Glossaire
La dictée, définie simplement.
Le vocabulaire de la reconnaissance vocale, une page par terme : ce qu’il signifie, pourquoi il compte en pratique, où le marketing a tendance à le brouiller, et où vous pouvez le voir à l’œuvre.
Sur votre Mac
Les réglages, touches et fonctions de macOS que la dictée croise en chemin, et où trouver chacun.
Touche GlobeTouche Fn, touche Fonction
La touche Globe est la touche marquée d’un globe, et généralement aussi de fn, sur les claviers Mac.
Lire la définition
Contrôle vocalCommandes vocales sur Mac
Contrôle vocal est une fonction d’accessibilité intégrée à macOS qui permet d’utiliser un Mac entièrement à la voix.
Lire la définition
Commandes de dictéeCommandes de dictée Mac, commandes vocales de ponctuation
Les commandes de dictée sont les mots et expressions que vous dites pendant que vous utilisez la Dictée sur un Mac pour saisir de la ponctuation, des symboles, des majuscules et de la mise en forme au lieu de texte ordinaire.
Lire la définition
Ponctuation autoPonctuation automatique
La Ponctuation auto est un réglage de la Dictée sur Mac qui insère automatiquement des virgules, des points et des points d’interrogation pendant que vous dictez.
Lire la définition
Volume d’entréeVolume du micro, niveau d’entrée, gain du micro
Le volume d’entrée est le réglage du Mac qui détermine avec quelle force le son du micro sélectionné ou d’un autre appareil d’entrée est capté.
Lire la définition
Mode du microModes du micro, Isolement de la voix, Large spectre
Le Mode du micro est une commande de macOS qui change la façon dont le micro de votre Mac traite les sons autour de vous, dans les apps qui le prennent en charge.
Lire la définition
Saisie clavier sécuriséeSecure Event Input, saisie sécurisée
La saisie clavier sécurisée est un réglage de Terminal sur Mac qui empêche les autres apps de votre ordinateur ou du réseau de détecter et d’enregistrer ce que vous tapez dans Terminal.
Lire la définition
Sous-titres en directsous-titres en temps réel, transcription en direct
Sous-titres en direct est une fonctionnalité d’accessibilité de macOS qui affiche une transcription en temps réel de l’audio parlé dans une fenêtre à l’écran, pour l’audio de n’importe quelle app et pour les conversations en personne autour de vous.
Lire la définition
Dictée amélioréeUtiliser la dictée améliorée, dictée hors ligne
La dictée améliorée était une case à cocher de la sous-fenêtre Dictée des préférences Clavier, dans les anciennes versions de macOS, qui téléchargeait sur le Mac un logiciel de reconnaissance vocale pour permettre de dicter hors ligne.
Lire la définition
Améliorer Siri et DictéePartager les enregistrements audio, historique de Siri et Dictée
Améliorer Siri et Dictée est un réglage de confidentialité facultatif, que vous devez activer vous-même, qui permet à Apple de stocker et d’examiner un échantillon de l’audio de vos interactions avec Siri et Dictée pour développer et améliorer ces fonctionnalités.
Lire la définition
Apple Intelligence
Apple Intelligence est l’ensemble de fonctionnalités d’IA générative d’Apple intégré à macOS, dont les outils d’écriture pour réécrire, relire et résumer du texte.
Lire la définition
SpeechAnalyzerSpeechTranscriber, framework Speech
SpeechAnalyzer est une classe du framework Speech d’Apple, introduite avec macOS 26 et iOS 26, que les apps utilisent pour transformer de l’audio parlé en texte.
Lire la définition
Lui parler
Les mots pour dire comment la dictée démarre, s’arrête et atteint l’app où vous êtes.
Dictée
La dictée consiste à produire du texte écrit en parlant, les mots étant transcrits en temps réel ou presque, à l’endroit où vous écrivez.
Lire la définition
Saisie vocale
La saisie vocale est un autre nom de la dictée : entrer du texte dans une application en parlant plutôt qu’au clavier.
Lire la définition
Transcriptiontranscription de fichiers
La transcription consiste à convertir après coup un enregistrement audio ou vidéo existant en texte.
Lire la définition
Push-to-talkmaintenir pour parler
Le push-to-talk (« appuyer pour parler ») est un mode d’activation où l’enregistrement ne tourne que tant qu’une touche est maintenue : vous appuyez, vous parlez, vous relâchez, c’est fait.
Lire la définition
Détection d’activité vocaleVAD
La détection d’activité vocale (VAD, pour voice activity detection) est la technique qui détecte quand quelqu’un parle, par opposition au silence ou au bruit de fond.
Lire la définition
Mot d’activationhotword
Un mot d’activation est une phrase prononcée qui active un appareil à l’écoute, comme « Dis Siri » ou « Alexa ».
Lire la définition
Autorisation AccessibilitéAccès Accessibilité
L’autorisation Accessibilité est le réglage de macOS qui permet à une app de lire et de contrôler l’interface des autres apps.
Lire la définition
Comment il vous entend
Les modèles, les mesures et les ratés de la transformation de l’audio en mots.
Speech-to-textSTT
Le speech-to-text (STT), ou conversion de la parole en texte, est la technologie qui transforme un audio parlé en mots écrits.
Lire la définition
Reconnaissance automatique de la paroleASR
La reconnaissance automatique de la parole (ASR, pour automatic speech recognition) est le domaine de l’apprentissage automatique, et la classe de modèles, qui transforme l’audio de la parole humaine en texte.
Lire la définition
Whisper
Whisper est une famille de modèles de reconnaissance vocale open source publiée par OpenAI en 2022, entraînée sur 680 000 heures d’audio et couvrant environ 99 langues.
Lire la définition
Parakeet
Parakeet est une famille de modèles de reconnaissance vocale open source de NVIDIA, construite sur une architecture de transducteur, qui peut émettre des mots à mesure que l’audio arrive.
Lire la définition
Neural EngineANE
Le Neural Engine est la partie d’une puce Apple silicon conçue pour faire tourner efficacement les modèles d’apprentissage automatique, aux côtés du CPU et du GPU.
Lire la définition
Transcription en continutranscription en temps réel
La transcription en continu (streaming) affiche les mots à l’écran pendant que vous parlez encore, plutôt qu’après votre arrêt.
Lire la définition
Identification de la langueLID
L’identification de la langue est l’étape où un logiciel vocal détermine quelle langue est parlée, avant ou pendant la transcription.
Lire la définition
Taux d’erreur de motsWER
Le taux d’erreur de mots (WER, word error rate) est la mesure standard de la précision de la reconnaissance vocale : le nombre de mots sur lesquels un modèle s’est trompé, divisé par le nombre de mots réellement prononcés.
Lire la définition
Hallucination
En reconnaissance vocale, une hallucination est un texte produit par le modèle que personne n’a dit : une phrase plausible inventée à partir du silence, du bruit ou d’un fragment trop court pour être transcrit.
Lire la définition
Latencelatence au relâchement de la touche
En dictée, la latence est le temps entre la fin de votre parole et l’apparition du texte final au curseur.
Lire la définition
Diarisation des locuteursétiquettes de locuteur
La diarisation des locuteurs consiste à déterminer qui a parlé à quel moment dans un enregistrement, pour pouvoir étiqueter une transcription par locuteur.
Lire la définition
Whisper large-v3 turboWhisper turbo, large-v3-turbo
Whisper large-v3 turbo est un modèle de reconnaissance vocale d’OpenAI, publié le 1er octobre 2024.
Lire la définition
Cohere Transcribecohere-transcribe-03-2026
Cohere Transcribe est un modèle open source de reconnaissance vocale de Cohere, publié en mars 2026.
Lire la définition
Qwen3-ASRQwen3-ASR-1.7B, Qwen3-ASR-0.6B
Qwen3-ASR est une famille de modèles open source de reconnaissance vocale de l’équipe Qwen d’Alibaba, publiée le 29 janvier 2026.
Lire la définition
MLXApple MLX, framework MLX
MLX est un framework open source de calcul sur tableaux pour l’apprentissage automatique sur Apple silicon, créé par l’équipe de recherche en apprentissage automatique d’Apple.
Lire la définition
Core MLCoreML, Apple Core ML
Core ML est le framework d’Apple pour exécuter des modèles d’apprentissage automatique dans une app, sur l’appareil.
Lire la définition
Quantificationquantification de modèle, 4 bits, 8 bits
La quantification consiste à stocker les nombres d’un modèle sur moins de bits chacun, par exemple 4 ou 8 bits là où l’original en utilisait 16 ou 32.
Lire la définition
Facteur temps réelRTF, RTFx
Le facteur temps réel (RTF, real-time factor) est le temps que met un système de reconnaissance vocale à traiter un audio, divisé par la durée de cet audio.
Lire la définition
Ce qui en sort
Tout ce qui se passe entre une transcription brute et le texte que vous auriez tapé.
Disfluencehésitations
Une disfluence est toute rupture dans la fluidité de la parole : des hésitations comme « euh » et « hum », des mots répétés, des faux départs et des autocorrections.
Lire la définition
Passe de mise en formepost-traitement
La passe de mise en forme est l’étape qui suit la reconnaissance vocale et transforme une transcription brute en texte qu’une personne aurait tapé : ponctuation, majuscules, nombres en chiffres, hésitations supprimées, et un ton adapté à la destination du texte.
Lire la définition
Mode mot à mot
Le mode mot à mot est un réglage de dictée où le résultat est exactement ce que vous avez dit, sans reformulation, ajustement du ton ni nettoyage au-delà de la reconnaissance de base.
Lire la définition
Ponctuation dictéecommandes vocales
La ponctuation dictée consiste à dire le nom d’un signe ou d’un symbole, comme « comma », « open paren » ou « new paragraph », et à laisser l’outil de dictée taper le symbole au lieu du mot.
Lire la définition
Expansion de texteextraits
L’expansion de texte remplace un court déclencheur par un texte enregistré plus long : une adresse, une signature, une réponse toute faite.
Lire la définition
Dictionnaire personnelvocabulaire personnalisé
Un dictionnaire personnel est la liste des mots qu’un outil de dictée a appris à écrire à votre façon : noms, produits, jargon, et tout ce que le modèle vocal écrirait sinon sous la forme anglaise la plus probable.
Lire la définition
Adaptation du tonregistre
L’adaptation du ton est une fonction de mise en forme qui écrit les mêmes mots dictés différemment selon leur destination : en minuscules et sans façon dans une app de chat, ponctués et complets dans un e-mail, intacts dans un terminal.
Lire la définition
Mots par minuteWPM
Les mots par minute (WPM, de l’anglais words per minute) mesurent la vitesse de production de texte.
Lire la définition
Où ça tourne
Les deux mots qui décident si votre voix devient les données de quelqu’un d’autre.
Traitement sur l’appareiltraitement local
Le traitement sur l’appareil signifie que le modèle de reconnaissance vocale tourne sur votre propre ordinateur : l’audio est transcrit localement et n’est jamais envoyé.
Lire la définition
LLM localmodèle de langage sur l’appareil
Un LLM local est un modèle de langage qui tourne sur votre propre ordinateur plutôt que sur le serveur d’un éditeur.
Lire la définition
Votre voix a toujours été plus rapide.
7 jours gratuits, puis $19 USD une seule fois. Sans compte, sans abonnement, rien n’est envoyé en ligne.
macOS 14 ou ultérieur · Apple silicon