Pourquoi les apps de dictée avalent votre premier mot

Appuyez sur le raccourci. Commencez à parler. Regardez la transcription démarrer à votre deuxième mot — parfois au troisième. « Refactorise la logique de retry » ressort en « la logique de retry ». « Ne merge pas ça encore » ressort en « merge ça encore », ce qui est une phrase réellement dangereuse à faire taper en votre nom. Cette panne est facile à reproduire sur les chaînes microphone à démarrage à froid, des outils intégrés à l’OS aux apps de dictée dédiées.

Les gens la décrivent de différentes façons — « ça coupe le début », « je dois faire une pause avant de parler », « le premier mot manque toujours » —, mais c’est un seul phénomène, et une fois mordu vous développez le contournement que tout le monde développe : appuyer sur la touche, attendre un temps, puis parler. Ce qui veut dire que vous exécutez désormais un petit rituel superstitieux des dizaines de fois par jour pour compenser votre outil, et que l’outil vous a dressé, au lieu de l’inverse.

J’ai fait ce rituel pendant des mois avec d’autres outils. En construisant Keebye, le supprimer était l’une des premières choses sur la liste, parce que le correctif s’est révélé exiger un compromis inconfortable que la plupart des apps ne feront pas — et je veux parler du compromis aussi clairement que du correctif.

Pourquoi le premier mot est-il coupé ?

C’est un problème au niveau de la catégorie, pas la négligence d’un fournisseur, et la physique en est simple : les microphones ne sont pas instantanés.

Quand une app de dictée démarre un enregistrement de façon naïve — appuyer sur le raccourci, puis ouvrir le micro —, toute une chaîne doit se dérouler avant que le premier échantillon de votre parole ne soit capturé. La session audio de l’OS doit s’initialiser. Le périphérique d’entrée doit se réveiller, ce qui, pour certains matériels, signifie un vrai temps de chauffe. Le format du flux est négocié, les tampons alloués, et les premiers tampons qui arrivent sont souvent des déchets qu’on jette. Selon la machine et le périphérique, cette chaîne prend entre « un temps » et quelques secondes.

Pendant ce temps, vous — un être humain avec une pensée déjà formée — commencez à parler à l’instant où votre doigt touche la touche. Généralement un cheveu avant cet instant, en fait : l’intention d’appuyer et l’intention de parler quittent votre cerveau ensemble, et le début de la parole devance couramment la disponibilité de l’app. Tout ce que vous avez dit avant que le flux ne s’ouvre n’a jamais existé du point de vue de l’app. Le modèle ne peut pas transcrire un audio jamais capturé. D’où : « la logique de retry ».

Pourquoi les apps démarrent-elles le micro à la demande plutôt que de le garder prêt ? Surtout par bon voisinage. Garder un microphone ouvert coûte un peu d’énergie et — bien plus important — allume l’indicateur micro du système, que les utilisateurs interprètent, à juste titre, comme « cette app m’écoute ». N’ouvrir le micro qu’à la demande garde l’indicateur honnête et l’app d’apparence polie. Le prix est le risque de démarrage à froid au début d’un enregistrement.

Le correctif : un micro qui écoute déjà quand vous appuyez sur la touche

Keebye attaque cela par les deux bouts, et les deux mécanismes méritent d’être distingués parce qu’ils résolvent deux moitiés différentes du problème.

Le micro chaud. Après votre premier enregistrement d’une session, Keebye garde le flux d’entrée audio ouvert. Cela veut dire que la chaîne de démarrage à froid — initialisation de session, réveil du périphérique, négociation du flux — a déjà eu lieu avant une dictée ultérieure, tant que ce flux reste sain. Le flux est actif avant même que votre doigt ne bouge.

Le pré-enregistrement. Un flux chaud corrige le retard de l’app, mais pas le vôtre — rappelez-vous, le début de votre parole peut devancer votre appui. Keebye garde donc un tampon glissant de 500 millisecondes de l’audio le plus récent (8 000 échantillons à 16 kHz, dans un anneau). Quand vous appuyez sur le raccourci, cette demi-seconde d’audio juste antérieur est versée au début de l’énoncé. L’audio commencé dans ce tampon est disponible pour le moteur de transcription au lieu d’être jeté avant l’appui.

Le résultat combiné : sur les dictées répétées, le flux chaud et les 500 ms de pré-enregistrement couvrent le cas courant où la parole commence juste avant l’appui ou en même temps. La pause rituelle devient inutile à l’intérieur de cette limite. Cela ne peut pas récupérer un mot prononcé plus d’une demi-seconde avant le début de l’enregistrement, et la première dictée d’une session paie toujours la latence normale de démarrage du flux.

Le compromis, dit clairement

Voici la partie que je refuse d’enterrer, parce que c’est le prix honnête de cette conception : puisque le flux audio reste ouvert entre les dictées, macOS affiche le microphone comme actif même quand vous ne dictez pas. Le point orange est allumé. Si vous regardez le Centre de contrôle, Keebye est listé comme utilisant le micro, à cet instant, alors que vous ne faites rien.

Ce qui se passe réellement pendant ce temps : l’audio s’écoule dans le tampon en anneau de 500 ms et est continuellement jeté. Rien n’est transcrit. Rien n’est stocké. Rien ne sort du tampon tant que vous n’appuyez pas sur la touche — et tout ce qui a plus d’une demi-seconde est parti pour de bon, écrasé par l’anneau. Mais je ne vais pas prétendre que l’indicateur ment, parce que ce n’est pas le cas : le flux est ouvert, et « capable d’écouter en permanence » est une description juste de l’architecture, même si rien n’écoute au sens propre tant que vous ne le demandez pas.

J’ai fait ce compromis délibérément, en connaissance de cause, et voici le raisonnement. Ouvrir le micro à la demande introduit un risque de démarrage à froid à chaque fois : mots coupés, phrases fausses, la pause apprise. La conception à flux chaud a un coût qui porte sur votre confort face à un point orange, adossé à une architecture que vous pouvez examiner : historique local en texte seul (que nous avons documenté dans votre dictée ne devrait jamais disparaître), transcription sur l’appareil, aucun audio jamais stocké, une demi-seconde de mémoire en anneau. Je prends le point. Si vous ne le prenez pas — c’est une position légitime, et cela peut réellement faire d’un autre outil le bon choix pour vous ; nos pages Keebye vs Superwhisper et Keebye vs Wispr Flow sont écrites pour aider exactement à cet arbitrage.

Deux limites, pour que personne ne soit surpris

La toute première dictée d’une session a toujours la latence normale de démarrage du flux. Le micro est chaud parce qu’un enregistrement a déjà eu lieu ; le premier paie encore le coût d’installation. Les dictées suivantes en bénéficient tant que le flux reste ouvert.

Le pré-enregistrement fait 500 millisecondes, et 500 millisecondes, c’est un temps, pas une phrase. Le tampon couvre le cas naturel — un mot commencé légèrement avant l’appui. Si vous livrez une phrase entière et que vous vous souvenez ensuite d’appuyer sur la touche, les mots antérieurs sont perdus, par conception : l’anneau ne contient jamais plus d’une demi-seconde, précisément pour que l’app ne retienne pas d’audio significatif pendant qu’elle est au repos. Un pré-enregistrement plus long attraperait davantage de vos départs distraits et garderait davantage de votre audio ambiant en mémoire. La demi-seconde est l’endroit où j’ai tiré cette ligne.

Pourquoi une demi-seconde compte plus qu’il n’y paraît

Un premier mot coupé ressemble à un petit bug. Dans le workflow en voies parallèles pour lequel Keebye a été construit — la voix comme canal de contrôle de plusieurs agents IA et de plusieurs conversations humaines à la fois, la journée décrite dans deux enfants, trois startups, une seule voix —, la dictée intervient des dizaines de fois par jour, par rafales, en plein changement de contexte. Un outil qui exige une pause rituelle taxe chaque rafale et, pire, inverse parfois votre sens et le soumet. « Merge ça encore » n’a été drôle qu’une fois.

La fiabilité dans cette catégorie n’est pas une grande fonctionnalité. C’est l’accumulation de garde-fous plus petits : le pré-enregistrement pour l’audio d’ouverture, l’historique derrière la transcription, et un chemin d’insertion récupérable. Cet article parle du premier ; l’article sur l’historique traite du deuxième.

Keebye est en accès anticipé pour macOS. Lancez votre essai gratuit ci-dessous, dites « Ne merge pas ça encore » sur une dictée répétée, et vérifiez si le premier mot survit. C’est tout le test.