Transcription de réunion par IA : la méthode complète (2026)

Faites le compte de vos réunions de la semaine. Combien ont laissé une trace écrite ? Dans la plupart des PME, la réponse est : presque aucune. Les décisions vivent dans la mémoire de ceux qui étaient là, les actions se perdent, et le compte rendu — cette corvée que personne ne s'attribue — ne se fait jamais. C'est exactement le genre de tâche que l'IA fait aujourd'hui très bien… à condition de ne pas se tromper de méthode.

Car il y a un piège. Transcrire un monologue propre est devenu trivial. Transcrire une vraie réunion — six personnes, des gens qui se coupent la parole, une heure d'audio — reste étonnamment dur. Je transcris régulièrement entretiens et réunions dans mon propre travail ; voici la méthode complète, les outils (presque tous gratuits), et les endroits précis où ça casse.

Ce qu'un compte rendu automatique change pour une PME

Avant la technique, le pourquoi. Une réunion d'une heure à cinq personnes, c'est une demi-journée de salaires. Sans trace écrite, ce capital s'évapore : on re-décide ce qui avait été décidé, on re-débat ce qui avait été tranché. Avec un pipeline de transcription en place, trois choses changent :

• Une mémoire d'entreprise. Chaque réunion devient un document cherchable. « Qu'avait-on dit sur ce fournisseur en mars ? » cesse d'être une question sans réponse.
• Un onboarding accéléré. Un nouvel arrivant lit trois mois de comptes rendus et comprend le contexte que personne n'a le temps de lui raconter.
• Des décisions traçables. Qui a arbitré quoi, quand, sur quels arguments. Précieux le jour où un client, un associé ou un contrôleur pose la question.

La méthode : trois étages, pas un

L'erreur classique consiste à tout demander au même outil. Un bon pipeline de compte rendu automatique sépare trois problèmes de natures différentes :

1. Transcrire — convertir l'audio en texte. Problème largement résolu.
2. Attribuer — savoir qui a dit quoi, et suivre chaque voix sur toute la durée : savoir que « le troisième intervenant à la minute 3 » est le même que « celui qui répond à la minute 47 ». C'est l'identification des locuteurs, et c'est là que ça se complique.
3. Rédiger — transformer le transcript brut en compte rendu structuré : décisions, actions, échéances, questions ouvertes. C'est le travail d'un LLM, avec un bon prompt.

Trois étages, trois outils. Voyons lesquels.

Les outils : un pipeline local et gratuit

Pour l'étage 1, la référence reste Whisper (le modèle open source d'OpenAI, multilingue et très bon en français), dans son implémentation optimisée faster-whisper : open source, gratuite, et surtout locale — l'audio ne quitte pas votre machine. C'est mon choix par défaut, précisément pour garder la main sur les données.

Pour l'étage 2, Whisper ne suffit pas : il transcrit, mais ne sait pas, seul, dire qui parle. La brique open source qui comble ce trou est pyannote.audio (relevé juillet 2026 : version 4.0, avec le modèle ouvert community-1). Le projet WhisperX assemble d'ailleurs les deux — transcription + identification des locuteurs + horodatage au mot — si vous préférez un outil intégré.

Pour l'étage 3, n'importe quel bon LLM fait l'affaire, avec une consigne stricte : extraire décisions, actions et échéances, sans broder. Un détail qui compte pour la facture : rédiger un compte rendu est une tâche mécanique, pas un raisonnement difficile — inutile d'y mettre le modèle le plus cher (c'est le principe de routage que je détaille dans FinOps de l'IA : 6 leviers pour diviser votre facture LLM).

Et si vous ne voulez rien installer ? Des outils de compte rendu automatique existent — par exemple Granola, dont la version gratuite se branche sur Zoom, Teams ou Meet et produit transcription et compte rendu sans configuration (relevé juillet 2026). C'est la voie de la simplicité, et celle que j'utilise au quotidien. Sa limite : l'audio transite par un cloud tiers. La bonne pratique est de ne conserver que le compte rendu et de supprimer l'enregistrement — c'est le texte qui a de la valeur, pas la voix.

Là où ça casse : au-delà de quatre voix

Voici la limite que les démos évitent soigneusement. En mai 2026, Trelis Research a publié des mesures comparant son modèle dédié à la transcription multi-locuteurs (Chorus Pro) à Gemini Pro, le généraliste multimodal de Google, sur deux jeux de référence : AMI (réunions jusqu'à 4 locuteurs) et ICSI (réunions longues, jusqu'à 8). Le constat est net :

• Sur 4 locuteurs ou moins, les deux se tiennent : le généraliste fait le travail.
• Au-delà de 4 locuteurs, Gemini s'effondre : il semble n'avoir été entraîné qu'à prédire jusqu'à quatre voix, et en « écrase » plusieurs en une seule.
• Sur les audios longs, il devient carrément peu fiable : il rate le format de sortie demandé, ou produit des horodatages incorrects.

Le pire n'est pas l'échec, c'est sa discrétion : le généraliste casse silencieusement. Le compte rendu a l'air propre ; il attribue simplement des propos à la mauvaise personne. La leçon est transposable bien au-delà de la transcription : sur une tâche étroite et difficile, un petit modèle dédié bat un gros modèle généraliste.

Honnêteté oblige — et c'est l'auteur de l'étude qui le signale lui-même : la référence « vérité terrain » d'AMI est incomplète, au point que son propre modèle a été compté fautif pour avoir transcrit du texte réellement audible que la référence avait manqué. Gardez aussi en tête que l'étude est publiée par l'éditeur du modèle dédié, et que ce modèle est surtout bon en anglais pour l'instant. Un benchmark n'est jamais une vérité, juste un point de vue outillé.

Le bon chiffre à exiger d'un fournisseur : le cpWER

Si vous évaluez un jour un outil de transcription de réunion, ne vous contentez pas du WER (le pourcentage de mots faux). Dès qu'il y a plusieurs interlocuteurs, la bonne métrique est le cpWER (concatenated minimum-permutation word error rate, introduit par le défi CHiME-6 pour évaluer les systèmes multi-locuteurs) : elle pénalise non seulement les mots faux, mais aussi le fait d'attribuer les bons mots à la mauvaise voix. Un fournisseur qui ne communique que son WER brut sur des monologues ne vous dit rien de son comportement en réunion réelle.

Quelle solution pour quelle réunion

Pour la grande majorité des PME, la première ou la deuxième ligne suffit. La bonne question n'est pas « quel est le meilleur outil ? » mais « quel est le meilleur outil pour vos réunions à vous ? » — et parfois, la réponse tient en deux briques gratuites.

Confidentialité : une réunion interne est une mine de données sensibles

C'est le volet qu'on oublie dans l'enthousiasme. Une heure de réunion interne contient des salaires évoqués, des noms de clients, des tensions d'équipe, des projets non annoncés. Deux règles avant d'industrialiser :

Le droit, d'abord. Enregistrer une réunion suppose d'informer les participants avant de lancer l'enregistrement, et de définir ce que vous en faites : la CNIL rappelle que rien ne doit être collecté à l'insu des personnes, et encadre strictement l'écoute et l'enregistrement sur le lieu de travail. En pratique : annoncez l'enregistrement en début de réunion, produisez le compte rendu, puis supprimez l'audio. Ne conservez que le texte — c'est lui qui a de la valeur, pas la voix. C'est aussi la règle que j'applique avec Granola : le compte rendu reste, l'enregistrement est détruit.

Le trajet des données, ensuite. C'est l'argument décisif en faveur du pipeline local : avec faster-whisper et pyannote.audio, la voix de vos collaborateurs ne quitte jamais votre machine. Seul le transcript — que vous pouvez relire et expurger — part vers un LLM pour la rédaction ; et si même cela vous gêne, ce dernier étage peut tourner sur un modèle hébergé en France. J'ai chiffré toutes ces options, du poste de travail au datacenter, dans le guide IA souveraine et RGPD.

Ce pipeline s'installe chez vous

Tout ce qui précède n'est pas un projet de six mois : c'est deux briques open source, un LLM bien prompté, et quelques choix à faire une fois pour toutes — matériel, format du compte rendu, règles de conservation. C'est typiquement le périmètre d'un prototype d'agent IA à 1 000 € HT : en quelques jours, vous repartez avec un pipeline qui tourne sur vos machines, documenté et transférable. Et si vous voulez d'abord valider que c'est le bon chantier pour votre équipe, une journée de cadrage fait le tri.

Questions fréquentes

Quel outil pour transcrire une réunion en français ? Whisper, via son implémentation faster-whisper : open source, gratuit, excellent en français, et il tourne en local — l'audio ne quitte pas votre machine. Si vous préférez un service clé en main, Granola (version gratuite) se branche sur Zoom, Teams ou Meet et produit transcription et compte rendu sans que vous ayez rien à installer.

Comment séparer les locuteurs dans une réunion enregistrée ? C'est l'identification des locuteurs. Whisper transcrit mais ne sait pas, seul, dire qui parle : il faut lui ajouter pyannote.audio, une brique open source qui découpe l'audio par voix et fonctionne en local. Fiable jusqu'à quatre locuteurs environ ; au-delà (assemblées, ateliers), seul un modèle dédié à la transcription multi-locuteurs tient la route.

La transcription automatique de réunion est-elle conforme au RGPD ? Oui, à trois conditions : informer les participants avant d'enregistrer, définir la finalité (produire un compte rendu), et limiter la conservation de l'audio. Un pipeline local simplifie beaucoup la question : la voix de vos collaborateurs ne quitte jamais votre infrastructure.

Peut-on demander le compte rendu directement à un modèle généraliste comme Gemini ? Jusqu'à quatre voix, souvent oui. Au-delà, les mesures publiées par Trelis Research en mai 2026 montrent que le généraliste écrase plusieurs voix en une seule et casse ses horodatages sur l'audio long — silencieusement. Mieux vaut découper le problème : un outil dédié pour transcrire et attribuer, un LLM pour rédiger.

---

Les outils et mesures cités reflètent l'état de l'art relevé en juillet 2026 ; ce domaine évolue vite. Vous voulez que vos réunions cessent de s'évaporer — sans envoyer leur contenu n'importe où ? Parlons-en.