SuperWhisper, Whisper, Dictée : comparaison reconnaissance vocale

9 min de lecture

La saisie vocale est l’outil de productivité le plus sous-estimé pour les développeurs. Celui qui tape 120 mots par minute en prononce 160. Et contrairement à la frappe, la reconnaissance vocale fonctionne aussi sur le canapé, debout ou en marchant. Mais quel outil s’adapte au quotidien informatique ? SuperWhisper, Whisper.cpp et la fonction de dictée intégrée d’Apple reposent sur trois approches fondamentalement différentes. Un comparatif après quatre semaines d’utilisation intensive en environnement de développement.

L’essentiel en bref

• SuperWhisper combine des modèles Whisper locaux avec un post-traitement par IA. Les modes personnalisés permettent des configurations spécifiques aux tâches, pour les commentaires de code, les e-mails ou la documentation. Prix : 9,99 euro/mois ou 249 euros en paiement unique.
• Whisper.cpp est la base open source : gratuit, entièrement local, plus rapide que le temps réel sur Apple Silicon. Nécessite toutefois une configuration technique et ne dispose d’aucune interface graphique pour les non-développeurs.
• La fonction Dictée de macOS d’Apple fonctionne immédiatement, est partiellement locale depuis macOS Ventura et ne nécessite aucune configuration. La précision suffit pour de courts textes, mais peine face au vocabulaire technique.
• Pour les développeurs soumis à des exigences de protection des données, SuperWhisper constitue la meilleure solution : certifié SOC 2 Type II, conforme HIPAA, utilisable entièrement hors ligne.
• Whisper.cpp sur un M4 Pro traite l’audio avec une latence d’environ 200 millisecondes. L’expérience ressemble à une transcription en temps réel.

Pourquoi la saisie vocale est pertinente pour les développeurs

La reconnaissance vocale évoque les logiciels de dictée des années 90. Dragon NaturallySpeaking, les corrections d’erreurs, la frustration. La génération actuelle est radicalement différente. Le modèle Whisper d’OpenAI, publié en open source en 2022, a porté la précision de la reconnaissance vocale locale à un niveau comparable aux services cloud comme Google Speech-to-Text : 95 à 97 % de précision, même avec du vocabulaire technique ou des accents.

Les développeurs ont trois cas d’usage concrets. Premièrement : la documentation. Commentaires de code, fichiers README, notes d’architecture. Ce sont des textes qu’il faudrait normalement taper, mais qui sont souvent laissés de côté parce que la frappe prend plus de temps que la réflexion. La saisie vocale abaisse cette barrière. Deuxièmement : la communication. Messages Slack, réponses par e-mail, tickets Jira. Dicter est plus rapide que taper, surtout pour les messages longs. Troisièmement : le brainstorming. Décisions architecturales, hypothèses de débogage, notes de réunions. Les idées exprimées oralement peuvent être transformées directement en notes structurées grâce aux bons outils.

SuperWhisper : la solution polie avec post-traitement par IA

SuperWhisper est une application macOS (désormais disponible également pour Windows et iOS) qui exécute localement des modèles Whisper et les combine avec une couche de post-traitement par IA. L’atout majeur réside dans les modes personnalisés : différentes configurations peuvent être créées pour diverses tâches. Un mode pour les commentaires de code utilise un modèle plus rapide et plus petit, et formate les sorties en blocs de code. Un mode pour les e-mails utilise un modèle plus grand et corrige la grammaire et le style. Un mode pour les comptes rendus de réunion structure les pensées parlées en puces.

Chaque mode peut utiliser un modèle d’IA différent pour le post-traitement : GPT, Claude ou des modèles locaux comme Llama. C’est ingénieux, car cela équilibre vitesse et précision selon les besoins. Un mode rapide pour les messages Slack courts n’a pas besoin de la qualité de Claude. Une documentation architecturale bénéficie de la meilleure qualité textuelle d’un grand modèle de langage.

L’application est certifiée SOC 2 Type II et conforme HIPAA. Pour les entreprises ayant des exigences strictes en matière de protection des données, c’est un critère pertinent. La transcription s’effectue entièrement en local, le post-traitement par IA étant optionnel via des modèles cloud. Ceux qui veulent une confidentialité maximale configurent tout en local et n’envoient aucun son sur Internet.

Le prix : 9,99 Euro par mois en abonnement ou 249 Euro en licence à vie. La version gratuite permet 15 minutes d’enregistrement par jour avec toutes les fonctionnalités pro et l’accès aux modèles Whisper plus petits (Nano, Fast, Standard). Cela suffit pour tester sérieusement l’application avant de s’engager. Sur Product Hunt, SuperWhisper maintient une note de 4,9 sur 5 et a remporté le Privacy Award for AI Dictation en hiver 2025.

Whisper.cpp : le fondement open-source

Whisper.cpp est le portage en C/C++ du modèle Whisper d’OpenAI, optimisé pour Apple Silicon. Sur un M4 Pro, Whisper.cpp traite les segments audio avec une latence d’environ 200 millisecondes. Sur un MacBook Air M1, la latence est d’environ 500 millisecondes. Les deux sont plus rapides que le temps réel, ce qui signifie que la transcription est terminée avant que l’orateur ne commence la phrase suivante.

L’installation se fait via Homebrew ou directement depuis le dépôt GitHub. Il n’y a pas d’interface graphique. Ceux qui veulent utiliser Whisper.cpp comme outil de dictée auront besoin d’un frontend. MacWhisper (achat unique, à partir de 29 Euro) offre une interface native macOS. Des alternatives comme Sotto ou Buzz intègrent également Whisper.cpp dans des applications conviviales avec différents ensembles de fonctionnalités.

L’avantage de Whisper.cpp est le contrôle total. Pas de compte nécessaire, pas de télémétrie, pas de connexion cloud. Les modèles sont téléchargés une fois et fonctionnent ensuite entièrement hors ligne. Pour les développeurs qui souhaitent intégrer Whisper dans leurs propres flux de travail ou pipelines, l’interface CLI est un atout. Les transcriptions peuvent être automatisées via des scripts shell, intégrées dans des pipelines CI/CD ou utilisées comme entrée pour des LLM locaux.

La taille du modèle détermine la précision. Whisper Tiny (39 MB) fournit des résultats utilisables pour des dictées simples. Whisper Large-v3 (1,5 GB) atteint une précision de 95 à 97 %, mais nécessite plus de puissance de calcul et de VRAM. Sur un Mac avec 16 GB de RAM, Large-v3 fonctionne de manière fluide, mais avec 8 GB, cela devient plus difficile.

macOS Dictation : l’option sans configuration

La fonction de dictée intégrée d’Apple est partiellement disponible en local depuis macOS Ventura. Elle s’active via les Préférences Système et une combinaison de touches (par défaut, deux pressions rapides sur la touche Fn). Pas d’installation, pas de configuration, aucun coût. Pour les courts textes, les requêtes de recherche ou les messages de chat, le fonctionnement est fiable.

Les limites apparaissent avec le vocabulaire technique. Des termes comme Kubernetes, Terraform, Ansible ou des noms d’API spécifiques sont souvent mal reconnus ou remplacés par des mots courants aux sonorités proches. Apple ne permet pas d’ajouter un vocabulaire personnalisé. SuperWhisper et Whisper.cpp s’en sortent mieux ici, car le modèle Whisper sous-jacent a été entraîné sur un corpus de données plus vaste, couvrant davantage de langage spécialisé.

Un autre inconvénient : macOS Dictation ne propose aucune fonction de traitement par lots. Si vous souhaitez transcrire une heure d’enregistrement de réunion, vous ne pouvez pas utiliser la fonction intégrée. SuperWhisper et Whisper.cpp, eux, traitent des fichiers audio de longueur illimitée. Pour la dictée en temps réel par courtes séquences, la solution d’Apple suffit. Pour tout ce qui dépasse, elle ne convient pas.

« La saisie vocale ne remplace pas la frappe. Elle la complète là où taper est lent, inconfortable ou impossible : pour documenter, communiquer entre deux réunions ou saisir des idées qui autrement seraient perdues. »

De nouvelles alternatives : Parakeet, Sotto, Wispr Flow

En dehors de Whisper, la concurrence s’intensifie dans le domaine de la reconnaissance vocale locale. Le modèle Parakeet de NVIDIA, initialement conçu pour des charges de travail serveur, est désormais disponible localement dans une version adaptée. En anglais, Parakeet surpasse la précision de Whisper Large-v3 dans plusieurs benchmarks. Toutefois, pour une utilisation multilingue, Whisper reste supérieur, car Parakeet ne prend actuellement en charge que quelque 25 langues de manière fiable, contre plus de 100 pour Whisper.

Sotto est une nouvelle application macOS qui utilise Whisper.cpp comme moteur et propose une interface particulièrement épurée. L’application se concentre sur la dictée en temps réel sans post-traitement par IA, et se positionne sur un plan tarifaire intermédiaire entre l’interface en ligne de commande gratuite Whisper.cpp et SuperWhisper. Wispr Flow adopte une approche similaire, en insistant sur l’intégration aux flux de travail existants : l’application détecte automatiquement dans quelle application la dictée a lieu et adapte son comportement. Par exemple, elle adopte un ton plus informel dans les messages Slack que dans les courriels.

Pour les entreprises qui évaluent une solution de reconnaissance vocale locale, il est pertinent d’examiner plusieurs outils. SuperWhisper offre le jeu de fonctionnalités le plus complet, Whisper.cpp le contrôle maximal, et la dictée intégrée d’Apple le seuil d’entrée le plus bas. Les nouvelles alternatives comme Sotto et Wispr Flow comblent des niches intermédiaires.

Confidentialité et conformité : où la reconnaissance locale fait la différence

Pour les départements informatiques des secteurs réglementés, le choix entre cloud et local n’est pas une question de préférence. Les contenus vocaux contenant des noms de clients, des données financières ou des stratégies internes ne doivent pas, dans de nombreuses entreprises, être envoyés à des services cloud. C’est là que les solutions locales dévoilent leur principal avantage.

SuperWhisper est certifié SOC 2 Type II et conforme à la norme HIPAA. Il ne s’agit pas de simples arguments marketing, mais de standards de conformité vérifiés, soumis à des audits réguliers. Whisper.cpp, de par sa nature open source et son absence de traitement des données par des tiers, n’a logiquement aucune certification. La responsabilité de la sécurité des données incombe à l’utilisateur, ce qui ne pose aucun problème aux équipes de développement, mais implique une charge supplémentaire de documentation pour les services informatiques chargés de la conformité.

macOS Dictation traite une partie de la reconnaissance localement depuis macOS Ventura, mais continue d’utiliser des serveurs cloud pour les requêtes complexes. Apple affirme que les données ne sont pas conservées durablement, mais le traitement s’effectue partiellement sur les serveurs d’Apple. Pour les environnements réglementés, cela ne suffit pas. Pour l’usage quotidien d’un développeur sans exigences spécifiques de conformité, cela reste acceptable.

Test pratique : Quatre semaines dans la vie quotidienne d’un développeur

Après quatre semaines d’utilisation parallèle des trois outils, un schéma d’utilisation clair s’est dessiné. SuperWhisper est devenu l’outil principal pour les textes plus longs : messages Slack de plus de trois phrases, réponses aux e-mails, revues de code sous forme de notes vocales. Les Custom Modes font la différence. Le mode E-mail corrige automatiquement la ponctuation et la mise en forme. Le mode Code-Comment ajoute des backticks autour des termes techniques. Cela évite la post-édition.

Whisper.cpp a fonctionné comme backend pour la transcription des enregistrements de réunions. Une heure d’audio en moins de quatre minutes sur un MacBook Pro M5, entièrement hors ligne. Les résultats ont ensuite été utilisés comme input pour un LLM local, générant des résumés et des points d’action. Ce workflow est également possible avec SuperWhisper, mais Whisper.cpp offre plus de contrôle sur le format de sortie et s’intègre mieux dans les scripts shell existants.

macOS Dictation est resté pour les entrées rapides : recherche Spotlight, iMessages courts, entrées de calendrier. L’avantage de l’intégration système sans changement d’application est imbattable pour les entrées courtes. Pour tout ce qui dépasse deux phrases, SuperWhisper est devenu un réflexe naturel.

Un résultat surprenant : l’utilisation quotidienne de la voix est passée de 15 minutes en moyenne à plus de 45 minutes sur les quatre semaines. Non pas parce que les tâches ont augmenté, mais parce que des tâches ont été accomplies qui étaient auparavant reportées. Écrire de la documentation est moins fatigant par la voix que par la frappe. Les messages Slack plus longs avec contexte et justification remplacent les messages courts. La qualité de la communication écrite a augmenté de manière mesurable, car la barrière à la rédaction de textes plus longs a diminué.

Le conseil le plus important du test pratique : ne pas essayer de dicter des phrases parfaites. Parlez d’abord, éditez ensuite. La post-édition par IA de SuperWhisper corrige automatiquement la plupart des mots de remplissage et des fragments de phrases. Le workflow Parler-Corriger-Envoyer est plus rapide que le workflow Penser-Taper-Corriger-Envoyer après une semaine d’adaptation.

Questions fréquentes

SuperWhisper fonctionne-t-il aussi sous Windows ?

Oui, depuis début 2026, SuperWhisper est également disponible pour Windows. Les fonctionnalités principales, y compris les Custom Modes et le traitement local de Whisper, fonctionnent de manière transversale. La version macOS est un peu plus aboutie, car l’application a été développée en premier sur cette plateforme.

Combien d’espace de stockage les modèles Whisper nécessitent-ils ?

Whisper Tiny nécessite 39 MB, Small 244 MB, Medium 769 MB et Large-v3 environ 1,5 GB. Pour une utilisation quotidienne sur un Mac actuel, Medium ou Large sont recommandés. Sur les appareils avec 8 GB de RAM, Medium est le compromis pragmatique entre précision et consommation de ressources.

Whisper reconnaît-il correctement la syntaxe du code ?

Partiellement. Les termes techniques comme Kubernetes, Docker, PostgreSQL ou Terraform sont reconnus de manière fiable par le modèle Large. La dictée de lignes de code individuelles ne fonctionne pas de manière fiable. L’entrée vocale est adaptée pour la documentation, les commentaires et la communication, mais pas pour la dictée de code source.

Existe-t-il une alternative gratuite à SuperWhisper ?

Oui. Whisper.cpp lui-même est gratuit et open source. MacWhisper propose une version de base gratuite. Buzz est une autre interface graphique open source pour Whisper. Aucune de ces alternatives n’offre les Custom Modes et la post-édition par IA de SuperWhisper, mais pour la simple transcription, elles sont suffisantes et gratuites.

Source image de couverture : Pexels / cottonbro studio (px : 6878169)