Otter livre un compte rendu, ce clavier une phrase
Otter.ai enregistre des réunions et de longues conversations, envoie l’audio, le transcrit dans le cloud et te rend ensuite un compte rendu où l’on peut chercher, rattaché à un compte. C’est un vrai métier, et c’est le métier pour lequel Otter est construit.
LocalType n’est pas ça. C’est un clavier Android avec une touche micro. Il change la parole en texte pendant que tu écris, dans le champ où tu écris, et il n’enregistre pas de réunions, ne produit pas de compte rendu de conversation et ne garde rien après coup.
Donc si ce dont tu as besoin, c’est que quelqu’un prenne les notes à ta place, aucun clavier ne remplace ça et tu peux arrêter ta lecture. LocalType est un produit indépendant, sans lien avec Otter.ai.
La suite s’adresse à l’autre lecteur, celui qui a cherché une alternative à cause du trajet que fait l’audio.
La part qui se transpose vraiment
Retire les fonctions de réunion et il reste, au cœur d’Otter, de la parole qui devient du texte. Ce qui met beaucoup de gens mal à l’aise, c’est la route empruntée pour y arriver : l’audio quitte l’appareil, il est traité sur des serveurs, et le résultat habite dans un compte.
Pour tout ce qui n’est pas une réunion enregistrée, cette route est évitable. La reconnaissance vocale est un logiciel, et elle peut tourner sur le téléphone que tu tiens plutôt que sur du matériel que tu ne verras jamais. C’est ce que fait LocalType. Le modèle est un fichier dans le stockage privé de l’app, la reconnaissance s’y déroule, et il n’y a rien à envoyer puisqu’il n’y a nulle part où l’envoyer.
Aucun compte n’existe. Pas d’inscription, pas de connexion, pas de profil, rien qui relie le clavier à une personne. Il n’y a aucune publicité dans le produit et aucun pistage à l’intérieur. Les données de l’app sont volontairement tenues hors de la sauvegarde cloud d’Android, donc elles ne sont pas non plus recopiées discrètement par ce chemin.
Une part étonnante de ce pour quoi les gens utilisent un service de transcription n’est pas une réunion du tout. C’est :
- dicter un long message au lieu de le taper
- poser une idée avant qu’elle s’évapore, dans l’app de notes la plus proche
- écrire un e-mail sur un téléphone sans détester l’opération
- remplir les mêmes champs de formulaire que toutes les semaines
- répondre correctement au lieu d’envoyer trois mots parce que taper est pénible
Chacun de ces cas est un travail de clavier, pas un travail d’enregistreur. Ils se passent dans une app où tu es déjà, ils veulent le texte à l’endroit du curseur, et ils sont terminés en quinze secondes. Ouvrir un outil de transcription pour ça revient à réserver une salle de réunion pour poser une question.
LocalType couvre exactement ce terrain. Il lui faut Android 8.0 au minimum, et une tablette lui va aussi bien qu’un téléphone.
Ce que le local implique concrètement
Le modèle doit être sur l’appareil, ce qui veut dire qu’il prend de la place et occupe de la mémoire pendant qu’il travaille. C’est le vrai prix du refus d’envoyer l’audio ailleurs.
Trois tailles arrivent avec l’app. La plus légère fait 60 Mo, répond du tac au tac, et c’est ce qu’il faut à un téléphone qui a de la bouteille. Celle du milieu fait 190 Mo et l’app la propose d’office, parce qu’elle vise juste sur la majorité des appareils. La plus grosse fait 539 Mo, tombe le mieux sur les accents et le bruit de fond, au prix de l’attente : sur un téléphone de test avec 4 Go de mémoire, le modèle du milieu a écrit 6,9 secondes de parole en 4,1 secondes, tandis que le plus gros réclame environ le double de ta durée de parole.
Un seul est installé à la fois, donc en essayer un autre le remplace au lieu de grossir la pile. Télécharger un modèle est aussi la seule chose pour laquelle l’app a besoin d’un accès à internet. Ensuite, la dictée fonctionne hors ligne.
Le reste de l’app est un clavier ordinaire, et c’est voulu. Le dictionnaire suit la langue que tu règles, ce qui donne une correction automatique et des propositions de mot qui tombent juste. Les dispositions habituelles sont là, AZERTY d’abord là où c’est la norme. Et les mots que tu ajoutes toi-même, noms de famille, sigles internes, jargon de métier, viennent compléter cette liste. Ces ajouts ne bougent pas de l’appareil et servent de contexte au modèle vocal, si bien que les noms que tu emploies vraiment se mettent à s’écrire juste. Le micro reste muet dès qu’un champ de mot de passe s’ouvre, donc la chose la plus risquée que tu pourrais dicter par accident n’est tout bonnement pas dictable.
Dix-huit langues, décidées à partir de l’audio
Un modèle multilingue unique couvre dix-huit langues, et il repère laquelle tu parles à chaque enregistrement au lieu d’exiger que tu la déclares d’abord. Change de langue entre deux messages et il tient le rythme. Fixe-le sur une seule langue et tout le reste s’aligne dessus, le clavier comme la dictée.
La précision varie sur ces dix-huit, parce que la matière d’entraînement varie. Les langues très parlées s’en sortent le mieux, et c’est vrai de tous les modèles vocaux, y compris ceux qui tournent dans le cloud.
Ce qu’Otter fait et que LocalType ne peut pas faire
Un service de transcription fait trois choses qu’un clavier ne fera jamais, et aucune liste d’avantages n’y change rien.
Otter enregistre et conserve un compte rendu que tu peux fouiller, relire et partager. Il gère plusieurs personnes dans une conversation. Il se greffe aux réunions que tu tiens déjà et produit ensuite quelque chose qu’un clavier ne peut fondamentalement pas produire : le document d’une conversation dont tu faisais partie sans être celui qui tapait.
LocalType ne produit aucun document. Il ne garde aucune archive de tes enregistrements, par construction, aucun historique à fouiller et aucune notion de réunion. Une fois les mots dans le champ où tu écrivais, son travail est fini.
Si ton problème, ce sont des comptes rendus, des notes d’appel ou des entretiens que tu devras retrouver dans six mois, garde un outil fait pour ça. Le compromis proposé ici n’a de sens que pour l’écriture de tous les jours.
Les limites de le faire dans un clavier
Un clavier transcrit par salves. Tu dis une phrase ou un paragraphe, les mots atterrissent, tu continues. Il n’est pas fait pour rester dans un coin de la pièce à capter quarante minutes de conversation, et le lui demander serait s’acharner avec le mauvais outil.
Il transcrit aussi une seule voix, la tienne, près du micro, dirigée vers le téléphone. Un enregistrement avec quatre personnes autour d’une table, dont certaines de dos, est un problème nettement plus dur que quelqu’un qui dicte volontairement, et les modèles qui tiennent sur un appareil ne sont pas ceux qu’on choisirait pour ça.
Et il ne produit aucune trace. Pas de fichier ensuite, pas de compte rendu à fouiller au trimestre suivant, pas de chronologie de qui a dit quoi. Le texte est parti dans ton message et l’histoire s’est arrêtée là, ce qui est exactement l’objectif quand tu écris et exactement le mauvais objectif quand tu documentes.
La séparation ne porte donc pas vraiment sur la confidentialité. Elle porte sur le fait de savoir si c’est toi qui parles volontairement.
Les réunions, ou le reste de la journée
Prends un service de transcription pour les réunions et les enregistrements, là où la valeur tient au document qu’il laisse derrière lui.
Prends LocalType pour l’écriture que tu fais toute la journée, quand tu veux les mots dans le message et nulle part ailleurs, et quand la réponse à « qu’est-il arrivé à ma voix » devrait simplement être qu’elle est restée sur le téléphone.
Beaucoup de gens finissent par utiliser les deux, et il n’y a là aucune contradiction. L’un s’occupe des réunions qu’il faut documenter. L’autre s’occupe des cent petites choses que tu préfères dire plutôt que taper, sans qu’aucune ne quitte l’appareil.