OpenAI abandonne Whisper: gpt-transcribe réduit les erreurs de transcription

OpenAI tourne la page de son architecture Whisper historique et positionne désormais ses nouveaux modèles comme la solution de référence pour toute intégration de transcription audio, en remplacement des anciens modèles par défaut gpt-realtime-whisper-1 et whisper-1.

Par quoi OpenAI remplace Whisper

L'avancée majeure ne se limite pas à un gain de précision brut. Elle réside dans la prise en compte du contexte.

Les modèles classiques de reconnaissance vocale (ASR) traitent chaque segment audio de façon isolée, une limite que cette nouvelle génération de modèles cherche justement à corriger.

Comment Whisper a été évalué ailleurs

Une étude a montré que GPT-4o-Transcribe produit un texte de meilleure qualité mais sans horodatage, tandis que Whisper fournit des timestamps mais un texte de moins bonne qualité, selon un retour d'expérience en production cité par promptt.dev8.

Une autre analyse publiée en 2026 avance des chiffres précis: un taux d'erreur de mots (WER) de 4,1 % pour GPT-4o-Transcribe contre 5,3 % pour Whisper-v3, soit environ 22 % d'erreurs en moins pour un tarif identique de 0,006 $ par minute9. Cette même analyse recense trois variantes disponibles, dont une version diarize qui ajoute l'identification des locuteurs pour 2,5 fois le prix9.

La documentation officielle des développeurs d'OpenAI détaille comment transcrire des fichiers audio enregistrés, diffuser des transcriptions en streaming et exploiter les fonctionnalités spécialisées de reconnaissance vocale via son API7.

Les autres acteurs qui bousculent la reconnaissance vocale

Cohere, surtout connu pour ses grands modèles de langage à destination des entreprises, a lancé Cohere Transcribe le 26 mars 202610.

Ce modèle a pris la tête du Hugging Face Open ASR Leaderboard, devançant OpenAI Whisper ainsi qu'ElevenLabs Scribe, Zoom Scribe et IBM Granite Speech10.

De son côté, une plateforme nommée WhisperAI, construite sur la technologie Whisper d'OpenAI, a annoncé en juillet 2026 le lancement d'une API de transcription avancée, capable de traiter à la fois l'audio préenregistré et la parole en temps réel4.

Ce que cela change concrètement pour les outils de transcription

Whisper a été entraîné sur 680 000 heures de données audio multilingues et multitâches, ce qui le rend particulièrement robuste face au bruit ambiant, au jargon technique et à d'autres conditions audio réelles6.

La variante whisper-1 proposée via l'API d'OpenAI est plus ancienne et prend en charge un format JSON détaillé avec horodatage par segment, tandis que Whisper Large v3 est présenté comme la dernière version open source, avec une meilleure précision sur les audios bruités ou fortement accentués5.

Ces nuances comptent pour quiconque doit choisir un moteur de transcription, que ce soit pour une API cloud ou pour un logiciel fonctionnant directement sur un ordinateur personnel.

Ce que ça implique pour les utilisateurs de Mac

Si vous dictez des notes, des brouillons ou des messages sur Mac, la concurrence entre les modèles d'OpenAI, de Cohere et des différents revendeurs d'API se joue surtout au niveau développeur/API, pas dans l'application elle-même.

• Les API de transcription cloud décrites plus haut sont conçues pour les développeurs qui intègrent la reconnaissance vocale dans des applications et services, pas pour la dictée au quotidien9.
• La transcription locale, directement sur l'appareil, comme celle de Voicci basée sur des modèles Whisper, garde l'audio sur votre Mac au lieu de l'envoyer vers une API cloud1.
• Les modèles Whisper en local restent une base solide pour une dictée privée et hors ligne sur Mac1.

Voicci est une application de dictée vocale pour Mac, logée dans la barre de menu, conçue autour d'une transcription 100 % privée: reconnaissance vocale locale basée sur Whisper pour un usage hors ligne, raccourci clavier global pour dicter à tout moment, et insertion universelle du texte dans n'importe quelle application de votre Mac1.

Pour des enregistrements confidentiels, garder la transcription directement sur votre appareil plutôt que d'envoyer l'audio vers un service cloud inconnu reste le choix le plus sûr par défaut, quel que soit le moteur utilisé par l'application.

À surveiller dans les prochains mois

Le marché de la transcription vocale évolue vite, avec OpenAI, Cohere et divers fournisseurs d'API tiers qui rivalisent d'annonces sur la précision et le coût910.

Les taux d'erreur de mots et les tarifs à la minute varient selon les benchmarks et les fournisseurs: mieux vaut consulter la documentation officielle avant de changer de moteur en production79.

Pour une dictée quotidienne privée, directement sur votre Mac, Voicci mise justement sur une transcription locale basée sur Whisper1.