Guide

Comment transcrire un enregistrement de deux heures

Les fichiers longs échouent d'une façon dont les courts n'échouent jamais — tarification à la minute, limites de téléversement, mémoire, et transcriptions qui se dissolvent en texte répété à mi-parcours.

30 August 2026

Un mémo vocal de dix minutes se transcrit correctement dans à peu près n'importe quoi. Un conseil d'administration de deux heures est un autre problème, et la plupart des outils le gèrent mal, de l'une de ces quatre façons précises.

Si vous avez un long enregistrement et que vous cherchez à comprendre pourquoi cela se passe mal, voici la carte.

Les quatre choses qui cassent #

1. Le prix, si vous payez à la minute #

La transcription en ligne se vend en général à la minute d'audio. Au tarif habituel, un enregistrement de deux heures coûte quelques euros — acceptable une fois, pénible en habitude. Si vous enregistrez chaque semaine une réunion de deux heures, vous vous engagez sur un abonnement que vous remarquerez vraiment, pour quelque chose que votre portable peut faire pendant que vous préparez le café.

C'est le plus simple des quatre à résoudre : la transcription locale n'a pas de compteur à la minute, parce qu'il n'y a pas de compteur du tout.

2. Le temps de téléversement et les limites de fichier #

Un WAV de deux heures peut peser plusieurs centaines de mégaoctets. Le téléverser depuis le Wi-Fi d'un hôtel prend plus de temps que n'a duré la réunion, et beaucoup de services plafonnent la taille ou la durée des fichiers et le refusent purement et simplement.

Le contournement auquel on pense est de compresser ou de découper le fichier avant l'envoi, ce qui coûte en qualité et crée les problèmes de raccord évoqués au point quatre.

3. La mémoire, sur votre propre machine #

Si vous transcrivez en local, l'outil doit conserver l'audio en mémoire sous forme d'échantillons bruts. Deux heures à 16 kHz représentent environ 470 Mo d'échantillons flottants, et Whisper construit par-dessus un spectrogramme de taille comparable.

Sur un Mac doté de 16 Go de RAM, personne ne le remarque. Sur un iPhone, une application qui charge naïvement le fichier entier se fait tuer par le système en cours de route — c'est pourquoi certaines applications mobiles de transcription plafonnent discrètement la durée des fichiers, ou plantent sur les longs enregistrements sans expliquer pourquoi.

La solution est de transcrire par fenêtres : décoder une tranche, la transcrire, la libérer, passer à la suivante. Le pic de mémoire dépend alors de la taille de la fenêtre et non de la longueur du fichier, et un enregistrement de deux heures coûte à peu près autant qu'un de quinze minutes.

4. La transcription se délite au milieu #

C'est celui qui surprend, parce que les dix premières minutes semblent parfaites.

Les longs enregistrements contiennent du silence — avant le début de la réunion, pendant la pause, après le départ de tout le monde. Whisper génère du texte pour tout ce qu'on lui donne, et face au silence il se répète, parfois sur des pages entières. Nous en avons détaillé la cause, parce que c'est la plainte la plus fréquente au sujet de la transcription automatique.

Pour un fichier de deux heures, ce n'est pas un problème cosmétique. Cela peut transformer le dernier quart de votre transcription en bruit.

Obtenir un passage propre #

Enregistrez le fichier pour qu'il puisse être transcrit #

Tout ce qui suit se décide ici, et cela vaut trente secondes de réflexion avant une longue séance :

• Rapprochez le microphone des intervenants plus que de la climatisation. Un téléphone au milieu de la table de réunion est l'erreur classique — il est à égale distance de tout le monde, ce qui veut dire loin de tout le monde.
• Enregistrez sans compression si vous le pouvez. WAV ou M4A à un débit normal. Une forte compression supprime précisément le détail des hautes fréquences qui distingue les consonnes proches.
• Arrêtez l'enregistreur quand la réunion se termine. Vingt minutes de bruits de rangement sont la matière première du problème de répétition.

Indiquez la langue explicitement #

La détection automatique analyse le début du fichier. Si votre enregistrement s'ouvre sur trente secondes de bruit ambiant, ou sur quelqu'un parlant une autre langue que le reste de la réunion, la détection peut se tromper et le rester pendant deux heures.

Si vous connaissez la langue, indiquez-la. Dans Offline Transcription, vous pouvez maintenir le bouton Transcrire d'un fichier et choisir directement sa langue, ce qui compte surtout quand vous transcrivez un lot d'enregistrements dans des langues différentes.

Lancez-la et allez faire autre chose #

Un fichier de deux heures sur un Mac Apple Silicon récent prend des minutes, pas des heures — le moteur embarqué tourne plusieurs fois plus vite que le temps réel. Sur un ancien Mac Intel c'est plus lent, et il vaut mieux le lancer avant le déjeuner que le regarder tourner.

Ce que vous attendez de l'application pendant ce temps, c'est de l'honnêteté : un pourcentage et un temps restant, pour savoir si elle travaille ou si elle est bloquée. Sur un fichier de deux heures, un indicateur qui tourne sans progression est indiscernable d'un plantage.

Vérifiez les charnières, pas l'ensemble #

Vous n'allez pas relire deux heures de texte. Vous n'en avez pas besoin.

Les erreurs d'une longue transcription se concentrent à des endroits prévisibles : les noms et les acronymes, la première minute (avant que le modèle ait du contexte), les moments où les gens se coupent la parole, et tout point où l'enregistrement change de nature — quelqu'un rejoint par haut-parleur, la salle se déplace, une vidéo est diffusée.

Une vue par segments avec horodatage rend cela rapide : parcourez ces moments, et lisez l'audio derrière toute ligne qui semble fausse plutôt que de parcourir une forme d'onde de deux heures pour la retrouver.

Si vous avez une pile de longs enregistrements #

La mécanique de chaque fichier compte moins que la file d'attente. Déposez-les tous, laissez-les s'enchaîner, et revenez plus tard — en local, il n'y a aucune raison de les traiter un par un, puisqu'il n'y a ni téléversement ni coût par fichier.

La seule chose qui vaut la peine d'être faite fichier par fichier est de régler la langue, si elles diffèrent.

En bref #

Les longs enregistrements échouent sur le prix, les limites de téléversement, la mémoire, et la répétition provoquée par le silence. La transcription locale supprime purement et simplement les deux premiers. Pour les deux autres, vous voulez un outil qui transcrit par fenêtres au lieu de charger le fichier entier, et qui applique une détection d'activité vocale pour que les passages calmes n'atteignent jamais le modèle. Ensuite, vérifiez la transcription aux charnières plutôt que de lire les deux heures.

Offline Transcription traite le cas des deux heures de façon spécifique : transcription par fenêtres pour que la mémoire reste stable, détection de la voix pour que le silence ne se transforme pas en texte répété, et progression en direct avec un temps restant pour que vous sachiez où vous en êtes. L'application est gratuite à télécharger et à essayer, sur Mac et iPhone.