Transcription audio en texte : outils gratuits, vocaux WhatsApp, réunions et langues locales (guide 2026 pour PME et ONG)
G. CHRIST
Publié le 11 novembre 2026

Au Bénin comme dans une bonne partie de l’Afrique francophone, une grande partie du travail passe par la voix. Le client envoie un vocal WhatsApp de deux minutes pour passer commande. Le responsable de terrain d’une ONG enregistre ses entretiens au téléphone. La réunion du conseil d’administration se termine sans compte rendu, parce que personne n’avait le temps de prendre des notes. Résultat : des heures d’audio que personne ne réécoute, et des informations qui se perdent.
La bonne nouvelle, c’est que la transcription audio en texte est devenue gratuite ou presque, et beaucoup plus précise qu’il y a trois ans. La moins bonne, c’est que les articles qui arrivent en tête de Google sont presque tous des pages d’outils qui vantent leur propre service. Aucun ne parle des accents, des langues nationales, des vocaux de clients ou de ce que vous avez le droit de faire avec l’enregistrement d’une personne.
Chez Guelichweb, nous mettons en place des chatbots WhatsApp, des automatisations n8n et des outils d’IA pour des PME, des ONG et des institutions. Voici la méthode que nous recommandons, avec nos avis francs sur les outils. Tous les prix et toutes les limites cités ont été vérifiés sur les pages officielles le 11 novembre 2026.
En bref : pour un vocal WhatsApp court, commencez par la transcription intégrée de WhatsApp. Pour une réunion ou un entretien jusqu’à 30 minutes, un outil en ligne gratuit suffit, à condition que le contenu ne soit pas sensible. Pour des enregistrements confidentiels ou en grand volume, utilisez un modèle qui tourne sur votre propre machine (Whisper) ou une API payée à la minute, puis automatisez avec n8n. Et quelle que soit l’option, relisez toujours le texte avant de vous en servir.
Transcription audio en texte : de quoi parle-t-on exactement ?
Transcrire, c’est convertir la parole d’un enregistrement en texte écrit. Les outils actuels utilisent la reconnaissance vocale automatique (on parle aussi de « speech to text » ou d’ASR). Un modèle d’IA écoute le fichier et propose le texte le plus probable, avec la ponctuation.
Dans la pratique, nous distinguons trois niveaux, et la confusion entre les trois est la première source de déception :
- La transcription brute : tout ce qui a été dit, mot à mot, y compris les hésitations. C’est ce que produit l’outil. Utile pour un entretien de recherche ou une preuve.
- La transcription nettoyée : le même contenu, débarrassé des « euh », des répétitions et des faux départs, avec les noms des intervenants. C’est ce que la plupart des équipes veulent vraiment.
- Le compte rendu : un résumé structuré (décisions, actions, responsables, dates). Ce n’est plus une transcription, c’est une synthèse, souvent produite par un second outil d’IA à partir du texte.
Notre conseil : décidez avant d’enregistrer lequel des trois vous voulez. Un compte rendu de réunion n’a pas besoin d’une transcription parfaite. Un entretien qui servira dans un rapport à un bailleur, si.
Les trois familles d’outils (et ce que chacune fait bien)
Il existe des centaines de sites de transcription. Au lieu de les comparer un par un, il vaut mieux comprendre où va votre fichier, parce que c’est ce qui détermine le coût, la qualité et la confidentialité.
1. Les fonctions intégrées à vos applications
WhatsApp, Word, Google Docs et la plupart des téléphones savent déjà transformer la voix en texte. C’est gratuit ou inclus dans un abonnement que vous payez déjà. La limite : elles sont pensées pour des usages courts, avec peu d’export et peu de réglages.
2. Les sites de transcription en ligne
Vous déposez un fichier, vous récupérez un texte. Beaucoup reposent sur Whisper, le modèle ouvert d’OpenAI. Certains traitent le fichier sur leurs serveurs, d’autres directement dans votre navigateur, sans envoi. Les offres gratuites limitent en général la durée des fichiers ou le nombre de fichiers par jour.
3. Les modèles ouverts et les API
Whisper (OpenAI) et Omnilingual ASR (Meta) sont publiés en open source : vous pouvez les faire tourner sur votre propre ordinateur ou votre serveur, sans envoyer l’audio à qui que ce soit. Les API de transcription, elles, sont payées à la minute et servent surtout à automatiser : chaque nouveau fichier est transcrit sans intervention humaine.
Transcrire un vocal WhatsApp en texte
C’est souvent la première question qu’on se pose, et la réponse dépend de votre téléphone.

Source : blog.whatsapp.com, article « Présentation des transcriptions de messages vocaux », capture du 11/11/2026.
WhatsApp propose une fonction de transcription des messages vocaux. D’après WhatsApp, le texte est généré sur l’appareil : ni WhatsApp ni personne d’autre ne lit le contenu. Pour l’activer : Paramètres > Discussions > Transcrire les messages vocaux, puis choisissez la langue. Ensuite, appui long sur un vocal reçu, puis « Transcrire ».
Deux limites à connaître. D’abord, la fonction n’est pas encore disponible partout : l’aide officielle précise qu’elle dépend de l’appareil. Sur iPhone, le français fonctionne. Sur Android, la liste des langues est plus courte et, selon plusieurs sites spécialisés qui suivent les versions bêta, le français n’était pas encore proposé à tous les utilisateurs fin 2026. Vérifiez simplement dans vos paramètres. Ensuite, la transcription se fait dans une seule langue choisie à l’avance : un vocal qui mélange français et fon, ou français et anglais, donnera un texte approximatif.
Si la fonction n’est pas disponible chez vous, la solution de repli est simple : appui long sur le vocal, Partager, puis enregistrez le fichier (souvent au format .opus) et déposez-le dans un outil de transcription. Sur WhatsApp Web, un clic droit sur le vocal permet de le télécharger.
Notre avis : pour lire rapidement les vocaux d’un ami ou d’un collègue, la fonction intégrée suffit largement. Pour les vocaux de clients que vous recevez par dizaines sur WhatsApp Business, ce n’est pas la bonne échelle. Il faut alors passer à l’automatisation, que nous décrivons plus bas.
Transcrire une réunion, un entretien ou une formation
Word (Microsoft 365) : le plus simple si vous avez déjà la licence
La fonction Transcrire de Word convertit un enregistrement en texte en séparant les intervenants, avec des horodatages pour réécouter un passage. Microsoft indique une limite de 300 minutes de fichiers importés par mois avec un abonnement Microsoft 365. La fonction est disponible dans Word pour le web et dans Word pour Microsoft 365 sous Windows pour les comptes professionnels. Si votre structure utilise déjà Microsoft 365, c’est souvent la meilleure porte d’entrée.
Google Docs : dictée en direct, pas transcription de fichier
La saisie vocale de Google Docs (Outils > Saisie vocale) écrit en temps réel ce que vous dites dans le micro. Elle fonctionne en français, dans Chrome, Edge et Safari. Mais elle ne transcrit pas un fichier audio enregistré. Certains tutoriels proposent de « faire jouer » l’audio devant le micro : ça marche mal, et nous le déconseillons pour tout ce qui compte.
Les sites gratuits : pratiques, mais lisez les limites
Prenons TurboScribe, l’un des plus cités dans les suggestions de recherche. Sa page tarifs, consultée depuis le Bénin, affiche une offre gratuite limitée à 3 fichiers par jour, de 30 minutes maximum chacun, avec une priorité de traitement plus basse. L’offre illimitée est affichée à 10 $ par mois en facturation annuelle, soit 120 $ par an (la page indique environ 70 478 FCFA par an).

Source : turboscribe.ai/fr/pricing, capture du 11/11/2026 depuis le Bénin, vue « Annuel ». Nous citons cet outil comme exemple, sans lien commercial avec lui.
D’autres sites font tourner Whisper directement dans votre navigateur : l’audio ne quitte pas l’ordinateur. C’est une excellente option pour la confidentialité, mais le modèle utilisé est souvent petit, donc moins précis sur un enregistrement bruité ou un accent marqué, et lent sur un téléphone.
Whisper sur votre ordinateur : gratuit, privé, un peu technique
Whisper est publié sous licence MIT : le code et les poids du modèle sont libres, y compris pour un usage commercial. Il existe en plusieurs tailles, du modèle « tiny » (environ 1 Go de mémoire vidéo selon la documentation) au modèle « turbo » (environ 6 Go). Selon la machine et la taille du modèle, une heure d’audio prend de quelques minutes (avec une bonne carte graphique) à plus d’une heure (sur un simple processeur), sans connexion internet une fois le modèle téléchargé. Il faut savoir lancer une commande ou passer par une application qui l’embarque.

Source : github.com/openai/whisper, capture du 11/11/2026.
Notre grille de choix en une minute
- Vocal WhatsApp reçu, usage personnel : fonction intégrée de WhatsApp, ou partage du fichier vers un outil si elle n’est pas disponible.
- Réunion interne, contenu banal, moins de 30 minutes : site gratuit ou Word si vous avez Microsoft 365.
- Entretien avec un bénéficiaire, un patient, un employé, un client : traitement local (Whisper sur votre machine, ou outil qui fonctionne dans le navigateur sans envoi). Jamais un site gratuit dont vous ne connaissez pas la politique de conservation.
- Dizaines de fichiers par semaine : API payée à la minute, branchée à n8n ou Make, avec relecture humaine.
- Enregistrements en fon, yoruba, dendi, wolof ou bambara : test obligatoire sur trois minutes réelles avant toute décision (voir la section suivante).
Accents, bruit et langues nationales : la vraie question en Afrique de l’Ouest
C’est le sujet que les pages d’outils évitent. Un modèle entraîné surtout sur du français de France ou du Canada se débrouille bien avec un français d’Afrique de l’Ouest bien articulé. Il commet en revanche des erreurs prévisibles sur les noms de personnes, de quartiers, de villages, sur les sigles d’institutions et sur les montants.
Pour les langues nationales, la situation a changé récemment. La liste officielle des langues de Whisper comprend le yoruba, le haoussa, le lingala, le swahili, le shona ou le somali. Elle ne comprend ni le fon, ni le wolof, ni le bambara, ni l’éwé. En novembre 2025, Meta a publié Omnilingual ASR, sous licence Apache 2.0, qui annonce plus de 1 600 langues. Nous avons vérifié la liste du code source : le fon, le wolof, le bambara, l’éwé, le mooré et le dioula y figurent.
Attention à ne pas confondre « la langue figure dans la liste » et « la transcription est utilisable ». Meta publie elle-même des taux d’erreur très variables d’une langue à l’autre. Pour une langue peu dotée en données, attendez-vous à un texte à corriger en profondeur, surtout si l’orthographe n’est pas standardisée chez vos interlocuteurs. Notre position est claire : pour un projet sérieux en langue nationale, faites un test sur des extraits réels, mesurez le temps de correction, et gardez un relecteur qui parle la langue. Un modèle n’est pas un traducteur assermenté.
Le mélange de langues dans une même phrase, très courant à Cotonou, Abidjan ou Dakar, reste le point faible de ces outils, y compris des meilleurs. Si vos enregistrements mélangent systématiquement deux langues, prévoyez davantage de temps de relecture.
Confidentialité et droit : ce que la plupart des guides oublient
Une voix est une donnée personnelle. Un enregistrement contient souvent bien plus : un nom, un numéro de téléphone, un état de santé, une situation familiale, un montant de dette. Au Bénin, le Code du numérique encadre la collecte et le traitement des données personnelles, sous le contrôle de l’APDP. Des règles comparables existent au Sénégal, en Côte d’Ivoire, au Cameroun et, en Europe, avec le RGPD.
Concrètement, pour une PME ou une ONG, cela se traduit par cinq règles simples :
- Prévenir et obtenir l’accord de la personne avant d’enregistrer un entretien ou une réunion, en expliquant à quoi servira l’enregistrement.
- Savoir où part le fichier. Un site de transcription en ligne peut stocker l’audio sur des serveurs hors d’Afrique. C’est un transfert de données, et le Code du numérique encadre les transferts hors du Bénin. Lisez la politique de confidentialité de l’outil avant de l’utiliser pour un usage professionnel.
- Traiter en local dès que le contenu est sensible : santé, mineurs, victimes, bénéficiaires d’aide, ressources humaines, litiges.
- Anonymiser la transcription avant de la partager (remplacer les noms par des codes), surtout dans un rapport destiné à un bailleur.
- Fixer une durée de conservation et supprimer l’audio une fois la transcription validée, si rien ne justifie de le garder.
Si votre équipe utilise déjà ChatGPT ou d’autres outils d’IA, intégrez ces règles à votre charte d’utilisation de l’IA. Et si votre site collecte des vocaux ou des enregistrements, votre politique de confidentialité doit le mentionner.
La méthode en 6 étapes pour une transcription fiable
- Bien enregistrer. Téléphone posé à moins d’un mètre de la personne qui parle, loin du ventilateur et du climatiseur, notifications coupées. Un micro-cravate bon marché fait souvent plus de différence que l’outil de transcription.
- Nommer le fichier de façon utile : date, lieu, type, code de la personne (par exemple 2026-11-11_Abomey_entretien_B07). Vous vous remercierez dans trois mois.
- Choisir l’outil selon la sensibilité, pas selon l’habitude (voir la grille plus haut).
- Relire avec l’audio, en vérifiant en priorité les noms propres, les chiffres, les dates et les négations. Un « ne… pas » oublié change le sens d’une phrase.
- Nettoyer et structurer : intervenants, paragraphes, horodatages aux moments clés. Si vous voulez un compte rendu, c’est à cette étape que vous pouvez demander une synthèse à un assistant d’IA, à partir du texte relu.
- Archiver ou supprimer selon la règle de conservation fixée, et ranger la transcription validée là où l’équipe la retrouvera (dossier partagé, CRM, base documentaire).
Un repère utile : sur un enregistrement propre, comptez en général entre un quart et la moitié de la durée de l’audio pour la relecture. Sur un enregistrement bruité ou multilingue, cela peut dépasser la durée de l’audio. Si la relecture prend plus de temps que la transcription manuelle, changez d’outil ou améliorez la prise de son.
Combien coûte vraiment une transcription ?
Pour un usage occasionnel, rien. Entre la fonction de WhatsApp, l’offre gratuite d’un site et Whisper en local, une petite structure peut transcrire plusieurs heures par mois sans payer.
Pour un usage régulier ou automatisé, les API sont étonnamment bon marché. Sur la page tarifs d’OpenAI consultée le 11/11/2026, la transcription est facturée 0,006 $ la minute avec Whisper ou gpt-4o-transcribe, et 0,003 $ la minute avec gpt-4o-mini-transcribe. Au taux du jour (environ 586 FCFA pour 1 dollar), une heure d’audio revient donc à environ 0,36 $, soit un peu plus de 210 FCFA, ou environ 105 FCFA avec le modèle « mini ». Il faut une carte bancaire acceptée en dollars pour payer, ce qui reste un frein pour certaines structures.
Le vrai coût n’est pas là. Il est dans le temps de relecture, dans la mise en place de l’automatisation et dans le temps passé à corriger un mauvais enregistrement. C’est pour cela que nous refusons de promettre « zéro intervention humaine ».
Automatiser : des vocaux WhatsApp à votre CRM
C’est là que la transcription devient intéressante pour une entreprise. Deux scénarios typiques :
Scénario 1 : les vocaux clients sur WhatsApp Business
Avec l’API WhatsApp Business (et non l’application gratuite), chaque vocal reçu déclenche une notification technique. Un workflow n8n récupère le fichier audio, le transcrit (le nœud OpenAI de n8n propose une opération « Transcribe a recording »), puis :
- enregistre le texte dans la fiche du client, dans votre CRM ou un Google Sheets ;
- classe la demande (commande, réclamation, question de prix) ;
- prévient la bonne personne de l’équipe, avec le texte et le lien vers l’audio ;
- et, si vous avez un chatbot WhatsApp, lui permet de comprendre une demande envoyée en vocal.
La règle que nous appliquons toujours : le texte transcrit sert à trier et à préparer, pas à répondre automatiquement à une réclamation ou à valider une commande sans regard humain.
Scénario 2 : les réunions et entretiens de terrain
L’équipe dépose l’enregistrement dans un dossier partagé. n8n détecte le nouveau fichier, lance la transcription, produit un premier résumé (décisions, actions, échéances) et envoie le tout par e-mail au responsable, qui relit et valide. Pour une ONG qui mène des dizaines d’entretiens par mission, le gain de temps est réel. Pour les entretiens sensibles, on remplace l’API par un Whisper installé sur un serveur de la structure.
Ce genre de flux fait partie de ce que nous construisons dans nos projets d’automatisation et de chatbot WhatsApp avec n8n. Le prix dépend du volume, des outils déjà en place et du niveau de confidentialité : nous établissons un devis après diagnostic, comme indiqué sur notre page offres.
Les 7 erreurs que nous voyons le plus souvent
- Déposer des entretiens confidentiels sur le premier site gratuit trouvé sur Google.
- Publier ou transmettre une transcription sans l’avoir relue avec l’audio.
- Choisir la mauvaise langue dans l’outil (un vocal en français transcrit « en anglais » donne un texte inutilisable).
- Enregistrer une réunion avec le téléphone au bout de la table, à côté du ventilateur.
- Confondre transcription et compte rendu, puis s’étonner que le texte soit trop long pour être utile.
- Laisser une IA résumer un entretien sans vérifier qu’elle n’a rien ajouté. Les résumés automatiques peuvent inventer des détails.
- Garder indéfiniment tous les audios « au cas où », sans règle de conservation ni contrôle d’accès.
Questions fréquentes
Quel est le meilleur outil gratuit de transcription audio en texte ?
Il n’y en a pas un seul. Pour un vocal WhatsApp, la fonction intégrée. Pour un fichier non sensible de moins de 30 minutes, un site gratuit comme TurboScribe. Pour un contenu confidentiel, Whisper sur votre ordinateur ou un outil qui fonctionne dans le navigateur sans envoyer le fichier.
Peut-on transcrire un audio WhatsApp en texte sur Android ?
Oui, si la fonction de transcription est disponible sur votre appareil et dans votre langue (Paramètres > Discussions). Sinon, partagez le vocal, enregistrez le fichier et déposez-le dans un outil de transcription.
La transcription fonctionne-t-elle en fon, en yoruba ou en wolof ?
Whisper prend en charge le yoruba et le haoussa, mais pas le fon ni le wolof. Omnilingual ASR de Meta, publié en open source, inclut le fon, le wolof, le bambara et l’éwé. La qualité varie fortement : testez sur vos propres enregistrements et prévoyez une relecture par un locuteur.
Est-ce légal de transcrire l’enregistrement d’une personne ?
Pour un usage professionnel, informez la personne et obtenez son accord avant d’enregistrer, limitez l’usage au but annoncé et protégez les fichiers. Au Bénin, ces règles relèvent du Code du numérique et de l’APDP. En cas de doute sur un cas précis, demandez un avis juridique.
Combien de temps faut-il pour transcrire une heure d’audio ?
Quelques minutes pour l’outil, en ligne comme en local avec une bonne machine. Ajoutez le temps de relecture : en général 15 à 30 minutes pour une heure d’audio propre, beaucoup plus si l’enregistrement est bruité ou mélange les langues.
Peut-on obtenir directement un compte rendu de réunion avec l’IA ?
Oui, en deux temps : transcription, puis synthèse par un assistant comme ChatGPT. Relisez la synthèse avec la transcription sous les yeux, et vérifiez la politique de confidentialité de l’outil avant d’y coller le contenu d’une réunion interne.
Notre conclusion
La transcription audio en texte n’est plus un problème technique : les outils gratuits sont bons, les API coûtent quelques centimes par heure, et les langues nationales commencent enfin à être prises en compte. Le vrai sujet est devenu organisationnel : savoir où partent vos enregistrements, qui relit, et comment le texte arrive au bon endroit, dans votre CRM, votre rapport ou la bonne boîte de réception.
Vous recevez beaucoup de vocaux WhatsApp, vous menez des entretiens de terrain ou vous voulez des comptes rendus de réunion sans y passer vos soirées ? Nous pouvons regarder votre situation et vous dire honnêtement si un outil gratuit suffit ou si une automatisation vaut l’investissement. Contactez Guelichweb pour un premier échange.