Aller au contenu principal
Transcription locale avec OpenAI Whisper

Whisper : transcrire un audio en français sur votre ordinateur

Whisper est le modèle de reconnaissance vocale qu’OpenAI publie en open source, sous licence MIT. Installé en local, il transcrit un fichier sans l’envoyer à un service en ligne. Voici l’installation telle qu’elle fonctionne aujourd’hui, les réglages utiles en français, et ce qu’il vous restera à faire vous-même : attribuer les répliques, relire, ranger et partager.

Essayer sans installationTranscription sur site pour votre organisationFormule gratuite · service en ligne, données traitées en Europe

01

Whisper en bref : un modèle, pas une application

Whisper se présente comme un outil en ligne de commande et une bibliothèque Python. Il n’a ni fenêtre, ni bouton d’import, ni espace de partage. Les applications qui affichent son nom, comme MacWhisper ou les sites « Whisper en ligne », l’intègrent dans leur propre interface, et chacune décide de l’endroit où vos fichiers sont traités.

C’est la question à trancher avant toute autre. Le Whisper que vous installez traite le fichier sur votre machine. Un site web qui l’utilise reçoit votre fichier sur ses serveurs, et l’API d’OpenAI l’envoie chez OpenAI. Le nom du modèle ne dit rien du trajet de vos données.

02

Installer Whisper en quatre étapes

Le dépôt officiel indique un code testé avec Python 3.9.9 et prévu pour Python 3.8 à 3.11. Une version plus récente peut fonctionner, mais sort du cadre documenté : en cas d’erreur à l’installation, revenez d’abord dans cette plage.

  • Installez Python (3.8 à 3.11), de préférence dans un environnement virtuel dédié.
  • Installez FFmpeg, qui lit vos fichiers audio et vidéo : brew install ffmpeg sur macOS, choco install ffmpeg ou scoop install ffmpeg sur Windows, sudo apt update && sudo apt install ffmpeg sous Ubuntu ou Debian.
  • Installez Whisper : pip install -U openai-whisper. Si l’installation échoue sur « setuptools_rust », lancez pip install setuptools-rust puis recommencez.
  • Vérifiez avec whisper --help : la liste des options doit s’afficher.

03

Transcrire un fichier en français : la commande à retenir

Pour un enregistrement de réunion nommé reunion.m4a, la commande la plus utile est : whisper reunion.m4a --language French --model turbo --output_format txt --output_dir transcriptions. Elle produit reunion.txt dans le dossier transcriptions.

Indiquez toujours la langue. Sans --language, Whisper la détecte lui-même, et un enregistrement qui commence par un silence, une musique d’attente ou une phrase en anglais peut partir dans la mauvaise langue. Sans --output_format, Whisper écrit tous les formats d’un coup : TXT, SRT et VTT pour les sous-titres, TSV et JSON avec les horodatages.

Pour les noms propres et le jargon, donnez un indice avec --initial_prompt, par exemple --initial_prompt "Réunion du CSE de Valence. Mme Lefebvre, M. Haddad, BDESE, SIRH." Whisper ne l’utilise que pour le début de l’enregistrement ; ajoutez --carry_initial_prompt True pour le répéter tout au long.

Au premier lancement, Whisper télécharge le modèle choisi dans ~/.cache/whisper. Faites ce premier essai connecté, sur un fichier sans données sensibles, puis vérifiez que la transcription fonctionne réseau coupé avant de compter sur un usage hors ligne.

04

Quel modèle choisir pour le français

Le modèle par défaut est turbo, une version optimisée de large-v3 : OpenAI annonce une perte de précision minime et une vitesse environ huit fois supérieure à large, mesurée sur un GPU A100 en anglais. Les variantes .en (tiny.en, base.en…) sont réservées à l’anglais : ne les utilisez pas pour du français.

Turbo n’est pas entraîné pour la traduction : avec --task translate, il rend le texte dans la langue d’origine. Pour traduire un audio français vers l’anglais, prenez medium ou large. Whisper ne traduit que vers l’anglais.

Sur un portable sans carte graphique, Whisper tourne sur le processeur et affiche l’avertissement « FP16 is not supported on CPU », sans gravité. C’est nettement plus lent : chronométrez un extrait de cinq minutes avant de lancer deux heures d’enregistrement, puis choisissez entre turbo et small selon le résultat.

  • tiny : 39 millions de paramètres, environ 1 Go de mémoire vidéo, environ 10 fois plus rapide que large
  • base : 74 millions, environ 1 Go, environ 7 fois
  • small : 244 millions, environ 2 Go, environ 4 fois
  • medium : 769 millions, environ 5 Go, environ 2 fois
  • large : 1 550 millions, environ 10 Go, vitesse de référence
  • turbo : 809 millions, environ 6 Go, environ 8 fois

05

Ce que Whisper ne fait pas, et qui vous revient

Whisper rend un texte horodaté. Pour un compte rendu, un PV ou un entretien, c’est une matière première. Le reste du travail est à prévoir :

  • Attribuer les répliques. Whisper ne distingue pas les intervenants, et sa documentation n’en parle pas. Il faut un autre outil de diarisation, ou le faire à la main.
  • Relire. La fiche du modèle prévient qu’il peut écrire des phrases qui n’ont pas été prononcées et répéter un passage en boucle. L’option --condition_on_previous_text False limite les boucles, au prix d’un texte parfois moins cohérent d’un passage à l’autre.
  • Vérifier les noms, les chiffres et les sigles, qui sont les erreurs qui coûtent cher dans un document officiel.
  • Ranger et protéger les fichiers : qui y accède, sur quel poste, avec quelle sauvegarde, et quand l’audio est supprimé.
  • Rédiger : synthèse, décisions, actions. Whisper ne résume pas.

06

En entreprise : Whisper en local, service en ligne ou installation sur site

Whisper en local évite de confier les enregistrements à un sous-traitant pour la transcription. Il ne règle pas le reste du RGPD : l’organisation reste responsable du traitement, doit informer les personnes enregistrées, fixer une durée de conservation et sécuriser les postes où dorment les fichiers. Installé par chacun sur son ordinateur, il échappe vite à la DSI.

Un service en ligne est un sous-traitant au sens de l’article 28 du RGPD : il faut un contrat de sous-traitance (DPA), savoir où les données sont traitées et si elles servent à entraîner des modèles. Avec Klang, les données sont traitées en Europe, le contenu des conversations ne sert jamais à entraîner l’IA, et la formule Business met le DPA à disposition dans le compte, avec SSO, journal d’audit et statistiques d’utilisation.

Quand aucun enregistrement ne doit sortir de vos murs, l’offre Enterprise de Klang s’installe sur site ou dans un cloud privé avec votre propre clé de chiffrement. C’est un projet de déploiement, pas une option à cocher : il se discute avec l’équipe Klang.

Whisper en local, site « Whisper en ligne » ou Klang

Ce qui change pour une équipe, au-delà de la qualité de la transcription :

Whisper en local, site « Whisper en ligne » ou Klang
Whisper en localSite « Whisper en ligne »Klang
Où le fichier est traitéSur votre ordinateurSur les serveurs du siteDans le cloud, en Europe ; sur site avec Enterprise
InstallationPython, FFmpeg, modèleAucuneAucune : navigateur, mobile, ordinateur
Intervenants séparésNonSelon le siteOui, sur toute la transcription avec Pro ; sur les premiers passages en formule gratuite
Synthèse, décisions, actionsNonSelon le siteOui
Réunions en ligneIl faut d’abord un enregistrementIl faut d’abord un enregistrementL’assistant rejoint Teams, Zoom et Google Meet
Accès d’équipe et contrôleÀ organiser vous-mêmeSelon le siteBusiness : SSO, journal d’audit, statistiques
Contrat de sous-traitance (DPA)Pas de sous-traitant pour la transcriptionÀ demander et à vérifierDans le compte, formule Business
CoûtGratuit (licence MIT), plus votre matériel et votre tempsSelon le siteGratuit pour commencer ; Pro 14 € HT par mois en annuel ; Business 25 € HT

Whisper : documentation du dépôt openai/whisper, lue le 8 novembre 2026. Klang : page Tarifs, prix par personne et par mois en facturation annuelle (16 € et 30 € HT au mois).

Exemple : un entretien RH de 45 minutes, de l’audio au dossier

Un entretien à deux voix, enregistré sur iPhone, que la DRH doit verser au dossier sous forme de verbatim relu.

Fichier
entretien-2026-11-04.m4a, mémo vocal iPhone, deux personnes, quelques termes internes.
Commande
whisper entretien-2026-11-04.m4a --language French --model turbo --output_format txt --output_dir dossiers-rh --initial_prompt "Entretien professionnel. Mme Garnier, M. Benali, SIRH, BDESE."
Résultat
Un fichier texte d’un seul bloc, sans nom d’intervenant. Pour savoir qui parle, il faut réécouter et annoter chaque changement de voix.
Reste à faire
Attribuer les répliques, vérifier les noms et les dates, ranger le texte dans un dossier à accès restreint, supprimer l’audio à l’échéance prévue.
Avec Klang
Le même fichier importé arrive avec les deux intervenants indiqués (sur toute la transcription avec Pro), chaque phrase reliée à l’audio pour la relecture, et une synthèse si vous la demandez.

Sans installation

Le même fichier, avec les intervenants et la synthèse

Importez votre enregistrement ou laissez l’assistant rejoindre la réunion : Klang le transcrit, sépare les intervenants, relie chaque phrase à l’audio et rédige la synthèse.

  • Audio et vidéo jusqu’à 10 Go : MP3, M4A, WAV, MP4…
  • Intervenants sur toute la transcription avec Pro
  • Business : SSO, DPA dans le compte, journal d’audit
  • Données traitées en Europe · certifié ISO 27001:2022 · jamais utilisées pour entraîner l’IA

Questions fréquentes sur Whisper

Whisper est-il gratuit ?

Oui. Le code et les poids du modèle sont publiés sous licence MIT, qui autorise aussi un usage commercial. Le coût réel, c’est votre matériel et le temps d’installation, de relecture et d’attribution des répliques. L’API d’OpenAI, elle, est payante à l’usage et traite le fichier chez OpenAI.

Whisper fonctionne-t-il hors ligne ?

Oui, une fois le modèle téléchargé : il l’est au premier lancement, dans ~/.cache/whisper. Faites ce premier essai connecté, puis vérifiez qu’une transcription aboutit réseau coupé.

Quel modèle Whisper utiliser pour le français ?

Turbo, le modèle par défaut, est le bon point de départ s’il tient dans la mémoire de votre machine (environ 6 Go de mémoire vidéo). Sur un ordinateur modeste, essayez small. N’utilisez pas les variantes .en, réservées à l’anglais.

Whisper reconnaît-il les intervenants ?

Non. Il produit un texte horodaté sans dire qui parle. Il faut un outil de diarisation séparé, ou une relecture manuelle. Klang indique les intervenants sur toute la transcription avec Pro, et sur les premiers passages en formule gratuite.

Whisper est-il conforme au RGPD ?

La question porte sur votre usage, pas sur le modèle. En local, aucun sous-traitant ne reçoit les enregistrements, mais vous restez responsable de l’information des personnes, de la durée de conservation et de la sécurité des fichiers. Avec un service en ligne, il faut en plus un contrat de sous-traitance (article 28 du RGPD).

Peut-on utiliser Whisper pour une réunion Teams ou Zoom ?

Seulement après coup : Whisper ne rejoint pas la réunion, il transcrit un enregistrement que vous lui donnez. L’assistant de Klang rejoint Teams, Zoom et Google Meet, une fois admis, et livre la transcription et le résumé après la réunion ; le compte rendu complet, vous le demandez dans le chat.

Klang fonctionne-t-il hors ligne comme Whisper ?

Non. Le service standard de Klang est en ligne et demande une connexion. Les organisations qui exigent un traitement dans leurs murs peuvent déployer Klang sur site avec l’offre Enterprise.

Sources

Consultées le 8 novembre 2026.