La transcription vocale en cantonais en 2026 : comparaison pratique des principaux outils

Si vous avez déjà enregistré une réunion à Hong Kong et utilisé une application de transcription, vous savez que le cantonais est l'une des langues les plus difficiles à traiter correctement. Une phrase comme « 我想去 Causeway Bay 開會 prepare 一下 個 deck » mélange le cantonais et l'anglais en une seule respiration — et c'est précisément à ce moment que la plupart des outils de transcription atteignent leurs limites.

Ce n'est pas un problème marginal. Le code-switching — passer du cantonais à l'anglais en milieu de phrase — est le registre quotidien des milieux professionnels, technologiques et de la vie courante à Hong Kong. C'est aussi l'un des défis les plus exigeants sur le plan technique pour la reconnaissance vocale en chinois.

Nous avons réalisé une comparaison neutre et pratique des principaux outils de transcription vocale en cantonais en 2026 — Google, Apple, Microsoft Azure, OpenAI Whisper, Otter.ai, iFLYTEK, ElevenLabs et Speechmatics — en évaluant la précision, la gestion du code-switching, la confidentialité et la facilité d'utilisation pour un utilisateur ordinaire. Chaque outil présenté ici excelle dans un domaine particulier ; l'objectif est de vous aider à trouver celui qui correspond le mieux à vos besoins.

Comment mesurer la précision

La précision de transcription est généralement exprimée en Word Error Rate (WER) ou Character Error Rate (CER) — le pourcentage de mots ou de caractères qui diffèrent d'une référence correcte. Plus le taux est bas, mieux c'est. En dessous d'environ 5 %, c'est excellent ; autour de 20 %, cela implique généralement une correction manuelle significative.

Le benchmark public le plus couramment cité pour le cantonais est le jeu de données Common Voice Yue — de vrais locuteurs cantonais lisant des textes à voix haute. Sur ce cantonais propre et lu, des tests indépendants ont rapporté les taux d'erreur au caractère suivants :

Selon ce benchmark, le modèle cantonais sur l'appareil d'Apple obtient de bons résultats — son CER rapporté est environ 35 % inférieur à celui de Google et 67 % inférieur à celui de Microsoft sur ce jeu de données particulier, et il fonctionne entièrement en local. Pour une personne qui dicte du cantonais clair sur un Mac, c'est une option véritablement intéressante et gratuite.

Une mise en garde importante : ce benchmark mesure du cantonais clair, lu à voix haute, par un seul locuteur, sans anglais. Ce n'est pas ainsi que la plupart des habitants de Hong Kong parlent réellement.

Pourquoi le code-switching est le vrai test

Common Voice représente une parole soignée et monolingue. Le cantonais de Hong Kong au quotidien est conversationnel, rapide et mélangé à l'anglais :

"個 user feedback 話 個 flow 唔 make sense, 不如 我哋 sync 一 sync 先。"

Un score de benchmark sur du cantonais clair ne dit pas grand-chose sur la façon dont un outil gère une telle phrase. Les recherches académiques sur le mélange cantonais-anglais pointent deux raisons pour lesquelles c'est difficile pour tout moteur :

1. L'anglais prononcé avec un accent cantonais sonne différemment de l'anglais « standard », ce qui peut perturber le modèle de langue anglaise.
2. Des données d'entraînement avec code-switching limitées — beaucoup de systèmes ont été entraînés principalement sur du cantonais monolingue ou de l'anglais monolingue, et non sur le mélange naturel.

Cela concerne l'ensemble du domaine, pas une marque en particulier. Dans des tests plus larges, les enregistrements avec code-switching ont réduit la précision de tous les outils populaires — une étude largement citée a observé une baisse de précision sur des mélanges espagnol-anglais. La conclusion pratique : pour les enregistrements de Hong Kong, la façon dont un outil gère l'anglais dans le cantonais compte plus que son score de benchmark affiché.

Les outils, un par un

Otter.ai

Otter est l'une des applications de transcription les plus populaires dans l'ensemble, avec d'excellentes fonctionnalités pour les réunions et des résumés automatiques. En 2026, sa transcription est orientée vers l'anglais et ne propose pas de transcription en cantonais. Si vous cherchez spécifiquement du cantonais, vous aurez besoin d'un outil avec une prise en charge native.

OpenAI Whisper

Whisper prend en charge un très large éventail de langues et peut transcrire le cantonais. Par défaut, il tend à produire du chinois écrit standard (par exemple « 他們 » plutôt que le registre familier « 佢哋 »). Des modèles Whisper affinés par la communauté pour le cantonais existent et préservent les formes familières, mais leur utilisation nécessite une configuration technique. Whisper convient donc mieux aux développeurs et aux utilisateurs avancés qu'à quelqu'un qui souhaite simplement ouvrir une application.

Google Cloud Speech-to-Text

Le modèle « yue-Hant-HK » de Google monte en charge efficacement et représente un bon choix pour des brouillons rapides et des traitements automatisés en grand volume au sein de Google Cloud. Comme avec la plupart des moteurs automatisés, la sortie brute bénéficie généralement d'une relecture, et l'anglais en code-switching peut nécessiter des corrections. Il s'agit d'un produit API pour développeurs plutôt que d'une application grand public.

Microsoft Azure AI Speech

Azure offre d'excellents outils pour les développeurs et une intégration fluide avec les workflows Microsoft Cloud, ce qui en fait un choix populaire pour les équipes techniques. Sa documentation indique que la sortie en cantonais bénéficie d'une relecture lorsque du code-switching est impliqué. Comme Google, il s'adresse aux développeurs qui construisent leurs propres applications.

iFLYTEK (科大訊飛)

iFLYTEK est une entreprise leader dans l'IA vocale et a beaucoup investi à Hong Kong. Elle propose désormais une prise en charge du cantonais directement destinée au marché local — notamment le système de conférence multilingue iFLYREC (édition Hong Kong & Macao) et des solutions de réunion permettant aux utilisateurs de basculer entre le cantonais, le putonghua et l'anglais, avec des options sur site et du matériel de traduction. C'est une option sérieuse et capable, particulièrement pour les déploiements en entreprise et en conférence où l'hébergement sur site ou du matériel dédié correspond au flux de travail.

ElevenLabs Scribe & Speechmatics

Les deux sont des moteurs de transcription modernes et performants. ElevenLabs place le cantonais dans son niveau de précision supérieur, et Speechmatics met en avant une haute précision avec une faible latence. Les deux sont principalement des services cloud, payants et orientés API — d'excellentes briques de construction pour les développeurs, avec l'audio traité dans le cloud.

Comparaison récapitulative

Il n'y a pas de solution universellement « meilleure » — tout dépend de votre usage. Un développeur qui construit un produit adorera Whisper ou Azure. Un organisateur de conférences sera peut-être mieux servi par le système dédié d'iFLYTEK. Un utilisateur Mac qui dicte du cantonais clair dispose d'Apple, intégré et gratuit.

Trois questions pour choisir le bon outil

1. Quelle quantité d'anglais y a-t-il dans votre audio ? Si vos enregistrements sont principalement en cantonais clair, les benchmarks affichés sont un guide raisonnable. S'ils contiennent beaucoup d'anglais en milieu de phrase — comme la plupart des réunions à Hong Kong — privilégiez un outil spécifiquement conçu ou optimisé pour le code-switching.

2. Où votre audio est-il traité ? La transcription dans le cloud signifie que vos enregistrements sont envoyés sur un serveur tiers. Pour des réunions sensibles ou des enregistrements médicaux ou juridiques, le traitement sur l'appareil conserve les données sur votre téléphone ou votre ordinateur.

3. Quel est votre niveau technique ? Whisper, Azure et les moteurs API sont des outils pour développeurs. Les systèmes de conférence d'iFLYTEK sont des déploiements en entreprise. Si vous voulez simplement ouvrir une application, appuyer sur enregistrement et lire une transcription, il vous faut une application grand public conçue pour cela.

La place de Traverba

Traverba est conçu pour ce dernier groupe — les utilisateurs du quotidien qui souhaitent quelque chose de simple. Pas de clés API, pas de compte cloud, pas de déploiement en entreprise. Vous ouvrez l'application, et ça fonctionne.

L'accent est mis sur la langue que les habitants de Hong Kong parlent réellement : le cantonais avec de l'anglais mélangé. Plutôt que de traiter l'anglais comme quelque chose à éliminer, Traverba est optimisé sur les schémas de parole locaux — l'anglais en milieu de phrase, les noms de marques et l'argot des vraies conversations. Et comme il traite les données sur l'appareil, votre audio reste chez vous plutôt que d'être envoyé sur un serveur.

Traverba ne cherche pas à remplacer un système de conférence d'entreprise ou un transcripteur humain professionnel — ceux-ci ont leur place. Il est conçu pour les moments du quotidien où le cantonais et l'anglais se mélangent et où vous avez juste besoin d'un texte lisible, rapidement, sur votre propre téléphone.

Essayez-le

Traverba est gratuit sur les deux plateformes — la traduction vocale, la traduction par caméra, la traduction d'écran et la traduction de texte sont toutes gratuites et illimitées.

Disponible sur Google Play et l'App Store. En savoir plus sur traverba.com.

Chaque outil de cette comparaison excelle dans un domaine. Si ce dont vous avez besoin est une application simple, fonctionnant sur l'appareil et optimisée pour le cantonais-anglais du quotidien à Hong Kong, Traverba est conçu exactement pour cela.

Les chiffres de précision mentionnés ci-dessus proviennent de benchmarks publics de reconnaissance vocale cantonaise sur le jeu de données Common Voice Yue et de recherches publiées sur le code-switching cantonais-anglais. Les fonctionnalités et la prise en charge des langues reflètent les offres de chaque fournisseur en juin 2026 et sont susceptibles d'évoluer. La précision réelle varie selon la qualité de l'audio, les accents et la quantité d'anglais dans la conversation ; nous encourageons les lecteurs à tester les outils avec leurs propres enregistrements.