Transcrire un fichier audio en local avec Whisper sur Mac et Windows

Whisper est un modèle de reconnaissance vocale qu’OpenAI a publié en open source, sous licence MIT. Comme les fichiers du modèle sont publics, vous pouvez les exécuter sur votre propre ordinateur et transcrire des entretiens, des mémos vocaux et des réunions enregistrées sans les envoyer nulle part.

Ce guide présente la méthode gratuite en ligne de commande, avec whisper.cpp sur Mac et sur Windows, puis la méthode sans terminal, avec une app de bureau. Les commandes ont été vérifiées avec whisper.cpp 1.9.5, la dernière version publiée au 19 octobre 2026.

Ce qu’il vous faut

• Un Mac ou un PC Windows. whisper.cpp fonctionne sur les deux. Sur les Mac avec puce Apple, il utilise le GPU via Metal.
• De quelques centaines de Mo à 3 Go d’espace disque pour un modèle, selon sa taille.
• ffmpeg pour convertir votre audio, car le programme d’exemple whisper-cli fonctionne avec des fichiers WAV 16 bits.
• Une connexion Internet, une seule fois, pour installer les outils et télécharger le modèle. Ensuite, la transcription fonctionne hors ligne.

Choisir un modèle Whisper

Les modèles plus gros sont généralement plus précis, et toujours plus lents. Voici les tailles et la consommation de mémoire approximative indiquées dans le README de whisper.cpp :

Il existe aussi large-v3-turbo, qu’OpenAI présente comme une version optimisée de large-v3, plus rapide, avec une perte de précision minime (README de Whisper d’OpenAI). Les modèles dont le nom se termine par .en, comme small.en, ne gèrent que l’anglais ; OpenAI note qu’ils ont tendance à donner de meilleurs résultats en anglais pour les tailles tiny et base. Pour un enregistrement qui mélange plusieurs langues ou qui n’est pas en anglais, utilisez un modèle multilingue.

Pour des réunions, small est un bon premier essai. Passez à medium ou à large-v3-turbo si les noms et les chiffres sont mal transcrits, et descendez à base si c’est trop lent.

Sur Mac : installer whisper.cpp avec Homebrew

Si vous avez Homebrew, vous n’avez rien à compiler.

1. Installez whisper.cpp et ffmpeg :

   brew install whisper.cpp ffmpeg

   Vous obtenez ainsi la commande whisper-cli.

2. Téléchargez un modèle dans un dossier facile à retrouver :

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

   Remplacez small par un autre nom de modèle du tableau, comme medium ou large-v3-turbo.

3. Convertissez votre enregistrement en WAV mono 16 kHz :

   ffmpeg -i interview.m4a -ar 16000 -ac 1 -c:a pcm_s16le interview.wav

4. Transcrivez-le :

   whisper-cli -m ~/whisper-models/ggml-small.bin -f interview.wav -l auto -otxt -osrt

   Vous obtenez interview.wav.txt avec le texte brut et interview.wav.srt avec les horodatages.

Sur Windows : compiler whisper.cpp

Sur Windows, la méthode qui réserve le moins de surprises consiste à compiler à partir des sources. Des archives zip précompilées sont proposées sur la page des versions de whisper.cpp, mais leurs noms et leur contenu changent d’une version à l’autre.

1. Installez les outils : Git, CMake, les Visual Studio Build Tools avec la charge de travail C++, et ffmpeg, ajouté à votre PATH.

2. Récupérez le code et un modèle dans PowerShell :

   git clone https://github.com/ggml-org/whisper.cpp.git
   cd whisper.cpp
   .\models\download-ggml-model.cmd small

3. Compilez-le :

   cmake -B build
   cmake --build build -j --config Release

4. Convertissez et transcrivez :

   ffmpeg -i interview.m4a -ar 16000 -ac 1 -c:a pcm_s16le interview.wav
   .\build\bin\Release\whisper-cli.exe -m models\ggml-small.bin -f interview.wav -l auto -otxt -osrt

Si vous avez une carte graphique NVIDIA, le README explique comment compiler avec CUDA pour une transcription plus rapide.

Les options à connaître

Lancez whisper-cli -h pour obtenir la liste complète. OpenAI précise que son modèle turbo n’est pas entraîné pour la traduction : avec -tr, utilisez donc un modèle multilingue comme medium.

Vérifier que la transcription se fait vraiment hors ligne

Une fois le modèle téléchargé, désactivez le Wi-Fi et relancez la même commande. Si la transcription apparaît, c’est que tout le travail s’est fait sur votre ordinateur. C’est la preuve la plus simple que votre enregistrement ne l’a jamais quitté.

Ce que la ligne de commande ne fait pas à votre place

whisper.cpp excelle à transformer un fichier en texte. Pour des réunions, quelques points restent toutefois à votre charge :

• L’enregistrement de l’appel. Il vous faut un autre outil pour capter à la fois votre micro et le son des autres participants.
• Qui a dit quoi. Une exécution de base n’identifie pas les intervenants ; le README décrit une option expérimentale pour certains modèles.
• La synthèse. Une transcription n’est pas un résumé. Il vous faudrait la copier vous-même dans un modèle d’IA, et donc choisir où ce modèle s’exécute.
• Le stockage à long terme. Vous vous retrouverez avec des dossiers de fichiers .txt à nommer, à fouiller et à garder en lieu sûr.

Transcrire un fichier en local avec Kimiko

Si vous préférez éviter le terminal, Kimiko exécute des modèles vocaux locaux sur les Mac avec puce Apple et les PC Windows, dont Whisper Small, Whisper Medium et Whisper Large v3 Turbo, en plus de Nemotron, son modèle par défaut. Il enregistre aussi les réunions sans bot, identifie les intervenants et rédige des résumés avec l’IA intégrée, sur votre ordinateur.

1. Installez Kimiko et terminez la configuration. Le modèle vocal recommandé se télécharge pendant la configuration, et vous pouvez choisir Ajouter à côté de l’option IA intégrée pour obtenir des résumés en local.
2. Choisissez un modèle Whisper, si vous voulez en utiliser un, dans Réglages → Transcription → Modèles vocaux. Téléchargez-le, puis sélectionnez-le.
3. Importez votre enregistrement. Choisissez Importer un fichier audio… sur la page Notes ou dans un projet, ou déposez le fichier sur la page Notes. Les fichiers WAV, M4A, FLAC, OGG et AIFF sont acceptés directement, sans conversion.
4. Lisez le résultat. Vous obtenez une transcription et un résumé. Si l’identification des intervenants est activée dans Réglages → Transcription, Kimiko distingue jusqu’à huit voix dans un fichier importé, sous les noms Intervenant 1, Intervenant 2, etc., et vous pouvez les renommer.
5. Posez des questions ou exportez. Posez des questions sur l’enregistrement dans la discussion, ou exportez la transcription et le résumé au format Markdown, Word ou PDF.

Si vous avez sélectionné des modèles locaux, l’audio est transcrit et résumé sur votre ordinateur. Le réglage Conserver l’audio des sessions est sur Désactivé au départ : Kimiko garde donc la transcription et supprime l’audio. L’importation audio est disponible pendant votre période d’essai ou avec un abonnement. Pour savoir ce qui s’exécute où, consultez le guide sur la transcription de réunion hors ligne.

Questions fréquentes

Whisper est-il gratuit ?

Oui. OpenAI a publié le code et les modèles de Whisper sous licence MIT, et whisper.cpp est lui aussi sous licence MIT. Le seul prix à payer, c’est le temps et la mémoire de votre ordinateur.

Quel modèle Whisper utiliser pour des réunions ?

Commencez par small et vérifiez comment il s’en sort avec les noms, les chiffres et les accents de vos enregistrements. Pour les enregistrements difficiles, passez à medium ou à large-v3-turbo si votre ordinateur a assez de mémoire.

Puis-je transcrire un fichier MP3 ou M4A ?

Oui. Convertissez-le d’abord en WAV 16 kHz avec ffmpeg, à l’aide de la commande ci-dessus, puis lancez whisper-cli sur le fichier WAV.

Whisper envoie-t-il mon audio quelque part ?

Pas quand vous l’exécutez en local avec whisper.cpp. Le modèle tourne sur votre ordinateur, et les seuls téléchargements sont l’outil et le fichier du modèle. Avec les services de transcription dans le cloud qui utilisent Whisper, c’est différent : l’audio est envoyé sur leurs serveurs.

Whisper peut-il distinguer les différents intervenants ?

Pas avec une exécution de base de whisper.cpp. Vous obtenez un seul flux de texte, avec des horodatages. Les apps conçues pour les réunions ajoutent un modèle distinct d’identification des intervenants pour indiquer qui a dit quoi.

Téléchargez Kimiko si vous voulez transcrire en local sans passer par le terminal. L’essai est gratuit.