L’app de dictée qui fonctionne même sans internet

Certaines plaintes n’apparaissent que quand les choses cassent, ce qui explique qu’il soit facile de les sous-estimer jusqu’à ce que ça vous arrive : la dictée cloud dépend du réseau. Une panne chez le fournisseur, et votre touche de dictée ne fait plus rien. Un Wi-Fi d’hôtel qui lâche, et une phrase peut disparaître dans un spinner. Un avion. Un tunnel de train. Un VPN qui renégocie exactement au mauvais moment. Ce n’est pas le défaut d’un produit ; c’est ce que signifie dépendre d’un aller-retour.

La cruauté de la chose, c’est ce qui tombe en panne. Si votre app de prise de notes tombe, vous ouvrez un fichier texte. Si votre dictée tombe, vous perdez une méthode de saisie — celle autour de laquelle vous aviez construit une mémoire musculaire, en pleine phrase, généralement pendant que vos mains étaient occupées ailleurs. C’était toute la raison pour laquelle vous dictiez.

Sous la question de la disponibilité se cache une question de confidentialité : votre audio quitte-t-il la machine ? Dans un chemin de transcription cloud, des enregistrements de vous en train de penser à voix haute — noms de clients, fonctionnalités non publiées, le problème de sécurité que vous décrivez à un collègue — voyagent vers l’infrastructure de quelqu’un d’autre pour devenir du texte. Ce chemin peut aussi dépendre de sessions, de comptes et d’une disponibilité de service hors de votre contrôle.

J’ai construit la réponse de Keebye à cela avant de l’avoir formulée comme une fonctionnalité, parce que mon propre besoin était brutal : il fallait que ça marche avec le Wi-Fi coupé. Voici à quoi cela ressemble réellement, et ce que ça coûte.

Pourquoi la dictée cloud tombe à zéro

Les mécanismes au niveau de la catégorie valent la peine d’être détaillés, parce qu’ils expliquent pourquoi cette plainte ne disparaît jamais complètement, aussi bons que deviennent les produits.

Une boucle de dictée cloud compte au minimum quatre maillons : capturer l’audio sur votre machine, l’envoyer à un serveur, exécuter l’inférence là-bas, renvoyer le texte. Chaque maillon est une dépendance — votre réseau, leur réseau, leur couche d’authentification, leur capacité, leur disponibilité. La chaîne fonctionne généralement bien. Mais quand un maillon casse, toute la boucle casse, et elle casse à zéro. Pas « plus lent », pas « moins précis » — rien n’arrive à votre curseur. Une dégradation serait tolérable ; la dictée se dégrade en silence.

Les fournisseurs peuvent s’armer très fort contre cela, mais ils ne peuvent pas réparer des maillons qu’ils ne possèdent pas : le routeur de l’hôtel, le vol, le VPN de votre entreprise, l’incident sur le backbone entre vous et eux. Un outil dont la disponibilité dépend de plusieurs systèmes peut tomber dès que l’un d’eux est indisponible.

Que se passe-t-il quand il n’y a aucun cloud duquel se replier ?

L’architecture de Keebye répond à la question en la supprimant. La reconnaissance vocale s’exécute entièrement sur l’appareil — modèles ONNX, inférence locale, sur le silicium de votre Mac. Il y a zéro appel réseau dans le chemin de dictée. Pas « nous les minimisons », pas « nous les regroupons » — zéro. Il n’y a pas non plus de télémétrie. Aucune. Quand vous maintenez la touche et parlez, aucun paquet ne quitte la machine en votre nom.

Je veux souligner le point architectural, parce que c’est ce qui différencie cela d’un « mode hors ligne ». Un mode hors ligne est un repli : le chemin normal va vers le cloud, et quand le cloud est injoignable, un chemin local dégradé prend le relais — si l’app le remarque à temps, si le chemin local est maintenu, si le passage de relais fonctionne en pleine phrase. Keebye n’a pas de passage de relais parce qu’il n’a aucun chemin cloud depuis lequel passer le relais. L’inférence locale n’est pas le plan B ; c’est le seul plan. Une panne en amont ne peut pas la casser, pour la même raison qu’une coupure de courant dans un autre pays ne peut pas éteindre votre lampe de bureau. Immunité par construction, pas par repli.

C’est aussi là que la plainte plus discrète trouve sa réponse sans page de réglages. Votre audio ne quitte jamais la machine — pas « chiffré en transit », pas « anonymisé », simplement jamais envoyé, parce qu’il n’y a nulle part où l’envoyer. Si vous activez l’historique de dictée, ce qui est stocké est du texte seul, dans une base SQLite locale sur votre propre disque. (Cet historique a sa propre histoire de confort d’usage — la plainte récurrente « où est passée ma dictée ? » — que nous avons traitée dans votre dictée ne devrait jamais disparaître.) Et la fragilité des comptes et des sessions disparaît avec les comptes : il n’y a aucune session cloud à expirer dans le chemin de dictée, donc aucune ré-authentification ne s’interpose entre vous et un raccourci qui fonctionne.

La seule fois où vous avez besoin d’internet

Honnêteté obligatoire, dite clairement : les modèles doivent bien arriver sur votre machine d’une manière ou d’une autre. Au premier lancement, Keebye télécharge son modèle vocal — environ 700 Mo pour le moteur anglais, et à peu près 1,3 Go si vous activez le moteur multilingue. C’est un vrai téléchargement, une fois par moteur, et il vous faut internet pour ça.

Ensuite, les modèles vivent sur le disque et la transcription s’exécute contre eux en local, réseau ou pas, jusqu’à ce que vous les supprimiez ou les remplaciez. Mais si ce premier lancement a lieu dans l’avion, vous êtes coincé jusqu’à l’atterrissage — faites la configuration avant de voyager, pas pendant. Je préfère que vous l’entendiez de ma bouche plutôt que de le découvrir au-dessus de l’Atlantique.

La question de la précision, répondue honnêtement

Le téléchargement, c’est la petite réserve. Voici la plus grosse, parce que les outils sur l’appareil adorent la sauter.

Les plus gros modèles cloud peuvent être plus précis qu’un modèle sur l’appareil. Un modèle qui remplit une baie de serveurs a une capacité qu’un fichier de 700 Mo n’a pas, et prétendre le contraire insulterait votre intelligence. Ce que je dirai — et ce que je crois après avoir vécu avec les deux —, c’est que l’écart s’est beaucoup réduit et, plus important, que les modes de défaillance diffèrent par nature. Le pire jour d’un modèle sur l’appareil, c’est un mot mal entendu que vous corrigez. Le pire jour d’un modèle cloud, c’est zéro sortie, parce que sa précision est multipliée par sa disponibilité, et la disponibilité est le terme qui tombe à zéro dans le train. Le mode de défaillance que vous préférez assumer dépend de votre journée ; la mienne comporte trop de trains.

C’est macOS uniquement aujourd’hui, et c’est en accès anticipé. Pas de version Windows, et les aspérités que l’accès anticipé implique. Si votre configuration est d’abord Windows, la réponse honnête est que Keebye ne peut pas encore vous aider.

Si vous mettez cela en balance avec un outil que vous utilisez déjà, les pages de comparaison sont la version équitable de cet argument. Keebye vs Superwhisper compare deux produits ayant des chemins de transcription sur l’appareil ; Keebye vs Wispr Flow traite de la décision local contre cloud. Et si l’alternative que vous évaluez est la dictée intégrée à macOS, la dictée vocale pour Mac explique ce que l’outil intégré fait bien et là où Keebye diffère.

La disponibilité est une fonctionnalité

La catégorie de la dictée a passé des années à se battre sur des pourcentages de précision, et la précision compte. Mais la plainte qui pousse réellement les gens à changer d’outil est rarement « il m’a mal entendu une fois ». C’est « il a arrêté de marcher, encore, je ne sais pas pourquoi, et la solution impliquait de me connecter à quelque chose ». La disponibilité — ennuyeuse, ingrate — est la fonctionnalité qu’on ne remarque que par son absence.

La façon de rendre une méthode de saisie aussi fiable qu’un clavier, c’est de lui donner la même liste de dépendances qu’un clavier : la machine devant vous, et rien d’autre. C’est tout le principe de conception.

Keebye est en accès anticipé pour macOS. Lancez votre essai gratuit ci-dessous, faites le téléchargement du premier lancement pendant que vous avez encore internet, puis entrez dans le tunnel de train — ou coupez simplement le Wi-Fi — et redictez la même phrase.