Whisper FR : transcription française hors ligne

Par Emmanuel Sauvage · Publié le · Mis à jour le

Cette page peut contenir des liens partenaires Amazon : si vous achetez après un clic, le site peut percevoir une commission sans surcoût pour vous. Nos conseils restent indépendants. En savoir plus.

Vous voulez transcrire en français des réunions téléphoniques, des messages vocaux ou des cours sans passer par un service en ligne (logiciel hébergé sur abonnement, souvent appelé SaaS pour Software as a Service) ? Whisper est un modèle open source de reconnaissance vocale publié par OpenAI ; le paquet openai-whisper et whisper.cpp s’exécutent sur votre machine : l’audio ne part pas chez OpenAI si vous n’utilisez pas leur API cloud — seul le premier téléchargement des poids du modèle peut passer par Internet. Ce guide complète premiers pas Whisper avec une chaîne concrète (ffmpeg + test MP3).

Quel outil choisir ? Débutant : pip install openai-whisper + ffmpeg (étapes 1–4). Sans Python ou PC modeste : whisper.cpp (section alternative). Interface graphique : LM Studio pour un fichier glissé-déposé — pratique en test ponctuel, peu adapté aux réunions multi-heures ni au batch de nombreux enregistrements (pas de file d’attente longue comme en ligne de commande).

Cas d’usage à la maison

Situation Intérêt local
Compte rendu de réunion Pas d’enregistrement sur serveur US
Notes pour un proche malentendant Texte éditable, archivage perso
Chaîne avec LLM Transcription → résumé via Ollama
Plusieurs fichiers par semaine Passez au modèle medium ou au bloc Aller plus loin après le test MP3

Pour la conformité, croisez avec RGPD et données 100 % locales si les enregistrements concernent des tiers.

Prérequis matériel

Profil CPU GPU Indication
Occasionnel, fichiers courts 4 cœurs récents Optionnel Modèle small
Réunions 1 h 8 cœurs Accélère fortement medium
Qualité max Workstation VRAM 8 Go+ (VRAM pour modèles image et LLM) large (fichiers > ~30 min ; en dessous, medium souvent plus sûr sur 8 Go)

Sur CPU seul, prévoyez des temps réels × 2 à × 10 selon la durée. Sur GPU 8 Go VRAM, réservez medium ou large surtout au-delà de ~30 min d’audio par fichier ; en dessous, small limite la pression mémoire et laisse de la marge si Ollama tourne en parallèle. Un micro USB correct améliore la source (optionnel : le micro intégré suffit pour un premier test — voir premiers pas Whisper pour le choix micro).

Étape 1 — Installer ffmpeg et vérifier le PATH

ffmpeg est l’outil qui lit presque tous les formats audio ; Whisper s’appuie dessus dans la plupart des installs. Avant pip install whisper, validez ffmpeg : sans cette étape, l’étape 4 échoue souvent avec « ffmpeg not found ».

Windows

  1. Télécharger un build ffmpeg depuis le site officiel ou un pack communautaire fiable.
  2. Ajouter le dossier bin au PATH système.
  3. Étape 1b — test obligatoire :
ffmpeg -version

La première ligne doit afficher ffmpeg version suivie d’un numéro. Si « commande introuvable », corrigez le PATH avant de continuer.

Linux (Debian/Ubuntu)

sudo apt update && sudo apt install -y ffmpeg
ffmpeg -version

macOS (Homebrew)

brew install ffmpeg
ffmpeg -version

Étape 2 — Installer Whisper (Python)

Environnement Python 3.10+ recommandé :

python3 -m pip install -U openai-whisper

Sur certaines machines, installez aussi PyTorch selon la doc PyTorch (CPU ou CUDA pour NVIDIA).

Alternative sans Python — whisper.cpp

Si vous refusez Python ou que la machine est très limitée, whisper.cpp suffit pour un test WAV/MP3 converti — mais la compilation et le choix du binaire méritent un vrai pas à pas.

→ Étape 3A — premiers pas Whisper : release, téléchargement de ggml-small.bin, commande -otxt et dépannage Windows/Linux.

Rappel minimal après lecture de la 3A — compilez le binaire (git clone, make) si besoin, puis :

Téléchargement du modèle small (une fois) :

curl -L -o models/ggml-small.bin https://huggingface.co/ggerganov/whisper.cpp/resolve/main/ggml-small.bin

Commande de test minimale (WAV 16 kHz mono ; convertissez un MP3 avec ffmpeg -i test.mp3 -ar 16000 -ac 1 test.wav) :

./main -m models/ggml-small.bin -f test.wav -l fr

Le texte transcrit s’affiche dans le terminal.

Étape 3 — Choisir le modèle

Modèle Taille indicative Usage
tiny / base Léger Tests, anglais surtout
small ~500 Mo Français courant, CPU OK
medium ~1,5 Go Meilleure ponctuation FR ; sur 8 Go VRAM, pertinent surtout si le fichier dépasse ~30 min
large Lourd GPU conseillé ; sur 8 Go VRAM, évitez les fichiers très longs en parallèle d’un LLM

Premier téléchargement :

whisper mon-enregistrement.mp3 --language French --model small

Les poids sont stockés sur disque ; prévoyez de l’espace SSD.

Étape 4 — Tester un MP3 local

  1. Placez test-voix.mp3 (30–60 s de parole claire) dans un dossier sans accents dans le chemin (évite erreurs Windows).
  2. Lancez :
whisper test-voix.mp3 --language French --model small --output_format txt
  1. Ouvrez test-voix.txt : vous devez lire une transcription en français.
  2. Si échec « ffmpeg not found », revenez à l’étape 1.
Aller plus loin : Zoom, Teams, n8n, sous-titres SRT (repliable)

À ouvrir seulement après un test MP3 réussi — ces pistes prolongent la chaîne, elles ne remplacent pas les étapes 1 à 4.

Zoom / Teams : exportez l’audio seul (MP3 ou M4A), convertissez avec ffmpeg avant Whisper.

n8n : dossier surveillé → transcription → résumé Ollama — n8n et LLM local.

Sous-titres SRT ou VTT : ajoutez --output_format srt (ou vtt) à la commande whisper ; relisez les noms propres à la main.

Cache disque : nettoyez ~/.cache/whisper (Linux/macOS) ou l’équivalent Windows — voir SSD stockage modèles.

GPU partagé avec Ollama : sur 8 Go VRAM, évitez Whisper large et Ollama 7B en parallèle ; au-delà de ~30 min d’audio, préférez medium plutôt que large tant que la qualité vous convient. Planifiez les créneaux ou assistant familial sur un autre horaire.

Étape 5 — Résumer avec Ollama ou Open WebUI (option)

Méthode manuelle (Windows, macOS et Linux) :

  1. Ouvrez test-voix.txt dans le Bloc-notes (Windows) ou TextEdit (macOS) — ou tout éditeur texte sous Linux —, sélectionnez tout et copiez.
  2. Lancez Open WebUI ou ollama run avec le modèle déjà installé.
  3. Collez le texte et demandez : « Résume cette transcription en 5 puces en français. »

Cette copie-coller évite les pièges des commandes shell ($(cat …) sous bash) qui diffèrent entre Windows et macOS. Pour Zoom, n8n ou export SRT, reprenez le bloc Aller plus loin juste au-dessus (après le MP3 validé). M4A, lenteur, langue mal détectée ou ffmpeg manquant : tableau unique Formats et dépannage rapide en fin de guide.

Intégration Ollama / Open WebUI

Certaines versions d’Ollama proposent des modèles speech ; l’écosystème évolue — recoupez la doc Ollama du moment. Pour une stack stable en 2026, Whisper dédié + LLM texte reste le plus pédagogique : transcription d’abord, résumé ensuite via Open WebUI ou Docker Ollama si vous containerisez déjà la famille.

Étape du flux Outil Rôle
1 ffmpeg Lire MP3/M4A
2 Whisper Voix → texte .txt
3 Ollama / Open WebUI Texte → compte rendu structuré

Si vous enregistrez des réunions avec des tiers (collègues, clients), conservez les fichiers sur un disque chiffré et documentez la finalité — voir RGPD IA locale avant de partager le .txt par e-mail.

Coût et vie privée

Pas d’abonnement Whisper open source. Coûts : électricité (budget kWh) et éventuellement matériel GPU (GPU iGPU eGPU). Comparez au cloud sur coût 3 ans si vous payez déjà des outils en ligne.

Liens connexes (six pivots)

Thème Guide
Débuter la voix Premiers pas Whisper
Chaîne texte après transcription Open WebUI débutant · Installer Ollama
Conformité RGPD IA 100 % locale
Prérequis audio Étape ffmpeg -version ci-dessus · première IA 15 min
Automatisation (après test MP3) Bloc repliable Aller plus loin · n8n + LLM local
Matériel transcription SSD modèles · GPU iGPU eGPU

Profil small sur CPU : aucun GPU requis pour des fichiers courts — un bon micro et ffmpeg suffisent.

Lien matériel affilié (partenaire Amazon, affiliation — prix non vérifiés ici, oct. 2026) : passez au lien uniquement si vous basculez vers medium/large, traitez > ~30 min par fichier sur 8 Go VRAM, ou > 1 h d’audio par semaine — une RTX 4060 (8 Go, CUDA, fiche constructeur) accélère souvent ces cas. Voir les cartes RTX 4060 sur Amazon.fr ; vérifiez le prix du jour avant achat.

Formats et dépannage rapide

Symptôme Piste
M4A (iPhone) ffmpeg -i voix.m4a -ar 16000 -ac 1 voix.wav puis whisper sur le WAV
MP3 long ou ponctuation FR faible small d’abord ; medium si la relecture manque de virgules — sur 8 Go VRAM, viser medium surtout au-delà de ~30 min
Anglais détecté à tort --language French
Lenteur tiny ou small ; GPU utile pour medium/large, fichiers > ~30 min, ou > 1 h/semaine (seuils matériel ci-dessus)
Bruit de fond Modèle plus grand ou pré-filtre ffmpeg
ffmpeg not found Revenir à l’étape 1 — PATH et ffmpeg -version
Sous-titres Bloc Aller plus loin (après test MP3) — --output_format srt ou vtt

Questions fréquentes

Quel modèle Whisper pour le français ?

small ou medium pour un bon compromis sur CPU ; sur GPU 8 Go VRAM, medium ou large surtout au-delà d’environ 30 min d’audio par fichier.

La transcription reste-t-elle 100 % hors ligne ?

Oui après téléchargement des poids du modèle ; aucun envoi vers un serveur si vous n’utilisez pas un service en ligne.

Quels formats audio sont acceptés ?

WAV, MP3, M4A via ffmpeg selon l’outil ; convertissez d’abord en WAV 16 kHz mono si un outil échoue.

Whisper remplace-t-il un LLM de chat ?

Non : Whisper transforme la voix en texte ; pour résumer le texte, enchaînez avec Ollama ou Open WebUI.

Sources

Affiner avec le sélecteur matériel