Les responsables avaient besoin de comptes rendus, mais les échanges confidentiels ne pouvaient pas être envoyés à une
IA publique et la transcription manuelle prenait du temps.
Une application de bureau macOS et Windows a été créée avec Tkinter/ttk. Apple Silicon utilise MLX Whisper ; Intel Mac et Windows utilisent Faster Whisper avec CTranslate2 sur CPU. L’utilisateur choisit un fichier, une langue et le format TXT/SRT. Les tâches en arrière-plan gardent une interface réactive et affichent la progression et les erreurs détaillées. Le premier lancement télécharge les dépendances et le modèle ; les traitements suivants sont locaux.
La pile comprend Python 3.10+, Hugging Face Hub pour télécharger et mettre en cache les modèles, et FFmpeg pour lire l’audio/vidéo (installé via Homebrew si nécessaire sur macOS). Apple Silicon utilise mlx-community/whisper-large-v3-turbo ; le mode CPU utilise Faster Whisper, CTranslate2 et large-v3-turbo. La progression totale tient compte de la taille des fichiers et ne repart pas de zéro entre eux. Le traitement tourne dans des tâches en arrière-plan avec une file d’événements GUI ; les erreurs affichent la sortie du processus et un traceback Python complet, copiable.
Selon les éléments du cas, une heure de réunion est transcrite en 3–5 minutes au lieu de 1–2 heures de travail manuel. L’audio est traité localement ; le dossier indique aussi 6–8 heures de prise de notes économisées par équipe et par semaine.
| Indicateur | Résultat |
|---|---|
| Transcription d’un enregistrement d’une heure | 1–2 h manuelles → 3–5 min automatiques |
| Audio envoyé à des services externes | 0 octet |
| Prise de notes par équipe et par semaine | 6–8 h → quelques minutes de vérification |
| Windows sans GPU | Traitement sur CPU (CTranslate2) |
Les délais et les économies de temps sont indiqués dans les documents du cas ; les performances réelles dépendent de l’enregistrement et de l’ordinateur.