glissez des fichiers audio et vidéo (MP3, WAV, M4A, MP4).
- Le texte apparaît au fil du traitement. Exportez en TXT ou SRT.
Sceptique sur le « hors ligne » ? Activez d'abord le mode avion. La transcription tourne à pleine vitesse — rien n'est envoyé, jamais.
Quelle précision pour la transcription Whisper en français ? Quel modèle choisir ?
Bonne nouvelle pour les francophones : le français est l'une des langues les mieux dotées de Whisper, et vous avez même mieux que Whisper aujourd'hui. Parakeet, le modèle par défaut de Whisper Notes (Parakeet Ultra de Moondream, post-entraîné à partir de NVIDIA Parakeet V3), couvre 25 langues européennes, dont le français. Parakeet V3, le modèle dont il est dérivé, a obtenu 5,2 % de WER en français sur le benchmark FLEURS, et sur Mac le modèle intégré tourne à environ 74× le temps réel. Concrètement : une réunion d'une heure en français est transcrite en moins d'une minute sur un Mac Apple Silicon, quasiment sans hallucinations pendant les silences dans nos tests.
Gardez Whisper Large V3 Turbo (~2 Go) si vous alternez avec des langues hors d'Europe parmi ses 100+ langues. Les développeurs qui préfèrent le cloud peuvent utiliser l'API Whisper d'OpenAI à $0.006 la minute. Les deux modèles locaux sont inclus dans Whisper Notes (sur iPhone, l'option Whisper est Whisper Small), en achat unique : $7.99 sur iPhone ; sur Mac, 5 000 mots gratuits par semaine, ou $14 une seule fois.
| Votre cas | Modèle recommandé | Pourquoi |
|---|---|---|
| Français au quotidien | Parakeet V3 | 5,2 % de WER en français (FLEURS), environ 74× le temps réel (Mac) |
| Langues hors d'Europe | Whisper Large V3 Turbo | 100+ langues, ~2 Go |
Questions fréquentes
La transcription Whisper est-elle gratuite ?
Le modèle lui-même est gratuit et open source (licence MIT). L'exécuter via des outils en ligne de commande comme whisper.cpp ne coûte rien mais demande une installation. L'API d'OpenAI facture à la minute d'audio. Les apps natives packagent les modèles pour un petit prix — Whisper Notes coûte $7.99 une seule fois sur iPhone et $14 une seule fois sur Mac, avec 5 000 mots gratuits par semaine sur Mac.
La transcription Whisper fonctionne-t-elle hors ligne, sans internet ?
Oui — c'est tout l'intérêt des poids ouverts. Une fois le fichier du modèle sur votre appareil, aucune connexion n'est nécessaire. Whisper Notes exécute Whisper Large V3 Turbo sur Apple Silicon via CoreML/Metal, entièrement hors ligne. Vous pouvez le vérifier avec le mode avion.
Quel modèle Whisper est le plus précis ?
large-v3 a la meilleure précision brute. large-v3-turbo l'égale à une fraction de pour cent de WER près, tout en étant environ 5x plus rapide — c'est pourquoi tant d'outils l'embarquent aujourd'hui.
Whisper prend-il en charge le français et les autres langues ?
Whisper couvre environ 100 langues, avec les meilleurs résultats sur les langues bien dotées (anglais, espagnol, allemand, français, etc.). Pour le français, Parakeet est encore plus rapide et précis. Pour le chinois, le japonais, le coréen et le cantonais, SenseVoice est bien plus rapide sur Apple Silicon, et sur Mac, Qwen3-ASR 1.7B (Beta) fait moins d'erreurs ; en japonais et en coréen, Whisper Large V3 Turbo fait presque aussi bien que SenseVoice, voire mieux. La liste complète des langues prises en charge par Whisper se trouve sur notre page des langues, dans un seul tableau avec Parakeet et SenseVoice.
Existe-t-il une application de transcription Whisper pour iPhone ?
Oui. Whisper Notes exécute des modèles Whisper optimisés pour le Neural Engine de l'iPhone (iPhone 12 et plus récents) — enregistrez, importez depuis Dictaphone ou Fichiers, et transcrivez entièrement sur l'appareil pour $7.99, sans abonnement.
