Pendant presque toute la dernière décennie, « dictée » a voulu dire une chose : un modèle écoutait votre voix et tapait ce qu’il entendait, mot pour mot. Mots parasites compris. La dictée par IA ajoute une deuxième étape. Une fois la transcription obtenue, un modèle de langage la lit et la nettoie - comme le ferait un relecteur soigneux, mais en une fraction de seconde.
Cette deuxième étape, c’est toute la différence. C’est aussi là que se cache la question de la vie privée, car dans la plupart des apps le nettoyage se fait sur le serveur de quelqu’un d’autre.
Reconnaissance vocale : le premier modèle
La reconnaissance vocale (aussi appelée STT) est la technologie de base. Vous parlez, un modèle transforme l’audio en une chaîne de mots. Les deux modèles ouverts qui font tourner l’essentiel de la dictée de bureau en 2026 sont le Whisper d’OpenAI et le Parakeet TDT de NVIDIA. Les deux peuvent tourner entièrement sur votre propre matériel.
Ce que vous obtenez de cette étape, c’est une transcription fidèle. Si vous avez dit « euh, genre je pense qu’on devrait, tu vois, le sortir vendredi », c’est à peu près ce qui sort. Précis, mais pas quelque chose que vous colleriez dans un e-mail sans le ranger d’abord.
Ce rangement était votre travail. Maintenant un second modèle le fait.
Dictée par IA : ajouter le modèle de langage
La dictée par IA passe la transcription brute dans un modèle de langage (la même classe de modèle derrière ChatGPT, Claude et Gemini). Le modèle de langage fait la passe d’édition :
- Retire les mots parasites. « Euh », « hum », « genre », « tu vois » - partis.
- Corrige ponctuation et grammaire. Le débit haché devient des phrases bien ponctuées.
- Ajuste le style. La parole familière peut devenir un message professionnel, une note formelle, ou du texte en style code avec les bonnes majuscules d’identifiant.
- Traduit. Parlez dans votre langue natale, obtenez le texte dans une autre.
Ainsi « euh, genre je pense qu’on devrait, tu vois, le sortir vendredi » devient « Je pense qu’on devrait le sortir vendredi. » Même sens, prêt à envoyer.
C’est pourquoi la catégorie s’appelle dictée par IA et non simple dictée : il y a deux modèles dans le pipeline, et le second est un modèle de langage. Le modèle vocal vous entend ; le modèle de langage vous édite.
Vous avez dit
genre euh j’ai poussé le fix sur githab et la la latence a baissé sur postgress
La dictée par IA vous donne
J’ai poussé le fix sur GitHub, et la latence a baissé sur Postgres.
Reconnaissance vocale vs dictée par IA, côte à côte
| Axe | Reconnaissance vocale simple | Dictée par IA |
|---|---|---|
| Ce qu’elle produit | Transcription brute de ce que vous avez dit | Texte nettoyé, prêt à envoyer |
| Modèles impliqués | Un (voix vers texte) | Deux (voix, puis modèle de langage) |
| Mots parasites | Laissés | Retirés |
| Ponctuation et grammaire | Au mieux par le modèle vocal | Corrigées |
| Style / ton | Littéral seulement | De familier à formel, ou style code |
| Traduction | Non | Parlez une langue, obtenez-en une autre |
| Où tourne le nettoyage | N/A | Dans le cloud pour la plupart des apps ; sur l’appareil dans SnailText |
La partie que la plupart des comparatifs sautent : où tourne le second modèle
Voici la question qui décide si la dictée par IA est privée : où se passe l’étape du modèle de langage ?
Dans la plupart des apps de dictée par IA, l’étape de reconnaissance vocale peut tourner sur votre appareil, mais l’étape de nettoyage appelle un modèle de langage dans le cloud - OpenAI, Anthropic ou Google. Cela signifie que votre transcription est envoyée à chaque dictée, même quand votre audio n’a jamais quitté la machine. « Reconnaissance vocale locale » et « dictée par IA locale » ne sont pas la même affirmation. La première peut être vraie pendant que la seconde est fausse.
Pour un message Slack sur le déjeuner, ça n’a peut-être pas d’importance. Pour un message de commit qui cite du code propriétaire, une note juridique sur un client, ou une observation clinique, ça en a beaucoup. La transcription est la partie sensible, et l’étape de nettoyage est justement là où elle est envoyée ailleurs.
Comment fonctionne la dictée par IA de SnailText
SnailText fait tourner les deux modèles sur votre appareil. Whisper (ou Parakeet TDT) gère la reconnaissance vocale en local, en RAM. Puis un modèle de langage local - un modèle Gemma compact tournant sur votre propre matériel - fait la passe de nettoyage. Sans clé d’API, sans appel cloud, rien n’est envoyé à aucune des deux étapes. Voici ce que ce second modèle fait vraiment pour vous.
Nettoyage et correction
Chaque dictée reçoit la passe d’édition de base : mots parasites retirés, ponctuation et majuscules réparées, erreurs de grammaire évidentes corrigées, et noms connus de marques et produits restaurés à leur casse correcte (ainsi « github » devient « GitHub » et « postgres » devient « Postgres »). C’est la différence entre une transcription que vous devez corriger et une phrase que vous pouvez envoyer.
Profils thématiques
Le nettoyage n’est pas taille unique - un développeur dictant du code veut un traitement différent d’un romancier dictant de la prose. SnailText propose cinq profils thématiques, et vous choisissez celui qui correspond à ce que vous dictez le plus :
- Général - sans biais thématique, pour des dictées qui couvrent de nombreux domaines.
- Développement et IT - restaure les identifiants
snake_case/camelCaseet les noms de bibliothèques (Python, React, Docker, Postgres et compagnie). Le défaut sur les installations neuves. - Écriture - articles, essais, prose. Préserve votre voix et le rythme des phrases, et saute entièrement la réécriture d’identifiants pour ne jamais transformer une phrase normale en code.
- Business - réunions, e-mails, gestion de projet. Connaît le vocabulaire KPI / OKR / ROI et écrit correctement les noms de marque.
- Universitaire - écriture scientifique, références à des formules, noms latins d’espèces, terminologie technique préservée.
Le profil est le plus grand levier sur le comportement du nettoyage, car il dit au modèle de langage quel type de texte vous produisez avant qu’il ne touche un mot.
Styles d’identifiant pour le code
Si vous dictez du code, vous pouvez fixer la convention vers laquelle le modèle restaure les symboles : snake_case, camelCase, kebab-case, PascalCase ou Auto (laissez le modèle deviner d’après le contexte). Dites « recording completed » avec le profil Développement actif et le bon style fixé, et ça sort recording_completed au lieu de deux mots isolés. C’est le genre de chose qui rend le codage à la voix vraiment utilisable au lieu d’une corvée de nettoyage constante.
Style, ton et traduction
Le même modèle peut changer de registre - transformant une phrase parlée familière en message professionnel - et traduire : parlez dans votre langue natale et obtenez le texte dans une autre, traité en local plutôt qu’envoyé à une API de traduction.
Vous gardez le contrôle
Le nettoyage est délibérément conservateur. Il est réglé pour préserver votre sens plutôt que le réécrire, et laisse le texte tranquille quand il est déjà propre. Si vous voulez la transcription brute sans édition, vous désactivez l’étape et obtenez de la reconnaissance vocale littérale simple. La dictée par IA est un mode que vous activez, pas un filtre auquel vous êtes coincé.
C’est aussi pourquoi on peut appeler SnailText de la dictée par IA avec honnêteté. Avant l’arrivée de l’étape locale du modèle de langage, c’était une app de reconnaissance vocale rapide et privée. Avec deux modèles dans le pipeline - les deux sur l’appareil - c’est de la dictée par IA qui n’envoie rien.
Le nettoyage local par modèle de langage est une fonctionnalité Pro, actuellement en bêta. Le forfait gratuit vous donne le moteur complet de reconnaissance vocale en local sans compte et sans limite de mots ; le Pro ($7.49/mois ou $89/an, jusqu’à 3 appareils) ajoute le modèle de nettoyage sur l’appareil, les profils thématiques et les styles d’identifiant décrits ci-dessus.
Quand vous voulez la reconnaissance vocale simple
La dictée par IA n’est pas toujours le bon mode. Si vous transcrivez une citation et avez besoin des mots exacts, ou dictez dans un système qui a ses propres règles de formatage, l’étape de nettoyage peut gêner. C’est à ça que sert l’interrupteur. L’idée n’est pas que l’un remplace l’autre - la dictée par IA vous donne un second mode, et une bonne app vous laisse choisir selon la tâche.
La version courte : la reconnaissance vocale écrit ce que vous avez dit. La dictée par IA vous remet ce que vous vouliez envoyer - dans le style dont votre travail a besoin. La seule chose à vérifier, c’est si cette deuxième étape garde vos mots sur votre machine.