Dictée vocale : le guide complet des outils disponibles en 2026

Parler est trois à cinq fois plus rapide que taper. Un locuteur français moyen dicte entre 150 et 180 mots par minute, quand la frappe au clavier en produit 40 à 60. Longtemps, cet avantage est resté théorique : la reconnaissance vocale était trop imprécise pour un usage sérieux, et ceux qui avaient essayé un logiciel de dictée il y a dix ans n’y sont jamais revenus.

En 2026, la question n’est plus de savoir si la dictée vocale fonctionne, mais quel outil choisir. Entre les fonctions natives des systèmes d’exploitation, les applications de dictée spécialisées, les outils de transcription de réunion et les modes vocaux des assistants IA, quatre catégories coexistent, et elles ne servent pas les mêmes besoins. Ce guide les démêle, chiffres à l’appui.

La dictée vocale sort de la niche

Le marché vient d’envoyer deux signaux difficiles à ignorer. D’abord l’argent : Wispr Flow, l’application de dictée la plus en vue du moment, a bouclé début 2026 une levée d’environ 260 millions de dollars sur une valorisation de 2 milliards, après une première levée remarquée fin 2025. Pour une application qui « se contente » de transformer la voix en texte, c’est le signe d’un pari des investisseurs : la voix est en train de devenir une interface de saisie par défaut, pas un accessoire.

Ensuite les usages. Le marché mondial du speech-to-text pèse 3,3 milliards de dollars en 2025 et devrait en atteindre 16,4 d’ici 2035. Côté grand public, 77 % des 18-34 ans utilisent déjà la voix sur leur smartphone, contre 63 % des 35-54 ans : la bascule est générationnelle, et elle est engagée.

La dictée vocale change d'échelle

↑ ×5

16,4 Md$

marché speech-to-text attendu en 2035 (3,3 Md$ en 2025)

77 %

des 18-34 ans utilisent la voix sur smartphone

2 Md$

valorisation de Wispr Flow début 2026

60 %

des utilisateurs Wispr Flow dictent dans une autre langue que l’anglais

Un angle mort subsiste : personne ne mesure l’usage des outils natifs. Ni Microsoft ni Apple ne publient de statistiques sur leur dictée intégrée, alors qu’elle équipe des centaines de millions de machines. La démocratisation silencieuse passe probablement par là.

Dictée ou conversation : deux usages à ne pas confondre

Avant de comparer des outils, une distinction s’impose : la dictée n’est pas la même chose que le mode vocal d’un assistant IA.

Quand vous activez la voix sur ChatGPT ou Claude, vous entrez dans une conversation. Vous posez une question, l’IA répond verbalement. C’est utile, mais ça ne remplace pas un outil de dictée, qui insère du texte directement dans le document, l’email ou le champ que vous êtes en train de remplir.

Les deux catégories coexistent. Ce guide couvre les deux, en les distinguant clairement.

Les outils natifs : gratuits, et déjà dans votre machine

Windows 11 : la dictée intégrée (Win + H)

Microsoft a intégré un outil de dictée convaincant dans Windows 11. Le raccourci Windows + H ouvre une fenêtre flottante qui transcrit votre voix dans n’importe quelle application capable de recevoir du texte : Word, Outlook, le navigateur, le Bloc-notes. La documentation officielle Microsoft détaille les commandes disponibles.

Point important que beaucoup ignorent : la saisie vocale s’appuie sur la reconnaissance en ligne de Microsoft, une connexion Internet est donc nécessaire. 43 langues sont supportées, avec une option de ponctuation automatique. Pour dicter hors ligne, il faut passer par Voice Access, la couche d’accessibilité qui fonctionne entièrement en local et permet en plus de contrôler tout le PC à la voix, navigation et clics compris.

La précision se situe entre 85 et 95 % selon les tests, pour un français clair dans un environnement calme. Et Microsoft accélère : la fluid dictation, déployée fin 2025 sur les PC Copilot+, corrige la grammaire, la ponctuation et les mots de remplissage pendant que vous parlez, avec des petits modèles de langage qui tournent en local sur la machine. C’est le signe que Microsoft traite la dictée comme un usage d’avenir, pas comme une fonction d’accessibilité résiduelle.

Pour qui : les utilisateurs Windows qui veulent une solution gratuite, sans installation ni abonnement, pour des besoins de dictée ponctuels.

Limites : connexion Internet obligatoire (hors Voice Access), précision qui chute avec les accents régionaux prononcés ou le bruit ambiant, pas de correction intelligente du style hors PC Copilot+.

macOS : Dictation (touche micro)

Sur Mac, la dictée s’active par la touche micro de la rangée de fonctions sur les claviers récents, par un raccourci clavier à définir dans les réglages, ou via le menu Édition > Démarrer la dictée. Elle fonctionne dans n’importe quelle application ; le guide Apple couvre la configuration complète.

Aucune limite de durée : on peut dicter un texte de n’importe quelle longueur, la dictée s’interrompant seulement après une trentaine de secondes de silence. Sur les Mac Apple Silicon, le traitement se fait sur l’appareil pour les langues supportées, dont le français ; sur les Mac plus anciens, la voix transite par les serveurs d’Apple.

La précision est comparable à Windows (93 à 96 % selon les benchmarks), avec ce traitement local qui en fait une option sérieuse pour les profils sensibles à la confidentialité. Apple pousse plus loin avec SpeechAnalyzer, son API de transcription embarquée dans iOS 26 et macOS : audio longue durée (réunions, cours), intégration dans Notes, Voice Memos et Journal, et résumés automatiques via Apple Intelligence.

Pour qui : les utilisateurs Mac qui veulent une solution gratuite, fiable, et qui valorisent la confidentialité.

Limites : moins de contrôle vocal que Windows Voice Access pour la navigation système, et les comparatifs classent régulièrement la dictée Apple derrière les outils spécialisés sur les textes longs.

Dernier réflexe avant d’installer quoi que ce soit : le natif existe aussi sur mobile et dans vos applications de travail. L’iPhone et Android (via le clavier Gboard) dictent correctement depuis des années, Word intègre une fonction Dictée avec Microsoft 365, et Google Docs propose la saisie vocale gratuitement dans le navigateur.

Les outils de dictée IA spécialisés : là où la productivité se joue

C’est la catégorie qui a le plus bougé depuis un an.

Wispr Flow : la dictée intelligente

Wispr Flow est l’outil de dictée IA le plus abouti du marché, et désormais l’un des mieux financés : 290 millions de dollars levés au total, une valorisation de 2 milliards, 2,5 millions de téléchargements entre fin 2025 et début 2026, une présence revendiquée dans 270 entreprises du Fortune 500, et une application Android lancée en février 2026 qui complète Mac, Windows et iPhone. Détail parlant : 60 % de ses utilisateurs dictent dans une autre langue que l’anglais, et le français fait partie des gros segments.

Ce qui le distingue :

• Mise en forme par IA : le texte qui sort ressemble à de la prose rédigée, pas à de la parole brute. Hésitations, répétitions et phrases bancales disparaissent.
• Dictée chuchotée : fonctionne en open space ou au café, sans gêner les voisins.
• Commandes contextuelles : sélectionnez du texte et dites « rends ça plus formel », l’IA réécrit à la volée.
• Vitesse : les utilisateurs réguliers se situent entre 150 et 220 mots par minute, 220 étant le plafond revendiqué par l’éditeur.
• Plus de 100 langues, avec bascule automatique.

Tarifs : version gratuite (2 000 mots par semaine sur ordinateur, 1 000 sur iPhone), Pro illimité à 15 $/mois (12 $/mois en facturation annuelle), essai Pro de 14 jours sans carte, offre Enterprise sur devis.

Points de vigilance : Wispr Flow traite l’audio sur ses serveurs et exige une connexion Internet, sans mode hors ligne. Des critiques existent sur l’étendue des accès système demandés. À peser si la confidentialité est une priorité.

Pour qui : rédacteurs, entrepreneurs, managers qui dictent beaucoup et veulent un texte propre directement, sans relecture laborieuse.

SuperWhisper : la dictée locale et privée

SuperWhisper est l’alternative pour ceux qui ne veulent pas envoyer leur voix dans le cloud. Basé sur Whisper d’OpenAI, il est désormais disponible sur Mac, Windows et iOS, et tourne entièrement en local sur votre machine (les modèles hors ligne donnent leur plein potentiel sur les Mac Apple Silicon).

• Précision : 96 à 98 % selon les configurations.
• Hors ligne complet : aucune donnée ne quitte l’appareil.
• Modèles au choix : différents modèles Whisper selon le compromis vitesse/qualité voulu.
• Tarif : version gratuite disponible, Pro autour de 8,50 $/mois (85 $/an), licence à vie proposée.

Pour qui : développeurs, journalistes, professionnels de la santé ou du droit, tous ceux qui traitent des données sensibles et ne peuvent pas laisser leur voix transiter par un serveur tiers.

Google Eloquent : la dictée mobile qui reste locale

Google a lancé Eloquent en avril 2026, une application mobile de dictée gratuite dont l’argument central est le traitement entièrement sur l’appareil : l’audio ne part vers aucun serveur. Nous avions analysé ce que ce positionnement hors ligne change pour les usages professionnels : pour dicter notes et comptes-rendus sur téléphone sans arbitrer entre confidentialité et confort, c’est l’option la plus simple du moment, avec les limites d’un produit encore jeune.

Dragon Professional : le vétéran des métiers réglementés

Dragon Professional (Nuance, racheté par Microsoft) reste la référence des environnements professionnels exigeants. Sa précision atteint 99 % après une phase d’entraînement personnalisé au vocabulaire et aux habitudes de l’utilisateur. Des versions spécialisées existent : Dragon Legal, Dragon Medical One, Dragon Law Enforcement, chacune pré-entraînée sur le vocabulaire de son domaine.

• Hors ligne complet, Windows uniquement (la version Mac a été abandonnée en 2018).
• Prix : 699,99 $ en licence perpétuelle (799 $ pour Dragon Legal), version cloud Dragon Professional Anywhere à 15 $/mois.
• Entraînement : s’améliore avec l’usage.

Pour qui : avocats, médecins, cadres qui dictent des documents longs et spécialisés, et pour qui la précision est non négociable. Sur les usages juridiques, voir aussi les avantages de l’IA dans le domaine juridique.

Limite principale : le prix d’entrée élevé et une interface qui n’a pas radicalement évolué depuis dix ans.

OpenAI Whisper : la brique open source

Whisper est le modèle de reconnaissance vocale publié en open source par OpenAI. Ce n’est pas un produit fini pour l’utilisateur final, mais la brique technologique sur laquelle s’appuient SuperWhisper, OpenWhispr et d’autres.

• 99 langues supportées, avec une qualité très variable au-delà des grandes langues européennes.
• Précision : 95 à 97 % sur audio propre.
• GPT-4o Transcribe : la version intégrée à l’API OpenAI descend à 4,1 % de taux d’erreur, contre 5,3 % pour Whisper v3.
• Prix API : 0,006 $/minute (0,003 $ pour la variante mini).
• Local : déployable gratuitement sur sa propre machine.

Pour qui : développeurs qui veulent intégrer la transcription dans leurs outils, ou utilisateurs techniques qui construisent leur propre pipeline. Pour le grand public, OpenWhispr (open source, Mac/Windows/Linux) permet d’utiliser Whisper en local ou avec sa propre clé API. Côté API, OpenAI n’est pas seul : Deepgram, AssemblyAI ou le français Gladia servent les mêmes usages d’intégration, avec des arbitrages différents entre prix, latence et langues.

Cette nuance mérite d’être posée noir sur blanc : les benchmarks indépendants mesurent 2,7 % d’erreur sur de l’audio propre en anglais, mais 8 à 12 % en conditions réelles. Le français, bien loti, reste légèrement derrière l’anglais. C’est l’écart entre la démo et le quotidien, et c’est lui qui explique la plupart des déceptions.

Et dans cet écart, la variable la plus sous-estimée n’est pas le logiciel : c’est le micro. Sur smartphone, la question est réglée, les appareils récents embarquent des micros avec réduction de bruit qui servent très bien la dictée. Au bureau, c’est une autre histoire : le micro intégré d’un ordinateur portable, posé à cinquante centimètres dans une pièce qui résonne, dégrade n’importe quel modèle de reconnaissance. Avant de changer d’outil ou de monter en gamme d’abonnement, essayez un casque avec micro-tige ou un micro USB correct : c’est souvent l’investissement qui fait le plus progresser la précision, loin devant le choix du logiciel.

Transcrire les réunions : l’autre famille d’outils

Changement de famille : ces outils ne servent pas à dicter du texte, mais à transcrire automatiquement les réunions, identifier les locuteurs et générer des résumés. Le segment pèse 1,2 milliard de dollars en 2025 et le télétravail hybride a normalisé le « notetaker » qui rejoint la visio. Nous avons consacré un panorama aux appareils et outils qui écrivent vos réunions ; voici les acteurs à connaître.

Avant d’ajouter un abonnement, regardez ce que votre suite fait déjà : les trois grands éditeurs ont intégré la prise de notes à leurs outils de visio. Pour beaucoup d’équipes, ces fonctions suffisent ; les outils dédiés plus bas se justifient quand il faut de la recherche transverse, des intégrations CRM ou du multi-plateforme.

Gemini dans Google Meet

Gemini prend des notes dans Google Meet, en France depuis début 2026 : la fonction « Prendre des notes pour moi » produit un compte-rendu structuré rattaché à l’événement d’agenda, et un assistant en direct répond aux questions pendant la réunion. Inclus dans les offres Workspace Business et Enterprise.

Zoom AI Companion

Zoom AI Companion est compris sans surcoût dans les plans payants de Zoom : résumés de réunion, notes, réponses aux questions en cours de call. Pour une équipe déjà cliente, c’est le premier réflexe avant tout abonnement supplémentaire.

Copilot dans Microsoft Teams

Chez Microsoft, le résumé intelligent des réunions Teams passe par Copilot, vendu en supplément par utilisateur ; nous avions détaillé cet arbitrage de licences que Microsoft impose aux entreprises. Puissant si l’entreprise a déjà franchi le pas Copilot, difficile à justifier pour la seule prise de notes.

Otter.ai

Otter.ai est le pionnier du segment. Précision de 92 à 96 %, transcription en temps réel avec identification des locuteurs, résumés automatiques, intégration native à Zoom et Teams. Gratuit en version limitée, 8,33 $/mois en Pro en facturation annuelle (16,99 $ en mensuel).

Fireflies.ai

Fireflies.ai est fort sur les intégrations : Salesforce, Asana, HubSpot. La marque revendique une présence dans 75 % du Fortune 500. Idéal pour les équipes commerciales qui veulent que les notes de réunion remontent automatiquement dans le CRM. Transcription en direct pendant la réunion, compte-rendu complet livré 5 à 10 minutes après la fin.

Grain

Grain offre des transcriptions précises avec des outils de recherche puissants, et permet d’extraire des clips vidéo directement depuis la transcription. Utile pour les équipes produit qui documentent des interviews utilisateurs.

Fathom

Fathom est simple, rapide, centré sur Zoom, avec une version gratuite généreuse. Adapté aux petites équipes qui veulent une solution sans friction.

Granola

Granola s’est imposé chez les utilisateurs intensifs avec un parti pris différent : pas de bot qui rejoint la visio, l’application capte l’audio de la machine et enrichit les notes que vous prenez vous-même. Multi-plateforme (Zoom, Meet, Teams), gratuit jusqu’à 25 réunions, puis 14 $/mois.

Les modes vocaux des LLM : converser, pas dicter

Reste le cas des grands modèles de langage, qui ont tous développé un mode vocal. On l’a posé en ouverture : ce n’est pas de la dictée, c’est de la conversation.

ChatGPT (OpenAI)

ChatGPT dispose du mode vocal le plus mature du marché. Disponible sur mobile et sur le web, il permet une conversation fluide avec l’IA, qui détecte même les variations émotionnelles dans la voix. Nous avions détaillé l’expérience du chat vocal de ChatGPT : c’est un excellent outil de conversation, pas un outil pour insérer du texte dans votre traitement de texte.

Claude (Anthropic)

Claude a lancé son mode vocal sur iOS et Android fin mai 2025, ouvert à tous quelques jours plus tard et en cours d’extension au web et au bureau. Cinq voix sont disponibles, les transcriptions sont sauvegardées automatiquement, et depuis juin 2026 le mode gère 18 langues avec un push-to-talk. Claude vocal est conçu pour converser avec l’IA, pas pour dicter un article. Pour mesurer ce que l’écosystème Anthropic permet au-delà de la voix, voir notre guide Claude Code : à quoi ça sert et comment ça marche.

Gemini (Google)

Gemini excelle sur les tâches multimodales (texte, image, audio) et son mode vocal est bien intégré à l’écosystème Google : Gmail, Docs, Meet.

Le bon usage des LLM en mode vocal : brainstorming à voix haute, questions-réponses, reformulations, résumés. Pour comprendre comment ces modèles s’insèrent dans des flux de travail concrets, voir notre pilier sur l’IA agentique expliquée simplement. Pour insérer du texte dans un document, ce sont les outils de dictée vus plus haut qu’il vous faut.

Comment choisir

Inutile de mémoriser dix-huit fiches : partez de votre besoin et suivez la branche.

Un mot sur la confidentialité

C’est la question que la plupart des comparatifs esquivent. Dicter, c’est envoyer votre voix quelque part, et tout ce que vous dites passe dans ce tuyau.

Les outils cloud (Wispr Flow, Otter.ai, Fireflies) traitent vos données sur leurs serveurs, avec des politiques de confidentialité variables. Les solutions hors ligne (macOS en dictée améliorée, SuperWhisper, Dragon, Whisper local) gardent tout sur la machine. Pour un médecin, un avocat ou un journaliste protégeant ses sources, ce n’est pas un détail.

Où va le marché

Trois mouvements à suivre d’ici fin 2026 :

Le natif rattrape le payant sur la forme. La fluid dictation de Windows et SpeechAnalyzer d’Apple apportent gratuitement ce qui faisait la valeur des outils payants il y a un an : la correction en temps réel et la transcription longue durée, en local. Les outils spécialisés devront creuser l’écart sur la mise en forme intelligente et le vocabulaire métier.

La voix devient un pari d’infrastructure. La valorisation de Wispr Flow à 2 milliards de dollars pour environ 10 millions de revenus annuels ne se justifie que si dicter remplace taper comme geste par défaut. Les investisseurs y croient ; les chiffres d’adoption des moins de 35 ans leur donnent pour l’instant raison.

Le temps réel s’industrialise. GPT-4o Transcribe à 4,1 % d’erreur et ElevenLabs Scribe v2 Realtime à environ 150 ms de latence ouvrent des usages applicatifs (assistants vocaux métier, sous-titrage live) qui n’étaient pas envisageables il y a deux ans.

La dictée vocale est l’une des rares technologies de productivité qui tient ses promesses : elle est plus rapide que le clavier, et elle s’améliore à mesure qu’on l’utilise. La seule question qui compte est de choisir le bon outil pour le bon contexte. C’est à ça que sert ce guide.