Gemini 3.5 Transcribe : Google nettoie l’audio comme un éditeur humain

Gemini 3.5 Transcribe ne se contente pas de capter ce que quelqu’un dit. Il convertit ce qui a été dit en ce qui était censé être dit. Quand un locuteur se reprend en plein milieu d’une phrase — « Programmons-le pour mardi, non, mercredi » — le modèle affiche « mercredi » et ignore la correction. Les mots de remplissage disparaissent. Le bruit de fond ne l’arrête pas. Le résultat arrive sous forme de texte formaté et poli, pas de capture audio brute.

Pour quiconque enregistre des interviews, des podcasts ou du contenu multilingue, cette distinction est tout le flux de travail. Chaque outil de transcription sur le marché traite « ce qui a été dit ». Le monteur humain qui nettoyait ensuite s’occupait de tout le reste. Google intègre désormais ce monteur directement dans le modèle.

Le modèle prend en charge deux chemins d’API distincts. L’API Live gère le streaming bidirectionnel continu avec une latence inférieure à la seconde — conçue pour les agents vocaux en temps réel, les robots de service client et tout ce qui nécessite une transcription instantanée. L’API Interactions traite l’audio enregistré : réunions complètes, journaux d’appels et interviews, en renvoyant l’attribution des locuteurs pour jusqu’à trois participants avec des horodatages. Les deux atteignent un taux d’erreur de mots de 4,0 % en mode streaming et de 2,6 % en mode non streaming — mesuré par le cabinet d’évaluation indépendant Artificial Analysis. Le précédent modèle de reconnaissance vocale de Google, Chirp 3, nécessitait 70 % de temps supplémentaire pour parvenir à la transcription finale.

Lecture recommandée2 millions de tokens : ce qu’il a fallu à Google pour corriger Gemini 3.5 Pro

Le volet grand public du lancement est plus modeste. Sur Android, Gboard Rambler utilise déjà Gemini 3.5 Transcribe pour la saisie vocale. L’application Gemini pour macOS le prend en charge en anglais via une fonction Speak to Window. Chrome est annoncé comme « à venir », ce qui permettrait aux utilisateurs de dicter dans n’importe quel champ web — réponses, publications, formulaires — sans changer d’application. Aucune date précise pour ce déploiement n’a été confirmée.

Les limites du modèle comptent. L’attribution multi-locuteurs est plafonnée à trois participants ; les panels et tables rondes avec des groupes plus nombreux nécessitent des solutions de contournement. L’application grand public Rambler est actuellement disponible dans « certains pays et certaines langues », pas dans les 85 que le modèle prend en charge. Google n’a pas annoncé de tarification pour l’API, qui est en prévisualisation publique via Google AI Studio. L’accès entreprise passe par la Gemini Enterprise Agent Platform, où les prix sont négociés séparément. Pour les petits créateurs, la question du coût reste ouverte.

Le cadre concurrentiel est également pertinent. Whisper d’OpenAI, toujours la référence pour les développeurs indépendants, atteint des taux d’erreur de mots de l’ordre de 5 à 7 % sur l’audio anglais et nécessite un code de post-traitement pour gérer la suppression des remplissages et le formatage. Des services comme AssemblyAI et Deepgram proposent la diarisation des locuteurs, mais pas la correction linguistique intégrée que Gemini 3.5 Transcribe applique par défaut. L’écart est mesurable, mais la manière dont il se maintient sur l’extrémité la plus difficile de la gamme des 85 langues — accents régionaux, langues peu dotées, environnements bruyants — devra être établie par des tests indépendants.

La fonction qui en dit le plus sur la direction à long terme de Google est l’intégration dans Chrome. Une fois que la saisie vocale fonctionnera dans n’importe quel champ web, le modèle n’est plus un outil pour développeurs — c’est une infrastructure pour la manière dont les gens tapent. Le calendrier de déploiement de ce changement n’a pas été confirmé.

Étiquettes: Google, Gemini, AI, audio-ai, creator-tools, speech-to-text

Dans le même genre

Gemini Spark continue de travailler quand le portable est fermé — la bêta payante arrive la semaine du 26 mai

Le nouvel assistant Android de Google copie tout seul votre liste de courses dans le panier

Gemini transforme vos manuels et notes de cours en un plan d’étude personnalisé par l’IA

GPT-Live apporte le full-duplex à ChatGPT — la pause qui trahissait l’IA a disparu

Deux points sous Opus 4.6, cinq fois moins cher : Gemini 3.5 Flash refait le calcul

Le nouveau modèle vocal d’OpenAI réfléchit à l’intérieur même de la boucle audio, et le silence qui trahissait l’IA disparaît