Accueil › Convertir un audio en texte

Convertisseur audio → texte · 100 % local

Convertir un audio en texte sur Mac

Un fichier d'un côté, du texte de l'autre. La différence entre les outils tient à trois choses : où le fichier est traité, ce que vous pouvez en exporter, et à partir de quelle durée on vous demande de payer davantage. Voici comment se passe une conversion entièrement locale sur un Mac.

Le principe : le fichier ne bouge pas

La plupart des convertisseurs audio-texte en ligne fonctionnent de la même façon : vous téléversez, un serveur traite, vous récupérez un texte. Ce trajet a trois conséquences que l'on découvre souvent après coup — une copie de votre enregistrement existe ailleurs, la conversion s'arrête si la connexion tombe, et le tarif est indexé sur les minutes traitées.

Un convertisseur local inverse ce schéma. Le modèle de reconnaissance vocale est téléchargé une fois sur votre Mac et s'exécute sur sa puce graphique : le fichier reste sur votre disque, la conversion fonctionne en avion, et transcrire trois heures ne coûte pas plus que transcrire trois minutes. C'est la même différence de fond que celle décrite sur la page transcription locale.

Quels fichiers vous pouvez convertir

• Enregistrements vocaux : mémos de dictaphone, notes vocales, messages audio.
• Entretiens et tables rondes : plusieurs voix, avec séparation automatique des intervenants.
• Réunions et visios exportées depuis un outil de visioconférence.
• Vidéos dont seule la bande-son vous intéresse : cours, conférences, captations d'écran, contenus à sous-titrer.
• Longs formats : podcasts, séminaires, audiences enregistrées, journées d'atelier.

Les formats audio et vidéo courants sur macOS sont pris en charge, et la vidéo se traite exactement comme l'audio : c'est la bande-son qui est analysée.

Ce que vous récupérez

Chaque segment de texte reste lié à sa position dans l'audio : cliquer sur une ligne relance la lecture au bon endroit. C'est ce qui rend une relecture supportable sur un fichier de deux heures, au lieu d'une réécoute intégrale au jugé.

99 langues, détectées automatiquement

La langue de l'enregistrement est reconnue seule, parmi 99 langues — français, anglais, espagnol, allemand, italien, portugais, arabe, russe, mandarin et bien d'autres. Vous n'avez normalement rien à paramétrer.

Une précaution vaut d'être connue : la détection s'appuie sur le début du fichier. Un enregistrement qui s'ouvre sur une minute de silence, de générique musical ou de brouhaha peut être mal identifié, et tout le fichier sera alors décodé dans la mauvaise langue. Si votre audio commence ainsi, coupez l'introduction ou fixez la langue à la main avant de lancer la conversion.

Durée : pas de compteur à la minute

C'est l'écart le plus tangible avec un service en ligne. Quand la conversion tourne sur votre machine, il n'y a ni quota mensuel de minutes, ni limite de taille de téléversement, ni facturation à la durée : la seule contrainte réelle est le temps de calcul et l'espace disque disponible. Ce qui est limité, dans la version gratuite, c'est le nombre de transcriptions — 5 audio et 5 vidéo au total, plus 5 minutes de dictée par jour ; l'achat unique de la version Pro lève ces limites, et retranscrire un fichier déjà transcrit reste gratuit dans tous les cas. Comptez de quelques minutes à une vingtaine pour une heure d'audio, selon le modèle, la machine et l'identification des locuteurs ; sur un très long fichier, mieux vaut brancher la machine sur secteur, car le processeur graphique travaille à plein.

Plusieurs voix dans le même fichier

Sur un entretien ou une table ronde, la conversion ne se contente pas d'un bloc de texte : les prises de parole sont séparées et attribuées à des intervenants distincts, que vous renommez ensuite avec de vrais prénoms. Le fonctionnement, ses forces et ses limites — notamment sur les passages où les gens se coupent la parole — sont détaillés sur la page identification des locuteurs.

Si le fichier contient d'autres personnes

Convertir un fichier que vous avez enregistré vous-même suppose que cet enregistrement était licite. En France, capter les paroles prononcées à titre privé sans le consentement des participants est une infraction pénale (article 226-1 du Code pénal), passible d'un an d'emprisonnement et de 45 000 € d'amende : prévenez toujours vos interlocuteurs avant d'enregistrer. En entreprise, la CNIL attend de l'employeur qu'il informe les salariés et, lorsqu'il en existe, consulte les représentants du personnel, et un enregistrement réalisé à l'insu des participants expose l'employeur à un contentieux. Ce rappel est pratique et ne constitue pas un conseil juridique.

Le fait que le traitement soit local ne change rien à ces règles. Ce qu'il change, c'est l'exposition en aval : sans téléversement, il n'y a pas de copie chez un tiers, et rien n'est transmis hors de votre Mac pour être transcrit. Pour savoir ce que cela implique dans votre cas précis, la question se tranche avec votre DPO ou votre conseil.

Ce qu'il vous faut

• Un Mac Apple Silicon (M1 ou plus récent) — nécessaire.
• macOS 13 (Ventura) ou une version ultérieure.
• De la place pour le modèle de reconnaissance, téléchargé une seule fois (sa taille vous est indiquée avant le téléchargement).
• Aucun compte, aucune connexion permanente, aucune télémétrie.

Lesskeys se télécharge gratuitement ; la version gratuite permet 5 transcriptions audio et 5 transcriptions vidéo au total, plus 5 minutes de dictée par jour, et la version Pro lève ces limites par un achat intégré unique de 49,99 $ US (prix en euros définitif affiché par l'App Store), sans abonnement. La même application sert aussi de dictée vocale système : le texte dicté est copié dans le presse-papiers, vous le collez avec ⌘V — il n'y a pas de saisie automatique dans l'application active.

Ce que vous devez attendre du résultat

Une conversion automatique produit un brouillon de bonne qualité, pas un document validé. Les noms propres, les acronymes maison et le jargon très spécialisé demandent une correction ; les passages où plusieurs personnes parlent en même temps sont les plus fragiles ; un micro éloigné dégrade davantage le résultat que n'importe quel choix de logiciel. Sur un document qui engage — verbatim publié, compte rendu officiel, pièce d'un dossier — une relecture humaine reste indispensable, et aucun outil de ce type n'offre de garantie quant à la valeur juridique ou probante du texte produit.

Questions fréquentes

À lire aussi