Whisper (OpenAI)

Whisper est un modèle de reconnaissance vocale publié par OpenAI. Il transcrit de l'audio en texte, détecte la langue parlée et peut traduire de la parole non anglaise vers l'anglais. Ce n'est pas une application clé en main : on l'utilise soit en local, à partir du dépôt GitHub officiel, soit par l'API d'OpenAI. Le code et les poids du modèle sont publiés sous licence MIT, donc gratuits, avec plusieurs tailles de modèle (tiny, base, small, medium, large, turbo) qui arbitrent entre vitesse et précision. Via l'API, la page tarifs d'OpenAI affiche whisper-1 à 0,006 $ la minute d'audio, gpt-4o-transcribe à 0,006 $ la minute et gpt-4o-mini-transcribe à 0,003 $ la minute, des montants facturés à l'usage et non par abonnement mensuel.

Le modèle comprend le français parmi de nombreuses langues, mais la page de présentation est en anglais et il n'existe pas d'interface française : l'usage suppose un peu de technique (Python, ligne de commande ou appel d'API). Exécuté en local, l'audio ne quitte pas la machine, ce qui aide pour les enregistrements confidentiels, à condition de disposer d'un ordinateur assez puissant, idéalement avec une carte graphique. Via l'API, les données transitent par OpenAI, dont les engagements RGPD sont à consulter séparément. Les limites : pas d'éditeur de transcription, pas d'interface grand public, et une précision qui varie selon la langue et la qualité sonore. Les outils qui l'embarquent ajoutent ces fonctions.