J'ai testé les principaux outils de synthèse vocale basés sur l'IA actuellement disponibles afin de déterminer lequel offre la meilleure précision, la meilleure protection de la vie privée, les meilleures corrections et la meilleure productivité au quotidien, sans ralentir le travail proprement dit.
Points clés à retenir sur les logiciels de diction (avec de l'IA bien sûr)
Depuis février, j’ai dicté 120 896 mots. Rien qu’au cours des trois derniers mois, j’ai dicté 50 234 mots. J’ai effectué ces dictées au cours de 2 314 sessions d’enregistrement individuelles au micro, soit une moyenne d’environ 24 mots par séquence de dictée.
Grâce aux progrès de l'IA, la qualité, la vitesse et la précision de la dictée ont considérablement évolué. Au fil des ans, j'ai essayé à plusieurs reprises d'utiliser la reconnaissance vocale, mais ce n'est que très récemment que j'ai obtenu de bons résultats.
Un article type compte environ mille mots. Si l’on considère les choses sous cet angle, j’ai donc dicté l’équivalent d’environ 120 articles depuis février.
Cela ne veut pas dire que je ne tape pas au clavier. Je tape beaucoup, mais il est clair que j’utilise aussi beaucoup la dictée. J’ai adopté la dictée vocale comme principal mode de saisie pour deux raisons principales. Premièrement, cela m’aide à ménager mon poignet, qui a tendance à présenter des symptômes du syndrome du canal carpien. En dictant, je sollicite un peu moins mon poignet.
Dans cet article, je vais vous présenter les trois principaux candidats que j’ai examinés et testés cette année.
Je vais également passer en revue plusieurs autres outils, ainsi que des mentions honorables, simplement pour vous donner une idée des outils de dictée disponibles sur le marché et de leurs différences.
En matière de produits de dictée, il y a toute une série de facteurs à prendre en compte. Le prix en fait certainement partie. Mais il faut également se demander si vous souhaitez que vos propos soient envoyés dans le cloud pour y être traités ou si vous préférez les conserver de manière privée et locale.
La précision est un autre facteur à prendre en compte. Autrefois, cela posait bien plus de problèmes. Heureusement, les modèles vocaux ont atteint un niveau de qualité global qui permet de transcrire assez fidèlement les mots anglais courants. Certains outils de dictée prennent en charge d’autres langues, mais comme je travaille uniquement en anglais (du moins en ce qui concerne les langues humaines), c’est ce sujet que j’aborde dans cet article.
Vous devez également pouvoir corriger vos propos au fur et à mesure que vous dictez. Certains systèmes d’IA reviennent en arrière pour corriger les erreurs que vous avez commises et vous fournissent un texte correct, quel que soit le support sur lequel vous dictez.
Je dicte la majeure partie de cet article simplement à titre de démonstration, pour montrer qu’il est possible de dicter un article. Mais ce n’est pas ma pratique habituelle. Malgré tout ce que je dicte, je ne dicte généralement pas mes articles. Il m’arrive parfois de dicter quelques lignes d’un article, mais la plupart du temps, je les tape moi-même.
L’une des raisons pour lesquelles je n’utilise pas la dictée vocale pour mes articles est que celle-ci n’est pas particulièrement performante en matière de mise en forme. Elle est tout à fait efficace pour simplement produire du texte, mais si vous souhaitez organiser le contenu, créer un tableau, établir des listes à puces dans un format précis, insérer des citations en retrait ou ajouter tout autre élément de mise en page propre à un article, il faut y revenir et le faire à la main après la dictée.
Comme je dois régulièrement procéder à des modifications et peaufiner chaque mot, je ne trouve pas la dictée vocale aussi efficace que la saisie manuelle sur un clavier, à la manière d’un homme des cavernes.
En revanche, j’utilise beaucoup la dictée vocale lorsque je travaille avec Claude Code ou Codex d’OpenAI pour coder de manière intuitive les produits sur lesquels je travaille. Je m’en sers beaucoup sur Slack et Google Chat lorsque je communique avec mes éditeurs et certains de mes partenaires de projet.
J’utilise beaucoup la dictée vocale pour répondre à des e-mails. Je m’en sers un peu moins pour rédiger de nouveaux messages, mais cela m’arrive parfois aussi.
Et je m’en sers beaucoup pour prendre des notes. Je l’utilise également parfois pour saisir des expressions de recherche dans Google ou des invites que j’adresse à ChatGPT, Gemini ou Claude Code.
Je trouve que la dictée vocale est parfois un peu moins précise et un peu moins rigoureuse que la saisie de chaque mot au clavier. Mais je peux dicter à une vitesse moyenne de 118 mots par minute, alors que ma vitesse de frappe se situe généralement entre 70 et 80 mots par minute.
Lorsque je travaille sur un article, je peaufine chaque phrase, en choisissant les mots et la structure avec le plus grand soin. La saisie au clavier se prête bien à ce genre d’attention aux détails.
Mais lorsque je code à l’instinct, par exemple, et que je discute de la manière dont je souhaite qu’une fonctionnalité soit implémentée, du comportement que je souhaite donner à un élément, ou d’un bug que j’ai remarqué, parler est nettement plus rapide et aussi beaucoup moins fatigant pour mes mains que de taper ces informations sur l’ordinateur.
Je considère que deux fonctionnalités sont essentielles. La première est un dictionnaire personnalisable, afin que lorsque je prononce un mot comme « ZDNET », le logiciel de dictée comprenne comment je souhaite qu’il soit orthographié et présenté.
La seconde est une fonctionnalité de correction en temps réel, de sorte que lorsque je dis quelque chose, puis que je me corrige et que je le répète, la version qui apparaît dans le document que je suis en train de dicter intègre ces corrections.
Une fonctionnalité qui fait curieusement défaut dans tous les logiciels de dictée vocale est la possibilité de revenir en arrière et de modifier de manière sélective des mots déjà insérés. Seules les fonctionnalités natives « Commande vocale » sur Mac ou « Accès vocal » sur Windows, fournies avec les systèmes d’exploitation eux-mêmes, permettent cela. Malheureusement, ces deux fonctionnalités entrent souvent en conflit avec les logiciels de dictée vocale de manière gênante, ce qui les rend difficilement combinables en tant que solutions intégrées.
Presque tous les logiciels de dictée sont lancés par un raccourci clavier. J’associe le raccourci de dictée à un bouton de ma souris, de sorte que lorsque j’appuie sur ce bouton, la dictée démarre ou s’arrête. Cela me permet de dicter quelle que soit l’application ou la page web dans laquelle je me trouve à ce moment-là. Je peux ainsi saisir du texte même si mon clavier n’est pas à portée de main.
Outre la simple capacité à écouter la parole et à la transformer en texte, la plupart des logiciels de dictée offrent une multitude vertigineuse d’options de configuration, de fonctionnalités spécialisées et de commandes informatiques. Par exemple, certains se spécialisent dans le post-traitement de la parole dictée à l’aide d’une IA pour des applications spécifiques, comme le formatage automatique des e-mails. D’autres proposent des fonctionnalités telles que la transcription d’un fichier audio. Et presque tous vous laissent le choix du modèle linguistique utilisé pour le traitement de la dictée.
Je ne m'attarderai pas sur ces fonctionnalités secondaires dans cet article. Je vais plutôt me concentrer sur l'aspect le plus important, à savoir la qualité avec laquelle ces outils transforment la parole en texte écrit. À cette fin, je mettrai en avant trois produits : Wispr Flow et FluidVoice. C’est pour la suite.
À 144 € par an, soit 12 € par mois, Wispr Flow n’est certes pas bon marché, mais je dirais qu’il en vaut vraiment la peine. Bien que j’ai essayé presque tous les autres produits, c’est celui vers lequel je reviens sans cesse et que j’ai le plus utilisé.
Statistiques de Wispr Flow. Capture d’écran réalisée par David Gewirtz/ZDNET
