Enregistrer une réunion est devenu trivial ; en tirer un texte exploitable l’est beaucoup moins. Les services de transcription en ligne font le travail en quelques minutes, mais ils supposent d’envoyer l’intégralité de l’audio — voix, noms, échanges commerciaux — sur un serveur distant. Whisper, le modèle de reconnaissance vocale publié par OpenAI, permet de faire ce travail sur sa propre machine, sans connexion et sans facture à la minute.
Il faut distinguer deux usages souvent confondus. La dictée vocale intégrée à Windows ou à macOS saisit au fil de l’eau ce que vous prononcez, comme un clavier. Whisper, lui, traite un fichier audio déjà enregistré : il produit un texte horodaté, relisible et corrigeable, ce qui correspond au besoin réel d’un entretien, d’une réunion ou d’un cours. C’est cette différence qui structure tout ce qui suit.