Logiciel de dictée vocale gratuit : où part votre voix, et ce que ça change

Ce que « gratuit » recouvre, et ce qu’il ne dit pas

Les comparatifs alignent une dizaine de noms sous le même mot, alors qu’ils ne proposent pas la même chose. Avant de comparer des taux de précision, il faut savoir ce qu’on installe.

Modèle	Ce que ça veut dire	Ce qui arrive ensuite
Intégré au système	Livré avec Windows ou macOS, sans compte à créer	Rien. C’est gratuit et ça le reste
Inclus dans un service déjà payé	La dictée de Word ou de Google Docs	Gratuit tant que vous gardez l’abonnement ou le compte
Freemium limité	Un quota mensuel, souvent quelques dizaines de minutes	Le quota tombe vite, l’abonnement suit
Libre et local	Le logiciel et le modèle sont ouverts, tout tourne chez vous	Rien à payer, mais une installation à faire

La confusion vient de ce que les trois derniers se présentent de la même façon sur une page de résultats. Le quota est la variable à chercher en premier, et elle est rarement affichée sur la page d’accueil : elle apparaît dans la grille tarifaire, parfois seulement après inscription. Trente minutes par mois suffisent pour tester, jamais pour travailler.

Le critère qui décide avant tous les autres

La question à poser n’est pas « lequel est le plus précis », c’est où votre voix est traitée. Deux architectures existent, et tout le reste en découle.

Dans le premier cas, votre micro enregistre, l’enregistrement part sur les serveurs de l’éditeur, le texte revient. Dans le second, le modèle de reconnaissance est sur votre disque et rien ne sort de la machine.

Ce que cela change, concrètement :

• Le fonctionnement hors connexion : un outil qui dépend d’un serveur ne dicte rien dans un train sans réseau ;
• La régularité : une connexion qui fluctue produit des résultats qui fluctuent, et c’est la première cause de « ça marchait mieux hier » ;
• La confidentialité : un enregistrement de voix est une donnée personnelle, et son contenu l’est souvent bien davantage. Dicter un compte rendu, un dossier client ou une note médicale à un service tiers n’est pas un geste neutre ;
• La pérennité : un service en ligne ferme ou change ses conditions, un modèle installé sur votre disque continue de fonctionner.

Pour un usage courant, écrire un message ou un brouillon, le traitement distant ne pose pas de difficulté. Il en va autrement dès que le contenu dicté est couvert par une obligation de discrétion, ce qui concerne beaucoup plus de métiers qu’on ne le croit.

Ce qui est déjà installé sur votre machine

C’est la partie que les comparatifs traversent en une ligne, alors qu’elle suffit à la majorité des besoins.

Windows

1. Placez le curseur dans le champ ou le document où le texte doit apparaître.
2. Appuyez sur Windows + H.
3. Parlez. La barre de saisie vocale s’affiche en haut de l’écran.

Dans les réglages de cette barre, une option ajoute la ponctuation automatique. Sans elle, il faut dicter « virgule » et « point » ; avec elle, le système les place seul, correctement dans la plupart des cas.

Windows 11 propose par ailleurs un second outil, l’Accès vocal, conçu au départ pour piloter la machine à la voix. Sa particularité tient à son fonctionnement : il télécharge un modèle de langue et travaille ensuite sur l’appareil, sans envoyer l’audio. Pour qui veut dicter sans rien transmettre, c’est l’option gratuite la plus directe.

macOS

1. Ouvrez Réglages Système, puis Clavier, et activez Dictée.
2. Choisissez le raccourci de déclenchement proposé, par défaut un double appui sur une touche.
3. Placez le curseur, déclenchez, parlez.

Selon la version du système et la langue choisie, macOS traite la dictée directement sur l’appareil. Le réglage affiche alors la langue comme disponible hors connexion, et la dictée continue de fonctionner sans réseau : c’est le meilleur indicateur, plus fiable que la documentation.

Dans un traitement de texte

Google Docs propose une saisie vocale dans le menu Outils, à la double condition d’utiliser Chrome et d’être connecté. Word dispose d’un bouton Dictée équivalent. Les deux passent par les serveurs de l’éditeur.

Cette frontière entre ce que fait votre machine et ce que fait un serveur se retrouve ailleurs dans la suite Microsoft, avec les mêmes conséquences concrètes : c’est exactement ce qui décide si un message programmé part bien à l’heure quand l’ordinateur est éteint.

Quand l’outil intégré ne suffit plus

Quatre besoins précis font sortir du cadre, et un seul suffit à justifier de chercher ailleurs :

• transcrire un fichier audio déjà enregistré, et non dicter en direct : les outils intégrés ne savent pas le faire ;
• distinguer plusieurs personnes dans un enregistrement de réunion ou d’entretien ;
• un vocabulaire métier dense, technique ou juridique, que la reconnaissance générale écorche systématiquement ;
• un volume quotidien important, où la moindre correction répétée coûte plus cher que l’outil.

En revanche, la ponctuation approximative et les quelques mots ratés par page ne justifient pas de changer d’outil : ils se corrigent plus vite qu’ils ne se règlent.

Les solutions locales, gratuites et sans envoi

Il existe des modèles de reconnaissance vocale libres, dont le plus connu est Whisper, publié par OpenAI sous licence ouverte. Le modèle lui-même est gratuit et s’installe sur la machine ; plusieurs interfaces graphiques gratuites permettent de s’en servir sans ligne de commande.

Deux réserves honnêtes. La première : l’installation demande une demi-heure et un minimum d’aisance, ce qui n’est pas le cas des outils intégrés. La seconde : la qualité dépend de la taille du modèle choisi, et les plus gros réclament une machine récente. Sur un ordinateur modeste, un petit modèle local reste souvent en deçà de la dictée intégrée au système.

Le calcul est donc simple. Pour dicter au fil de l’eau, les outils du système suffisent et ne coûtent rien. Pour transcrire des heures d’audio sans les envoyer nulle part, une installation locale est la seule réponse gratuite qui tienne.

Comment tester sérieusement, en dix minutes

Les taux de précision annoncés par les éditeurs ne veulent rien dire sur votre voix, dans votre pièce, avec votre micro. Ce que je vérifiais en premier sur un poste à équiper, ce n’est pas la performance d’un outil sur une démonstration : c’est sa régularité sur le même texte, deux fois de suite.

Le protocole tient en cinq points, et il est le même pour tous les candidats :

1. Préparez un paragraphe d’une centaine de mots, tiré de ce que vous écrivez réellement, avec vos termes métier et des noms propres.
2. Dictez-le une première fois, à votre débit habituel. Ne corrigez rien.
3. Refaites-le une deuxième fois, dans les mêmes conditions, sans changer de place ni de micro.
4. Comptez les erreurs de chaque passage, et surtout regardez si ce sont les mêmes.
5. Recommencez avec le candidat suivant, même texte, même pièce, même journée.

Un outil qui fait six erreurs identiques aux deux passages est prévisible : vous saurez quoi relire. Un outil qui en fait deux puis onze est ingérable, même si sa moyenne paraît meilleure. C’est cette différence que les comparatifs ne mesurent jamais, et c’est pourtant elle qu’on subit tous les jours.

Ce qui fait vraiment la différence de précision

À logiciel identique, trois facteurs pèsent plus lourd que le choix de l’outil, et ils sont gratuits à corriger.

Le micro d’abord. Celui intégré à un portable capte la pièce entière, ventilateur compris. N’importe quel micro-casque, même celui livré avec un téléphone, améliore le résultat plus sûrement qu’un changement de logiciel.

La pièce ensuite. Une salle vide et carrelée renvoie un écho que la reconnaissance interprète mal. Un endroit meublé, avec des rideaux ou une bibliothèque, donne de bien meilleurs résultats sans rien acheter.

Le débit enfin. Contrairement à l’intuition, parler lentement en détachant les mots dégrade la reconnaissance : les modèles s’appuient sur l’enchaînement des mots pour lever les ambiguïtés. Un débit normal et continu, avec des phrases entières plutôt que des bouts, donne systématiquement un meilleur texte.

Ces trois réglages faits, la plupart des utilisateurs constatent que l’outil déjà présent sur leur machine leur suffisait. Cela reste vrai à condition que le contenu dicté ne pose pas de question de confidentialité : dans ce cas, et dans ce cas seulement, le sujet redevient le choix du logiciel.