En bref
- La reconnaissance vocale hors ligne repose sur un modèle d’IA téléchargé une fois sur votre disque, puis exécuté par votre PC. Le son ne sort pas de la machine.
- La carte graphique accélère parce que transcrire revient à faire d’énormes séries de multiplications en parallèle. Sans elle, le processeur prend le relais, plus lentement.
- Le prix à payer : un téléchargement initial, de la mémoire occupée, de la batterie sur un portable, et un choix de langues limité.
- Ondula fait tourner en local le modèle Canary de NVIDIA, dans 25 langues européennes, sur une carte graphique de toute marque ou sur le processeur. Cette dictée hors ligne est gratuite, sans limite et sans compte.
La reconnaissance vocale hors ligne repose sur un modèle d’IA copié une fois sur votre disque, puis exécuté par votre carte graphique ou votre processeur : le son entre par le micro, le texte sort au curseur, et rien ne transite par Internet. Une fois le modèle en place, le câble réseau peut être débranché.
Vous dictez un compte rendu dans le train, réseau coupé entre deux gares, et le texte s’écrit quand même. Où est passé le « serveur » qui faisait le travail ? Il n’y en a pas. Voici ce qui se passe dans la machine, sans jargon : ce qu’est ce modèle, pourquoi la carte graphique compte, ce que le local coûte à votre PC, et quand le cloud reste préférable.
Qu’est-ce qu’un modèle de reconnaissance vocale ?
Un modèle, c’est un fichier rempli de nombres, appelés paramètres. Ils ont été ajustés pendant un long entraînement : on a fait écouter au système une énorme quantité de parole accompagnée de sa transcription, et corrigé ses nombres à chaque erreur, jusqu’à ce qu’il devine juste. Personne ne lit ces nombres directement. Ensemble, ils encodent la correspondance entre des sons et des mots, accents et liaisons compris.
Le logiciel de dictée, lui, n’est qu’une enveloppe autour du modèle. Il capte le micro, confie le son au modèle, puis colle le texte au bon endroit. Deux logiciels très différents en apparence peuvent donc utiliser le même modèle, et deux logiciels identiques en apparence peuvent cacher l’un un modèle sur votre disque, l’autre un modèle à l’autre bout d’Internet.
Toute la différence entre local et cloud tient à cette question : où vit le modèle.
Comment se déroule une dictée hors ligne dans le PC ?
En local, le trajet de la voix ne sort jamais de la machine. En cloud, il fait un aller-retour par Internet jusqu’aux serveurs du fournisseur. Dans le détail, en local :
- Une fois pour toutes, l’application télécharge le modèle. Ondula annonce sa taille et demande votre accord avant de le faire. C’est le seul moment où Internet sert.
- Au démarrage, le modèle est préparé et chargé en mémoire : celle de la carte graphique si elle est utilisable, sinon la mémoire vive du PC.
- Quand vous parlez, le son est converti en une sorte d’image des fréquences de la voix, un peu comme l’affichage d’un égaliseur figé dans le temps. C’est cette image que le modèle lit.
- Le modèle travaille en deux temps. Une première partie « écoute » : elle résume ce qui a été prononcé. Une seconde partie « écrit » : elle produit les mots un par un, en tenant compte des précédents. C’est ce qui lui permet de choisir entre « vers », « verre » et « vert » selon la phrase.
- Le texte s’affiche au fil de la parole, puis se colle à l’endroit du curseur, dans l’application ouverte : un e-mail, un document Word, un champ de formulaire.
Aucune de ces étapes n’a besoin d’un serveur. C’est pour cela qu’une dictée vraiment locale marche aussi en avion.
Pourquoi la carte graphique accélère-t-elle la reconnaissance vocale ?
Chaque étape du modèle se résume à multiplier de grands tableaux de nombres entre eux, en quantité énorme pour chaque seconde de parole. Un processeur dispose de quelques cœurs très polyvalents : il fait ce travail, mais par petits paquets. Une carte graphique a été conçue pour calculer en même temps la couleur de millions de pixels. Elle aligne des milliers de petites unités de calcul qui travaillent en parallèle, exactement ce que réclame un modèle de reconnaissance vocale.
Reste un obstacle pratique : beaucoup d’outils locaux ne savent tirer parti que des cartes NVIDIA. Ondula passe par Vulkan, une interface standard que comprennent les pilotes NVIDIA, AMD et Intel. Il choisit de lui-même la carte dédiée si le PC en a une, sinon la puce graphique intégrée au processeur, sinon le processeur seul, et reste en direct dans tous les cas, en demandant plus d’effort à la machine.
Deux détails comptent sur un portable. Sur batterie, Ondula libère la carte graphique dédiée un quart d’heure après la dernière dictée, pour qu’elle puisse s’éteindre ; le modèle attend alors en mémoire vive. Et le site d’Ondula le dit sans détour : sur un PC modeste, le Cloud donne la meilleure qualité. Le local fonctionne partout, mais il ne transforme pas un vieux portable en station de travail.
Whisper, Canary : quel modèle fait tourner la dictée locale ?
Si vous avez cherché « transcription Whisper Windows », vous connaissez Whisper, le modèle de reconnaissance vocale ouvert publié par OpenAI. Il a lancé la vague de la transcription sur PC. Une bonne partie des petits outils de dictée locale pour Windows en sont des enveloppes, plus ou moins soignées, et beaucoup vous demandent de choisir vous-même une taille de modèle : petite et rapide mais approximative, grande et précise mais lourde. Notre tour des outils de dictée open source pour Windows en passe plusieurs en revue.
Ondula a fait un autre choix : un seul modèle, Canary, de NVIDIA, sur toutes les machines. Rien à choisir, rien à régler. Canary reconnaît 25 langues européennes hors ligne et sait aussi traduire pendant la dictée, de votre langue vers l’anglais ou de l’anglais vers les 24 autres : vous parlez français, le texte s’écrit en anglais, toujours sans connexion. Le mode d’emploi est dans notre article parler français, écrire en anglais.
Quel que soit l’outil, deux questions comptent plus que le nom du modèle : reconnaît-il votre langue hors ligne, et suit-il le rythme de votre voix sur votre machine ?
Quels sont les avantages de la reconnaissance vocale locale ?
Une confidentialité qui se vérifie. En cloud, la confidentialité repose sur des engagements : durée de conservation, lieu de traitement, sous-traitants. Ils peuvent être sérieux, et nous détaillons les nôtres dans notre article sur la dictée vocale et le RGPD. En local, il n’y a rien à croire sur parole : le son ne quitte pas le PC. Le compte rendu d’une consultation, une note sur un dossier client, un brouillon de lettre de démission restent chez vous.
Une dictée qui ignore le réseau. Tunnel, avion, salle au sous-sol, Wi-Fi d’hôtel saturé : le modèle local ne voit pas la différence. Si votre question est surtout pratique, notre guide dictée vocale Windows sans Internet compare ce qui marche vraiment hors ligne dans Windows, et donne le test en mode avion qui tranche.
Aucun coût à la minute. Un service en ligne paie ses serveurs à chaque seconde d’audio : c’est pourquoi les offres cloud comptent des heures. En local, c’est votre PC qui travaille, et une minute dictée ne coûte rien à personne. Chez Ondula, la dictée hors ligne est gratuite, sans limite et sans compte : notes toute la journée, fichier audio transcrit le soir, aucun compteur. Une même dictée peut durer jusqu’à 2 heures hors ligne, contre 30 minutes en ligne.
Quelles sont les limites d’un modèle local ?
Le local n’est pas gratuit pour votre machine. Voici ce qu’il demande.
- Un gros téléchargement au départ, et de la place sur le disque. Ondula affiche la taille exacte avant de télécharger.
- De la mémoire. Le modèle reste chargé tant que la dictée doit être prête à partir au premier appui.
- De l’énergie. Sur un portable débranché, chaque phrase fait travailler la carte graphique ou le processeur.
- Du délai sur les petites machines. Sans carte graphique, sur un processeur modeste, le texte peut arriver plus tard qu’en ligne. Ondula vous prévient s’il ne trouve pas de carte compatible, et vous propose de passer en ligne.
- Un choix de langues fermé. Hors ligne, ce sont 25 langues européennes : bulgare, croate, tchèque, danois, néerlandais, anglais, estonien, finnois, français, allemand, grec, hongrois, italien, letton, lituanien, maltais, polonais, portugais, roumain, slovaque, slovène, espagnol, suédois, russe et ukrainien.
Local ou cloud : que choisir pour sa dictée ?
Les deux approches répondent à des situations différentes. Ondula propose les deux dans la même application, et vous passez de l’une à l’autre dans Réglages > Transcription, entre « Hors ligne » et « En ligne ».
| Local (hors ligne) | Cloud (en ligne) | |
|---|---|---|
| Où tourne le modèle | Sur votre PC (carte graphique ou processeur) | Sur des serveurs |
| Le son quitte-t-il le PC ? | Jamais | Oui, le temps de la transcription, sans être conservé ensuite |
| Sans Internet | Oui, une fois le modèle téléchargé | Non |
| Ce que ça demande au PC | Du calcul, de la mémoire, de l’énergie | Presque rien |
| Sur un PC modeste | Fonctionne, plus lentement | La meilleure qualité |
| Durée maximale d’une dictée | 2 heures | 30 minutes |
| Coût chez Ondula | Gratuit et sans limite | 5,99 € par mois (20 h), Cloud Pro 9,99 € par mois (40 h) |
En pratique :
- Santé, droit, ressources humaines : le Local, pour que la voix ne sorte pas du poste.
- Déplacements fréquents : le Local, qui ne dépend d’aucune connexion.
- Portable ancien qui rame déjà : le Cloud, qui ne lui demande presque rien.
- Beaucoup de dictée, aucun budget : le Local.
Comment voir ce que la dictée locale demande à votre PC ?
Windows affiche tout, sans outil supplémentaire.
- Ouvrez le Gestionnaire des tâches (Ctrl + Maj + Échap), onglet Processus.
- Repérez Ondula, et regardez les colonnes Processeur, Mémoire et GPU.
- Dictez quelques phrases en local : les chiffres montent pendant que vous parlez, puis redescendent.
- Pour une vue d’ensemble, l’onglet Performances montre les courbes du processeur et de chaque carte graphique.
Si le calcul reste longtemps au plafond et que le texte traîne, votre machine est à la peine : le Cloud lui conviendra mieux. S’il monte brièvement puis retombe, le local tourne confortablement.
Ondula en mode Local
Ondula est une application de dictée vocale pour Windows 10 et 11, distribuée par le Microsoft Store. Un raccourci, vous parlez, le texte s’écrit à l’endroit du curseur, dans toutes vos applications.
- Gratuit, sans compte : dictée hors ligne illimitée, dictée traduite, dictionnaire personnel et raccourcis vocaux, transcription de fichiers audio et vidéo, captures et palette.
- Local à vie, 19,99 € une fois, sans abonnement, sur 3 PC : ajoute les réunions et les sous-titres en direct, la reconnaissance des intervenants et la mémoire des voix, toujours sur votre machine.
- Cloud (5,99 € par mois) et Cloud Pro (9,99 € par mois), sans engagement : la dictée en ligne, les modes IA et les comptes rendus en PDF. En créant un compte, 14 jours de Cloud sont offerts avec 10 heures en ligne, sans carte bancaire. Détail sur la page tarifs.
Questions fréquentes
Une IA de reconnaissance vocale peut-elle vraiment tourner sur un PC ordinaire ?
Oui. Les modèles actuels tiennent sur un PC courant. Une carte graphique, de n’importe quelle marque, accélère nettement le calcul ; sans elle, le processeur prend le relais, plus lentement. Sur un PC très modeste, le Cloud reste plus confortable.
Faut-il Internet pour la reconnaissance vocale hors ligne ?
Seulement pour télécharger le modèle, une fois. Ensuite, la transcription se fait entièrement sur le PC, en mode avion compris.
Ondula utilise-t-il Whisper ?
Non. En mode Local, Ondula utilise Canary, de NVIDIA, sur toutes les machines. Il reconnaît 25 langues européennes et sait traduire pendant la dictée, vers ou depuis l’anglais.
La dictée locale est-elle moins précise que le cloud ?
Cela dépend du modèle, de la langue et de la machine. Un service en ligne peut faire tourner des modèles plus lourds qu’un portable. Le plus fiable est de dicter le même paragraphe dans les deux modes : l’essai gratuit du Cloud le permet.
Pourquoi ma dictée locale est-elle lente ?
Le plus souvent, le modèle tourne sur le processeur faute de carte graphique utilisable, ou la machine est déjà occupée par d’autres programmes. Fermez les applications gourmandes, vérifiez dans le Gestionnaire des tâches que le GPU travaille pendant la dictée, et sur un PC très modeste, passez au Cloud.
Pour voir une IA de dictée tourner sur votre propre machine, téléchargez Ondula gratuitement sur le Microsoft Store : la dictée hors ligne est gratuite et sans limite, dans 25 langues européennes.
