À quel point la transcription par IA est-elle précise ?

La précision se mesure dans tout le secteur par le taux d'erreur sur les mots (Word Error Rate, WER) – la somme des mots insérés, substitués et supprimés divisée par le nombre total de mots dans la transcription de référence. Un WER de 5 % signifie que 5 % des mots sont faux, soit 95 % de précision.

Benchmarks réels (2026) : - Audio de studio propre, locuteur unique, accent standard : WER 2-5 % (précision 95-98 %). - Enregistrement de podcast, bons micros, 2-3 locuteurs : WER 5-8 %. - Enregistrement de réunion, audio moyen, voix qui se chevauchent : WER 10-15 %. - Appel téléphonique, compression avec perte, accent régional : WER 15-25 %. - Événement en direct, fort bruit de fond, locuteur qui crie : WER 30 % et plus.

Les transcripteurs humains atteignent un WER de 2-4 % sur un audio optimal, mais retombent eux aussi à 10-15 % sur un mauvais enregistrement – l'IA est désormais compétitive sur cette plage.

Ce qui fait baisser la précision : - Bruit de fond (ventilation, trafic, réverbération) - Locuteurs qui se chevauchent (deux personnes parlant en même temps) - Accents régionaux marqués sans entraînement spécifique au dialecte (le suisse allemand est notoirement difficile) - Jargon métier, noms propres, noms de produits – sans vocabulaire personnalisé, le modèle reconnaît bien \"Aspirin\" mais en général pas \"Pembrolizumab\" ni le nom de votre client. - Parole très rapide, marmonnée ou chuchotée.

Ce qui augmente la précision : - De bons micros (un micro XLR plutôt qu'un micro d'ordinateur portable fait nettement bouger le WER). - Un vocabulaire personnalisé avec les termes métier et les noms propres. - Le bon modèle : DeepScript Premium utilise un modèle plus grand et plus lent avec une optimisation pour les dialectes DACH (CH/AT/DE) – environ 30 % d'erreurs en moins que Standard sur l'audio autrichien et suisse allemand. - Une post-édition par un humain pour des usages comme les comptes rendus judiciaires ou les sous-titres publiés.

Règle empirique : si quelqu'un vous promet « 99 % de précision » sans nommer le jeu de test, ce chiffre relève du marketing. Les prestataires fiables indiquent le WER sur des benchmarks publics (Common Voice, LibriSpeech, FLEURS), pas un pourcentage marketing lissé.