Transcription audio : sur l'appareil ou dans le cloud ?

Avec une transcription sur l'appareil, le modèle vocal tourne sur votre propre Mac ou iPhone : l'audio est transcrit sur place au lieu d'être envoyé à un service de transcription. Avec une transcription dans le cloud, l'audio part sur un serveur, y est traité, et le texte vous est renvoyé. Ce choix détermine qui peut entendre vos enregistrements, combien vous payez par heure d'audio, et si l'outil fonctionne encore dans un avion.

Cet article explique comment fonctionnent les deux approches, fait le calcul des coûts sans arrondir les angles, indique les situations où le cloud reste le meilleur outil, et se termine par une liste de vérifications pour savoir si une application transcrit vraiment sur l'appareil.

Ce que « sur l'appareil » veut dire, techniquement

Un système de reconnaissance vocale comporte deux éléments : le modèle, un gros fichier de poids appris, et le moteur d'exécution, qui fait passer l'audio à travers ces poids pour produire du texte. Dans un service cloud, les deux se trouvent dans un centre de données. Dans une application sur l'appareil, les deux se trouvent sur votre matériel.

Concrètement, une application de transcription sur l'appareil :

1. Télécharge les poids du modèle une seule fois, en général au premier lancement ou peu après, en arrière-plan. C'est le seul moment où elle a besoin du réseau pour sa fonction principale.
2. Les stocke sur l'appareil : de quelques centaines de mégaoctets à quelques gigaoctets par modèle, le plus souvent.
3. Exécute le modèle sur la puce de l'appareil. Les puces Apple intègrent du matériel conçu précisément pour ce type de calcul, et c'est ce qui a rendu la transcription sur l'appareil possible jusque sur les téléphones.
4. Écrit le texte dans le stockage de l'appareil. En chemin, l'audio n'est envoyé à aucun serveur de transcription.

Le test pratique est simple : activez le mode Avion, ou coupez le Wi-Fi, puis transcrivez quelque chose. Si cela fonctionne, la reconnaissance a lieu sur l'appareil. Si l'application affiche une roue qui tourne ou un message d'erreur, ce n'est pas le cas, quoi qu'en dise le marketing.

Deux formules sont souvent confondues avec le traitement sur l'appareil :

• « Chiffré en transit » signifie que l'envoi est protégé contre les écoutes pendant le trajet jusqu'au serveur. Le serveur, lui, déchiffre l'audio et traite tout.
• « Nous ne conservons pas votre audio » parle de durée de conservation, pas de lieu de traitement. L'audio a bel et bien été traité sur une machine que vous ne contrôlez pas, par une entreprise qui l'a eu entre les mains, même brièvement.

La dictée d'Apple est un bon point de comparaison : pour certaines langues et certains appareils, elle fonctionne sur l'appareil ; pour d'autres, elle envoie l'audio aux serveurs d'Apple. Même fonction, deux réalités différentes en matière de confidentialité : la question mérite donc d'être posée pour chaque outil.

Ce que les services de transcription cloud font de votre audio

Un service cloud doit passer par les étapes suivantes, et chacune relève d'une politique particulière :

• Recevoir l'audio. Il se trouve désormais sur son infrastructure, et souvent sur celle d'un hébergeur en dessous, parfois dans un autre pays.
• Le traiter. Les grands fournisseurs peuvent confier une partie du travail à des sous-traitants, mentionnés (quand ils le sont) tout au fond d'un accord de traitement des données.
• Renvoyer le texte, et souvent conserver les deux pendant un certain temps : pour vous permettre de les télécharger à nouveau, pour corriger des bugs ou pour « améliorer le service ». L'entraînement sur les données clients est en général désactivable, voire désactivé, sur les offres payantes, mais le réglage par défaut varie selon le produit et évolue avec le temps.
• Supprimer, un jour. Dans les applications grand public, les durées de conservation vont de la suppression immédiate à la conservation sans limite.

Rien de tout cela n'est inquiétant en soi. C'est le fonctionnement normal d'un produit cloud, et les services sérieux le documentent. Mais la question « ma transcription est-elle confidentielle ? » devient alors une question sur la politique d'un fournisseur, ses sous-traitants, ses incidents de sécurité passés et sa juridiction. Avec la transcription sur l'appareil, cette série de questions ne se pose pas pour la transcription elle-même, puisqu'aucun fournisseur de transcription ne reçoit l'audio. Pour les professions tenues au secret, c'est tout l'intérêt ; la dictée confidentielle en médecine et en droit (en anglais) entre dans les détails.

Le calcul du coût

La transcription cloud est facturée à l'usage, parce que chaque minute d'audio coûte de la puissance de calcul au fournisseur. Pour vous, cela prend la forme d'un prix à la minute sur une API, ou d'un forfait mensuel plafonné en minutes.

Les API brutes sont bon marché à la minute : en gros, d'une fraction de centime à deux centimes, et le coût des API de transcription cloud (en anglais) détaille le calcul. Les applications grand public bâties dessus facturent davantage et ajoutent un quota mensuel. Pour comparer, raisonnez en heures d'audio par mois :

Audio par mois	À 0,01 $ la minute	À 0,02 $ la minute
5 heures	3 $	6 $
20 heures	12 $	24 $
40 heures	24 $	48 $
100 heures	60 $	120 $

Si vous transcrivez deux réunions par semaine, vous êtes dans la tranche de 5 à 10 heures, où le cloud coûte vraiment peu. Si vous transcrivez chaque appel, chaque cours ou chaque entretien, vous êtes dans la tranche de 40 à 100 heures : là, le compteur pèse, et un forfait grand public plafonné oblige en général à passer à l'offre supérieure.

La transcription sur l'appareil n'a pas de compteur à la minute, puisque la puissance de calcul est la vôtre. Les applications facturent plutôt le logiciel, par abonnement ou achat unique : la centième heure coûte donc autant que la première. À faible volume, un service bon marché facturé à l'usage peut revenir moins cher, et il faut le reconnaître.

Latence, vitesse et travail hors ligne

Transcrire un fichier dans le cloud, c'est d'abord l'envoyer. Un enregistrement d'une heure pèse des dizaines de mégaoctets ; sur le Wi-Fi d'un hôtel, l'envoi peut prendre plus longtemps que la transcription elle-même. Le sous-titrage en direct dans le cloud ajoute un aller-retour à chaque phrase, ce qui explique pourquoi la dictée dans le cloud semble parfois avoir un temps de retard sur votre voix.

La transcription sur l'appareil démarre immédiatement et va aussi vite que la puce le permet. Sur les puces Apple récentes, les modèles vocaux modernes transcrivent bien plus vite que le temps réel : une heure d'audio est traitée en quelques minutes, sans étape d'envoi. La reconnaissance vocale hors ligne sur iPhone (en anglais) explique comment cela fonctionne sur un téléphone.

Reste le cas où il n'y a pas de réseau du tout : trains, avions, hôpitaux, tribunaux, sous-sols, terrains d'enquête, ou les bureaux d'un client dont vous préférez ne pas utiliser le Wi-Fi invité. Sur l'appareil, tout cela fonctionne. Dans le cloud, non, et envoyer plus tard est un pis-aller, pas une solution.

Là où le cloud reste gagnant

Mieux vaut être franc sur ce point que de prétendre le contraire.

• Matériel modeste. Sur un vieil ordinateur portable ou un téléphone qui a peu de mémoire, un gros modèle peut ne pas tourner du tout, ou tourner assez lentement pour devenir pénible. Un centre de données, lui, se moque de votre matériel.
• Très gros volumes. Mille heures d'archives audio d'un seul coup, c'est un travail pour de nombreux serveurs en parallèle.
• Espaces de travail partagés. Si une équipe a besoin des mêmes transcriptions, des mêmes commentaires et d'une recherche commune sur le web, un produit cloud est conçu pour cela. Une application sur l'appareil peut synchroniser vos propres appareils, mais ce n'est pas un serveur de collaboration.
• Certaines langues et certains accents. Les plus grands modèles cloud gardent une avance pour les langues peu dotées et les accents très marqués. Pour l'anglais et les grandes langues européennes et asiatiques, l'écart s'est réduit au point que la plupart des gens ne font plus la différence.
• Autres plateformes et grands événements. Sur Windows ou Android, le choix d'outils sur l'appareil est plus limité, et diffuser des sous-titres en direct à des centaines de spectateurs relève d'un serveur.

Si vous êtes dans l'un de ces cas, utilisez le cloud en connaissance de cause : lisez la politique de conservation, désactivez l'entraînement quand c'est possible, et n'envoyez rien que vous n'enverriez pas par e-mail.

Comment savoir si une application transcrit vraiment sur l'appareil

Quelques vérifications rapides, valables pour toute application de transcription :

1. Fonctionne-t-elle en mode Avion une fois configurée ? C'est le test qui compte.
2. Exige-t-elle un compte ? Une application qui transcrit sur votre appareil a peu de raisons de savoir qui vous êtes.
3. Que dit l'étiquette de confidentialité sur l'App Store ? Comparez-la avec le discours de l'application, et vérifiez si les diagnostics sont facultatifs.
4. Indique-t-elle clairement où s'exécute chaque fonction ? Certaines applications transcrivent sur l'appareil mais envoient ensuite le texte à un modèle cloud pour les résumés, ou s'appuient sur des fonctions fournies par la plateforme. Une application transparente dit ce qui se passe où.
5. Y a-t-il un compteur de minutes ? Un quota de minutes signifie presque toujours que ce sont les serveurs de quelqu'un d'autre qui font le travail.

Faire le test avec ThinkScribe

ThinkScribe transcrit et distingue les intervenants sur votre appareil. Voici comment le vérifier vous-même sur iPhone, iPad ou Mac :

1. Ouvrez ThinkScribe une première fois avec une connexion, pour que les téléchargements uniques se terminent, y compris ThinkScribe AI si vous le choisissez dans les réglages d'IA.
2. Activez le mode Avion.
3. Enregistrez une minute de parole, puis arrêtez. La transcription et les étiquettes d'intervenants sont produites sur l'appareil, sans connexion.
4. Demandez un résumé de l'enregistrement. Avec ThinkScribe AI, les résumés s'exécutent eux aussi sur votre appareil. Si vous choisissez plutôt Apple Intelligence, cette fonction est fournie par Apple.
5. Repérez les éléments fournis par Apple : Apple Intelligence si vous la choisissez, et la synchronisation iCloud, désactivée par défaut, qui passe par votre propre compte iCloud.

Pas de compte. Vos enregistrements et transcriptions ne nous sont jamais envoyés. L'application nous envoie uniquement des rapports de plantage et des statistiques d'utilisation, jamais votre audio, vos transcriptions ni aucun autre contenu, et vous pouvez désactiver cet envoi dans les Réglages. Le guide complet de la voix au texte et la page transcrire un audio en texte couvrent le reste.

Questions fréquentes

La transcription sur l'appareil est-elle aussi précise que dans le cloud ?

Pour l'anglais et les grandes langues du monde, les modèles actuels sur l'appareil sont assez proches des services cloud pour que la différence se remarque rarement sur des enregistrements du quotidien. Les modèles cloud gardent une avance pour les langues peu dotées et les accents très marqués, et les plus grands modèles s'en sortent encore mieux sur un audio très bruyant.

La transcription hors ligne garantit-elle la confidentialité de mon audio ?

Elle signifie que la transcription a lieu sur votre appareil et que l'audio n'est pas envoyé à un service de transcription. Pour le vérifier, il suffit de constater que la transcription fonctionne réseau coupé. Restent la sécurité de votre propre appareil, vos sauvegardes, et les fonctions fournies par une autre entreprise que vous choisissez d'utiliser, comme la synchronisation dans le cloud.

Combien coûte la transcription cloud par heure ?

Les tarifs bruts des API tournent autour de 0,40 à 1,50 $ par heure d'audio, et les applications grand public incluent en général un quota mensuel, à un tarif effectif plus élevé. À 20 heures par mois, cela représente environ 12 à 30 $. Une application sur l'appareil facture le logiciel, pas la minute.

La transcription sur l'appareil fonctionne-t-elle sans internet ?

Oui, c'est même sa caractéristique principale. Une fois les téléchargements uniques terminés, la reconnaissance vocale fonctionne sans aucune connexion, tout comme les résumés dans les applications qui exécutent aussi leur IA sur l'appareil : en mode Avion, dans un sous-sol, ou dans un bâtiment dont vous ne voulez pas utiliser le Wi-Fi.