Transcrire automatiquement ses réunions avec Whisper

Transcrire automatiquement ses réunions avec Whisper

Whisper est le moteur de transcription automatique développé par OpenAI et publié en open-source. Il reconnaît plus de 90 langues, fonctionne entièrement hors ligne, et produit des transcriptions précises même sur des enregistrements complexes. Pour les équipes qui accumulent des réunions enregistrées, des entretiens clients ou des sessions de formation, Whisper permet de transcrire automatiquement ces réunions sans passer par un service cloud payant ni envoyer vos données vers l'extérieur.

Ce que Whisper peut transcrire

• Réunions d'équipe enregistrées au format MP3, WAV, M4A ou MP4
• Entretiens clients ou partenaires
• Sessions de formation audio ou vidéo
• Appels téléphoniques archivés
• Podcasts internes ou contenus de formation enregistrés

Le français est bien pris en charge. Le moore, le dioula, et les autres langues locales d'Afrique de l'Ouest donnent des résultats variables, mais le modèle large-v3 s'en sort souvent mieux qu'attendu sur des locuteurs bilingues franco-africains.

Prérequis pour transcrire ses réunions avec Whisper

• Python 3.9 ou supérieur installé sur votre machine
• 8 Go de RAM minimum (16 Go pour le modèle large)
• ffmpeg installé sur le système (obligatoire pour décoder les fichiers audio et vidéo)
• Un GPU NVIDIA accélère fortement le traitement, mais le CPU fonctionne
• Espace disque : 2 Go pour le modèle medium, 6 Go pour le modèle large-v3

Installer Whisper étape par étape

1. Installez ffmpeg, indispensable pour que Whisper puisse lire vos fichiers audio et vidéo :

   # Sur Ubuntu ou Debian
   sudo apt install ffmpeg
   
   # Sur macOS avec Homebrew
   brew install ffmpeg
   
   # Sur Windows : telechargez depuis ffmpeg.org
   # et ajoutez le dossier bin au PATH systeme

2. Créez un environnement Python isolé pour éviter les conflits de dépendances :

   python3 -m venv whisper-env
   source whisper-env/bin/activate
   # Sur Windows : whisper-env\Scripts\activate

3. Installez Whisper et PyTorch :

   pip install openai-whisper

   Sur une connexion lente, cette étape peut prendre du temps car PyTorch pèse plusieurs centaines de Mo.
4. Vérifiez l'installation :

   whisper --help

   La liste des options disponibles s'affiche si tout est correct.

Transcrire un fichier audio

1. Transcription simple d'un enregistrement en français :

   whisper reunion.mp3 --language French --model medium

   Whisper génère trois fichiers dans le répertoire courant : .txt pour le texte brut, .srt pour les sous-titres horodatés, et .vtt pour le format web. Le modèle se télécharge automatiquement au premier lancement.
2. Pour une meilleure précision sur un fichier long, utilisez le modèle large :

   whisper reunion.mp3 --language French --model large-v3 --output_dir ./transcriptions

   Le modèle large-v3 pèse environ 3 Go. Téléchargez-le pendant les heures creuses si votre connexion est limitée. Il n'est téléchargé qu'une seule fois et stocké localement.
3. Pour transcrire directement une vidéo MP4 :

   whisper formation.mp4 --language French --model medium --output_format txt

Automatiser la transcription en Python

Intégrer Whisper dans un script vous permet de traiter des lots de fichiers ou de déclencher la transcription depuis une autre application. Créez un fichier transcription_batch.py :

import whisper
import os

modele = whisper.load_model("medium")
dossier_source = "./enregistrements"
dossier_sortie = "./transcriptions"
os.makedirs(dossier_sortie, exist_ok=True)

for fichier in os.listdir(dossier_source):
    if fichier.endswith((".mp3", ".wav", ".m4a", ".mp4")):
        chemin = os.path.join(dossier_source, fichier)
        print(f"Transcription de : {fichier}")
        resultat = modele.transcribe(chemin, language="fr")
        nom_sortie = fichier.rsplit(".", 1)[0] + ".txt"
        with open(os.path.join(dossier_sortie, nom_sortie), "w", encoding="utf-8") as f:
            f.write(resultat["text"])
        print(f"  -> Termine : {nom_sortie}")

print("Toutes les transcriptions sont terminées.")

Lancez le script avec python transcription_batch.py. Il parcourt votre dossier d'enregistrements et produit un fichier texte pour chaque audio trouvé.

Choisir le bon modèle Whisper

• tiny / base : très rapide, précision correcte pour de l'audio clair avec un seul locuteur
• small / medium : bon équilibre vitesse et précision pour la majorité des cas professionnels
• large-v3 : meilleure précision sur les accents et le bruit de fond, mais plus lent et plus gourmand en RAM

Sur une machine modeste sans GPU, le modèle medium est le meilleur point de départ. Une heure d'enregistrement se transcrit en 20 à 40 minutes sur un bon CPU.

Ajouter la distinction des locuteurs

Whisper seul ne distingue pas les différents locuteurs dans un enregistrement. Pour savoir qui a dit quoi, combinez Whisper avec pyannote-audio, un outil de diarisation open-source. Installez-le avec :

pip install pyannote-audio

La combinaison des deux outils permet d'obtenir des transcriptions annotées par locuteur, très utiles pour les comptes rendus de réunion ou les entretiens.

Limites à connaître

• Les enregistrements avec un fort bruit de fond ou un microphone de mauvaise qualité réduisent la précision. Un microphone USB basique améliore déjà sensiblement les résultats.
• Sur CPU, une réunion d'une heure peut prendre 30 à 60 minutes à transcrire selon le modèle et la machine. Planifiez les transcriptions en dehors des heures de travail.
• Les fichiers très longs (plus de 2 heures) peuvent consommer beaucoup de RAM. Découpez-les en segments de 30 minutes avec ffmpeg si nécessaire.

Whisper transforme des heures d'enregistrement en texte exploitable, sans abonnement et sans envoyer vos données vers l'extérieur. C'est une brique essentielle pour construire une gestion documentaire intelligente. Pour intégrer la transcription automatique dans un système de gestion documentaire ou de recherche interne, parlez-nous de votre projet.