Il y a un truc qui m'agace dans pas mal d'outils de dictée : ils s'arrêtent pile au milieu du boulot, puis attendent qu'on trouve ça impressionnant.
Ils captent la voix, la recrachent en texte dans un champ, et se comportent comme si le travail était terminé. Sauf que non. Si je dois encore remettre la ponctuation, virer les hésitations, recouper les phrases et transformer ce que j'ai dit en quelque chose qu'on peut vraiment envoyer, alors le logiciel n'a fait que la moitié du chemin.
C'est pour ça que la simple étiquette speech-to-text me paraît beaucoup trop étroite pour parler de dictée moderne.
Une transcription n'est pas du texte fini
On ne parle pas comme on écrit. En tout cas, moi non. Quand je dicte, je reprends une phrase en route, je change de mot au dernier moment, je laisse des idées en suspens, je sous-entends la ponctuation au lieu de la dire, et je compte un peu sur le contexte pour faire le reste.
Dans une conversation, ça passe très bien. Dans un email, un ticket, un prompt, un document ou des notes qu'on relira demain, beaucoup moins.
Donc oui, la précision de transcription compte. Évidemment. Mais une transcription fidèle peut quand même être lourde, maladroite et pénible à relire. La précision, à elle seule, ne suffit pas à produire un texte vraiment exploitable.
La plupart du temps, les gens ne veulent pas une trace brute de ce qu'ils ont dit. Ils veulent un brouillon propre, une réponse prête à partir, des notes claires, bref quelque chose qui serve.
La mise au propre n'est pas un gadget
À partir du moment où la mise au propre fait partie du flux, les gens se détendent. Ils arrêtent de dicter comme s'ils passaient un examen. Ils ne disent plus virgule toutes les trois secondes, ils ne surveillent plus chaque ligne, ils sortent d'abord l'idée, puis laissent le système s'occuper du sale boulot.
C'est une bien meilleure répartition des rôles. L'humain formule l'intention. Le modèle remet la ponctuation, enlève les scories évidentes, resserre le texte et l'adapte à la tâche. Le logiciel devrait assumer ce rôle au lieu de faire comme si la transcription brute était intouchable.
C'est encore plus vrai avec les workflows IA
Plus on travaille avec l'IA, plus cette couche devient décisive. Une idée dictée à la va-vite peut devenir un bon prompt, un mail correct, un résumé utile, une note exploitable ou une instruction rapide pour un autre modèle. Mais ça ne marche que si la sortie est déjà à peu près propre. Sinon, la voix accélère la capture et tout le temps gagné repart dans la mise au propre.
Voilà pourquoi je ne juge pas un outil de dictée uniquement sur la vitesse de capture. Je veux une saisie rapide, un nettoyage intelligent, une sortie adaptée au contexte et le moins d'allers-retours possible entre les outils. Je n'ai aucune envie d'ouvrir cinq interfaces juste pour obtenir un texte utilisable.
Où MachinesFluent essaie d'être utile
MachinesFluent est né exactement de ce manque. Je ne voulais pas d'un outil qui se contente de transcrire. Je voulais pouvoir parler dans n'importe quelle appli Windows, puis nettoyer, restructurer et transformer le résultat sans casser mon flux de travail ni me retrouver enfermé dans une pile rigide.
C'est une ambition différente de la simple dictée, et honnêtement c'est la seule qui me semble encore sérieuse aujourd'hui. Dès qu'on prend l'habitude de parler au lieu de taper, la vraie question arrive presque tout de suite : oui, le logiciel m'a entendu, mais est-ce qu'il m'a aidé à finir la pensée ?
Poursuivre le fil
Ce texte parle de la mise au propre. Côté entrée, lire La vraie latence, c'est celle du clavier. Pour le versant confidentialité et hors ligne, lire Le local change la nature du risque.
Télécharger MachinesFluent si vous voulez un flux Windows qui capte la voix, nettoie le texte et le traite sans multiplier les outils.