Tout produit majeur de dictée – Dragon, Otter, la dictée de Google, la dictée d’Apple, tous les SaaS de transcription cloud – envoie votre voix à travers le serveur de quelqu’un d’autre. L’audio est capturé sur votre machine, diffusé via HTTPS vers un centre de données, transcrit là-bas, et le texte revient. Parfois, l’audio est stocké. Parfois, il est utilisé pour entraîner des modèles. Parfois, il est « anonymisé », ce qui est un mot qui a perdu la majeure partie de son sens.
Nous pensons que c’est le mauvais défaut.
Ce que les gens dictent réellement
Une fois que vous commencez à observer l'usage réel, le contenu de la dictée n'est presque jamais informel. Il s'agit de :
- Notes médicales — un médecin qui transcrit une consultation.
- Projets juridiques — un avocat dictant une requête ou une lettre à un client.
- Journalisme — entretiens avec des sources identifiées qui supposaient que l’enregistrement ne quitterait pas la machine du journaliste.
- Notes de thérapie — un psychologue rédigeant des résumés de séances.
- Stratégie d’entreprise — un dirigeant qui rédige des mémos sur les accords, les personnes et l’argent.
- Journaux personnels — les choses que les gens pensent vraiment, et que personne d'autre ne devrait jamais lire.
Tout cela est généralement téléchargé automatiquement sur des services cloud. Souvent en violation de la HIPAA, du RGPD, du secret professionnel entre avocat et client, ou même des principes élémentaires de décence — parce que l’utilisateur ne s’en rend pas compte ou n’a pas d’autre choix.
Ce que Voice Pro fait différemment
- Pas de cloud, point final. Il n’y a pas de bouton pour « envoyer au serveur pour une meilleure précision ». Le modèle s’exécute sur votre CPU ou GPU. C’est la seule option.
- Pas de télémétrie. L’application ne communique pas de statistiques d’utilisation, de rapports d’erreurs ni quoi que ce soit d’autre. Les seuls appels réseau sont (a) la vérification de la licence au démarrage, (b) la vérification des mises à jour, (c) les téléchargements manuels facultatifs de modèles. Ces trois éléments sont documentés et peuvent être désactivés.
- Aucun compte n’est nécessaire pour transcrire. Vous pouvez utiliser l’essai de 14 jours sans créer de compte. Un e-mail n’est nécessaire que si vous voulez acheter une licence.
- L’audio n’est jamais enregistré sur le disque. Le buffer audio reste en RAM pendant la transcription et est libéré dès que le texte est produit. Rien à fuiter, rien à récupérer par des moyens forensiques.
Les modèles locaux peuvent-ils vraiment rivaliser avec le cloud ?
Il y a deux ans, non. Un modèle local de 100 Mo sur le CPU d’un ordinateur portable ne pouvait pas rivaliser avec ce que le centre de données de Google faisait avec 200 Go de modèle et 40 GPU.
Aujourd’hui, oui. Qwen3-ASR 3B fonctionnant sur un CPU milieu de gamme atteint des taux d’erreur par mot à moins de 2 % des grands fournisseurs cloud sur la plupart des langues, et bat pour les langues à faibles ressources où les fournisseurs de cloud disposent de moins de données d'entraînement. Pour la dictée spécifiquement — des énoncés courts et intentionnels — l'écart est proche de 0 %. L'ASR locale est devenue discrètement suffisamment performante, et elle s'améliore continuellement. Nous sommes simplement ceux qui choisissons de la livrer.
Le principe
Votre voix est la donnée la plus personnelle que vous générez. Elle porte votre identité, vos pensées, les personnes dont vous parlez, les mots que vous avez choisis lorsque personne ne les a modifiés. Elle ne devrait pas quitter votre machine à moins que vous ne l’envoyiez expressément et en connaissance de cause quelque part.
Ce n’est pas une phrase de marketing. C’est la raison même pour laquelle le produit existe.