Trois produits, un seul nom
L’expression recouvre des outils qui ne se ressemblent presque pas, et c’est pourquoi les résultats de recherche paraissent si décousus.
Les services de transcription prennent un enregistrement, une réunion, un entretien, un mémo vocal, et te rendent ensuite un document. Le travail se fait après coup, d’ordinaire sur un serveur, et le résultat est un fichier que tu peux fouiller et partager. Parfait pour documenter, inutile pour écrire un message.
Les apps de dictée t’offrent une fenêtre avec un micro. Tu parles, le texte apparaît dans l’app, et tu le recopies là où il devait aller. Bien pour de longs passages dans un document, agaçant pour une réponse de deux lignes.
Les claviers à dictée posent une touche micro sur le clavier lui-même, si bien que les mots atterrissent directement dans le champ où tu écrivais déjà. Bien pour tout ce qui est court et fréquent, c’est-à-dire l’essentiel de l’écriture sur téléphone.
Trancher entre ces trois familles est toute la question. Le reste, le prix, la justesse, les langues, n’est qu’un détail à l’intérieur de celle que tu as choisie.
Laquelle te faut-il
Veux-tu un document à la fin ? Alors c’est de la transcription qu’il te faut, pas de la dictée. Si la valeur tient à pouvoir retrouver ce que quelqu’un a dit en réunion il y a six mois, aucun clavier ne remplace ça.
Produis-tu du texte long vers un seul endroit ? Une app de dictée convient très bien, et l’étape de recopie n’arrive qu’une fois, à la fin.
Écris-tu beaucoup de choses courtes dans des apps différentes ? Messages, réponses, notes, barres de recherche, champs de formulaire. Alors c’est un clavier qu’il te faut, parce qu’ouvrir une app séparée pour dire douze mots demande plus d’effort que de les taper.
La plupart des gens qui posent cette question veulent en fait la troisième famille et ignoraient que c’en était une.
La vraie question en dessous, l’endroit du traitement
Une fois la famille connue, il reste un choix technique, et il a plus de conséquences pratiques que n’importe quelle liste de fonctions.
La reconnaissance vocale tourne soit sur un serveur, soit sur ton téléphone.
Côté serveur veut dire que ton audio est envoyé, traité ailleurs et renvoyé sous forme de texte. Les modèles peuvent être très gros, donc la justesse sur les matières difficiles est solide, et un très grand nombre de langues sont prises en charge. Cela veut dire aussi que la dictée s’arrête quand ta connexion s’arrête, et que ta voix est transmise à chaque fois.
Sur l’appareil veut dire qu’un fichier de modèle est posé sur ton téléphone et fait le travail sur place. Rien n’est envoyé, rien n’attend le réseau, et un avion ou un tunnel ne changent rien. Les limites sont celles de ton matériel : un modèle plus petit que ce qu’un serveur ferait tourner, de l’espace occupé, et moins de langues couvertes.
Tu peux savoir en dix secondes laquelle une app emploie. Coupe les données mobiles et le Wi-Fi, et essaie de dicter. La réponse ne laisse pas de place au doute.
Pourquoi les résultats sur téléphone déçoivent
Cette déception revient souvent.
Les chiffres de justesse qu’on cite en ligne viennent d’ordinaire de gros modèles tournant sur du matériel de bureau, sur des enregistrements propres. Ton téléphone fait quelque chose de nettement plus dur : un modèle plus petit, de la parole en direct plutôt qu’un enregistrement préparé, et la pièce où tu te trouves.
Attends-toi à un écart. Il se resserre beaucoup avec les gestes pratiques, tenir le téléphone plus près, parler en phrases complètes, ajouter tes propres noms et ton jargon quand l’app le permet, et il ne se referme jamais complètement sur un appareil de poche.
Ce n’est pas une raison d’éviter la dictée locale. C’est une raison de la juger face à la frappe au pouce plutôt qu’à une démonstration sur ordinateur, puisque la frappe au pouce est ce que tu ferais sinon.
Ce que « gratuit » veut dire dans cette catégorie
À savoir avant de comparer des prix, puisque le même mot recouvre trois montages différents.
Gratuit avec de la publicité veut dire que le produit est financé en te montrant des choses, ce qui suppose d’ordinaire un profil d’une nature ou d’une autre.
Gratuit au sens du logiciel libre veut dire que quelqu’un l’a construit et a publié le code, souvent sans aucun financement. Excellent rapport, et souvent plus étroit en portée ou en langues qu’un produit commercial.
Gratuit comme façade d’un service payant veut dire que l’app ne coûte rien et que la transcription est facturée à la minute, ou plafonnée, ou subventionnée pendant que le service se développe.
Aucun des trois n’est malhonnête. Mais « gratuit » ne t’apprend presque rien tout seul, et savoir lequel des trois tu regardes change entièrement la comparaison de prix.
Ce qu’il faut vérifier avant d’installer
Quatre points, quelle que soit la famille retenue.
Faut-il un compte ? Les produits côté serveur en réclament d’ordinaire un, parce qu’il faut bien facturer le traitement à quelqu’un. Les produits locaux, souvent pas.
Est-ce que ça marche dans les apps dont tu te sers ? Un clavier, oui par définition. Une app de dictée veut dire copier et coller à chaque fois.
Quelles langues, et comment on en change ? Si tu écris dans plus d’une, cherche à savoir s’il faut télécharger un pack par langue et choisir avant de parler, ou si l’app s’en charge toute seule.
Que devient l’audio ? Pas ce que dit la brochure. Ce que fait l’app quand le réseau est coupé.
Où LocalType tombe dans les trois familles
Dans la troisième : un clavier Android avec une touche micro, dont la reconnaissance tourne sur le téléphone.
Concrètement, le texte arrive dans le message, la note, le navigateur ou le formulaire où tu étais déjà, sans rien copier et sans toucher au presse-papiers. Ça marche partout où un clavier s’ouvre, sur téléphone et sur tablette, à partir d’Android 8.0, et c’est un clavier ordinaire le reste du temps : correction automatique et suggestions de mot suivant venues d’un dictionnaire accordé à ta langue, les dispositions habituelles avec AZERTY en tête, un jeu d’émojis complet, et tes propres noms et ton jargon inscrits à la main.
Sur la question du lieu de traitement, l’app n’a qu’une seule réponse. Le modèle vocal est un fichier dans un stockage privé que seul LocalType peut lire, et aucun chemin cloud n’existe pour se rabattre. L’accès à internet est demandé pour un seul but, aller chercher le modèle que tu choisis, et plus jamais après. Aucun compte n’existe, aucune publicité, aucun pistage à l’intérieur du produit, aucune archive de tes enregistrements, et les données de l’app sont volontairement exclues de la sauvegarde cloud d’Android. Devant un champ de mot de passe, la touche micro se retire d’elle-même.
Trois tailles de modèle, à 60, 190 et 539 Mo, te laissent régler toi-même l’échange entre vitesse et justesse. Celle du milieu a eu besoin de 4,1 secondes pour écrire 6,9 secondes de parole sur l’appareil de test à 4 Go. Dix-huit langues sont couvertes par un seul modèle multilingue, et il devine laquelle tu parles depuis l’enregistrement plutôt que depuis un menu.
Ce que ce n’est pas
Trois choses qu’il ne fait pas, pour que personne n’installe la mauvaise.
Il ne transcrit pas d’enregistrements. Pointe-le vers une heure d’audio et il ne fera rien, parce que c’est un clavier et qu’il travaille sur la parole au moment où tu la produis.
Il ne traduit pas. Parle allemand et tu obtiens du texte allemand.
Et ce n’est pas un assistant. Il note ce que tu as dit, et la fonction s’arrête là.
Si l’une de ces trois choses est ce que tu cherchais, la première section t’a orienté vers la bonne catégorie, et tu n’as pas besoin de plus.