La transcription comparée
Quelle précision offre scryp pour la transcription en français – et quelle sécurité pour vos données face aux grands services cloud ? Voici les résultats de notre benchmark.
Précision de transcription en français
Taux d’erreur sur les mots (WER) – plus c’est bas, mieux c’est. Précision = 100 % − WER.
← Faites défiler le tableau →
| Fournisseur | Général (précision) | Domaine spécialisé (précision) | WER général |
|---|---|---|---|
| scrypSX-3 | 96.2 % | 96.1 % | 3.8 % |
| OpenAIWhisper Large v3 | 95.2 % | 83.5 % | 4.8 % |
| Google STTCloud Speech-to-Text | 88.5 % | 80.2 % | 11.5 % |
| Azure SpeechMicrosoft Cognitive | 87.9 % | 78.7 % | 12.1 % |
| AWS TranscribeAmazon Standard | 85.7 % | 75.9 % | 14.3 % |
Jeu de test et méthodologie
- La base est notre propre jeu de test composé d’enregistrements audio publics en français dans les domaines Général, Santé et Droit.
- Tous les fournisseurs ont été testés avec des fichiers audio identiques et une méthode d’évaluation uniforme (WER après normalisation standard).
- La colonne Domaine spécialisé indique la moyenne des enregistrements santé et droit. Avec le vocabulaire spécialisé, le taux d’erreur augmente chez tous – bien davantage pour les modèles sans entraînement spécifique.
- Les résultats peuvent varier selon la qualité audio, le nombre d’intervenants, le dialecte et le cas d’usage.
Pourquoi scryp est conçu différemment pour les contenus sensibles
Ces points décrivent l’architecture de scryp. Ils sont volontairement concrets et ne constituent pas une affirmation générale sur tous les autres fournisseurs.
Chiffrement sur votre appareil
Les fichiers sont chiffrés dans le navigateur avant l’envoi. Le contenu stocké reste en permanence chiffré.
Architecture européenne claire
Transcription en Autriche, stockage chiffré en Allemagne – les deux dans l’UE. On sait ainsi précisément où a lieu chaque étape de traitement.
Infrastructure de traitement propre
Aucune IA tierce externe n’intervient dans la transcription. Cela réduit les flux de données et les dépendances.
Flux complet dans le navigateur
L’édition, l’export, le partage et la synchronisation audio sont intégrés au produit, pas seulement disponibles sous forme de composants d’API.
Sources et documentation
Les fonctionnalités des fournisseurs ont été vérifiées via leur documentation officielle. Les chiffres de précision reposent sur le jeu de test décrit ci-dessus.
Modèles et précision
- Radford et al. (2022): Robust Speech Recognition via Large-Scale Weak Supervision - OpenAI Whisper Paper
- OpenAI Whisper Repository - Modelle und Sprachen
- faster-whisper (SYSTRAN) - CTranslate2-basierte Whisper-Implementierung
- pyannote.audio 3.x - Speaker Diarization Pipeline
- Mozilla Common Voice - Offener Sprachdatensatz
Documentation des fournisseurs
- Google Cloud Speech-to-Text - Overview and speech recognition
- Google Cloud Speech-to-Text - Speaker Diarization
- Microsoft Azure Speech Service - Overview and documentation
- Azure Speech - Real-time diarization quickstart
- Amazon Transcribe - Developer Guide
- Amazon Transcribe - Speaker partitioning (Diarization)
Prêt pour une transcription sécurisée ?
Essayez scryp gratuitement – chiffré dès la première seconde.