Transcrire sans envoyer l’audio chez un tiers ? C’est l’intérêt de faster-whisper (et stacks voisines) sur une machine maîtrisée. Ce tutoriel couvre l’installation de principe, la transcription, la question délicate de la diarisation, le résumé par LLM local, et la précision en français — avec un angle concret pour les conseils municipaux et réunions structurées en Hauts-de-France. La promesse « zéro donnée dehors » ne tient que si toute la chaîne reste locale et que les fichiers sont gérés proprement.
Cadre avant la technique (conseils municipaux et assos)
Dans une salle municipale de l’Aisne ou du Pas-de-Calais, un enregistrement de séance soulève des questions de statut, de publicité des débats, et de droits des personnes. Ce tutoriel ne remplace pas le secrétariat de mairie ni un conseil juridique. Il pose des principes : informer les présents, limiter la finalité (aide à la rédaction du compte rendu), restreindre l’accès, définir une durée de conservation, éviter les sous-traitants audio non validés.
Pour une association culturelle à Cambrai, le ton est plus souple, mais les voix restent des données identifiantes. Demandez l’accord, surtout si des mineurs ou des situations sociales sensibles peuvent être évoqués.
Préparez un cartouche en tête de chaque fichier texte : date, organe, mention « brouillon non validé », auteur de la correction. Ce cartouche voyage avec le document et évite qu’un résumé IA soit pris pour un procès-verbal. C’est peu de travail pour beaucoup de clarté.
Dans une salle municipale bruyante, un second micro de secours et un test de trente secondes avant séance évitent le drame du fichier inutilisable. La technique de transcription ne rattrape pas un silence ou un grésillement massif sur les débats essentiels.
Si vous mutualisez un serveur de transcription entre plusieurs communes, contractualisez les accès et les horaires. La mutualisation n’autorise pas la curiosité : un opérateur d’une commune ne lit pas l’audio d’une autre sans cadre.
Prévoyez une fiche d’incident simple : qui a détecté le problème, quel fichier est concerné, quelle action d’effacement ou de confinement a été menée, qui a été informé. Cette fiche évite les récits contradictoires après coup et sert aussi de matériel pédagogique pour le prochain atelier régional.
Installer faster-whisper (principe)
Prérequis habituels : Python, environnement virtuel, dépendances listées par le projet faster-whisper au moment de l’install. Un GPU est souvent conseillé pour les longs fichiers ; des essais CPU existent pour des extraits courts. Les commandes exactes et versions de paquets évoluent : suivez le dépôt officiel et notez les versions dans votre cahier d’atelier.
Découpez le travail : machine de transcription dédiée ou compte dédié, dossier d’entrée, dossier de sortie, pas de synchronisation cloud automatique sur ces dossiers.
Transcrire un enregistrement
Exportez l’audio dans un format simple (wav/flac selon votre chaîne). Lancez la transcription en français. Relisez systématiquement les noms d’élus, les montants, les dates de délibération. La transcription est un brouillon riche, pas l’acte.
# Environnement virtuel conseillé — vérifiez les versions actuelles
# pip install faster-whisper # (ou consignes officielles du jour)
from faster_whisper import WhisperModel
# Choisir device/compute_type selon votre machine (doc du projet)
model = WhisperModel("small", device="cpu", compute_type="int8")
segments, info = model.transcribe(
"reunion_demo.wav",
language="fr",
vad_filter=True,
)
with open("reunion_demo.txt", "w", encoding="utf-8") as out:
out.write(f"# langue détectée: {info.language}\n\n")
for seg in segments:
out.write(f"[{seg.start:.1f}-{seg.end:.1f}] {seg.text.strip()}\n")
# Ensuite : correction humaine des noms propres avant résumé LLMDiarisation : utile, imparfaite
Séparer les intervenants (qui parle) demande souvent des composants supplémentaires, des modèles dédiés, parfois des contraintes licences et matérielles. Les libellés et recettes changent. Traitez la diarisation comme une proposition : vérifiez avant publication. En conseil municipal, attribuer une phrase au mauvais élu est un incident politique autant que technique.
Si la diarisation est trop fragile, restez sur une transcription linéaire horodatée et laissez le secrétaire identifier les voix. Mieux vaut un processus sobre qu’une démo brillante et fausse.
| Niveau | Livrable | Point de vigilance |
|---|---|---|
| A — Transcription simple | Texte horodaté | Noms et chiffres à corriger |
| B — + diarisation | Blocs par locuteur estimé | Erreurs d’attribution |
| C — + résumé LLM local | Synthèse structurée | Oublis et inventions du résumé |
Résumer avec un LLM local
Une fois le texte corrigé, un modèle local peut proposer : décisions, actions, sujets reportés. Fournissez une consigne stricte : « n’invente aucune décision absente du texte ». Comparez au déroulé réel. Le résumé aide le secrétariat ; il ne le remplace pas. Pour brancher ensuite une automatisation de classement, voyez n8n + Ollama.
Précision en français : protocole de mesure
Constituez un extrait de cinq minutes avec vérité terrain (votre relecture soignée). Comparez aux sorties de différentes tailles de modèle. Notez les erreurs sur toponymes et sigles. N’affichez pas de score national inventé : gardez vos mesures pour choisir la taille de modèle qui convient à votre salle et à votre micro.
RGPD-friendly : principes opérationnels
Données qui restent sur la machine : avantage de maîtrise, à condition que la machine soit sécurisée (comptes, disque, sauvegardes). Minimisation : effacez l’audio si seul le compte rendu validé doit vivre. Sous-traitance : si un prestataire héberge le serveur de transcription, contractualisez et informez selon votre analyse. Pas d’article inventé ici : appuyez-vous sur votre référent.
Angle conseil municipal : alignez-vous sur les pratiques déjà en vigueur pour enregistrements et comptes rendus. L’outil ne crée pas un droit nouveau de tout capturer.
Lien avec la voix interactive
La dictée courte dans le chat (Whisper dans Open WebUI) et la transcription de réunion longue partagent des briques, pas le même protocole. Ne recyclez pas un atelier « parler à l’IA » en captation de séance publique sans cadre.
Pas à pas : de l’enregistrement au brouillon de synthèse
Préparer information et consentement
Avant d’armer le micro, dites qui enregistre, pourquoi, où sera traité l’audio, qui y aura accès, combien de temps les fichiers vivront. Offrez un canal pour les questions et notez les objections. En réunion d’asso, reportez l’accord dans le compte rendu. En contexte municipal, suivez le protocole de la collectivité sans improvisation technique. Sans cette étape, la meilleure stack faster-whisper reste une mauvaise pratique. Préparez aussi une fiche « refus d’enregistrement » pour savoir comment continuer la séance autrement. Prenez le temps de documenter ce point dans votre cahier d’atelier avant de passer à l’étape suivante.
Enregistrer un signal exploitable
Choisissez micro central ou cravate selon la salle, testez le niveau, coupez les notifications, nommez le fichier clairement (date, organe, mention brouillon). Évitez les enregistrements parallèles non maîtrisés sur téléphones personnels qui repartent dans des clouds privés. Transférez vers la machine de transcription par un canal interne validé, pas via un service grand public d’envoi de gros fichiers non autorisé. Notez la disposition de salle : un mauvais placement de micro ruinera plus la qualité qu’un modèle trop petit. Prenez le temps de documenter ce point dans votre cahier d’atelier avant de passer à l’étape suivante.
Installer et figer l’environnement
Créez un environnement Python dédié. Installez faster-whisper selon la documentation du jour et notez les versions dans le cahier d’atelier. Faites un essai sur un audio fictif de deux minutes. Vérifiez l’encodage UTF-8 des sorties. Préparez les dossiers entrée/sortie sans synchronisation cloud automatique. Un GPU correctement installé réduira l’attente sur les longs conseils ; mesurez plutôt que de promettre une durée. Documentez la commande exacte qui a fonctionné chez vous pour le prochain secrétaire. Prenez le temps de documenter ce point dans votre cahier d’atelier avant de passer à l’étape suivante.
Transcrire et corriger les entités
Lancez la transcription en français avec vos paramètres retenus. Relisez en vous concentrant sur noms d’élus, mandats, montants, articles de délibération et toponymes. Corrigez le fichier texte et archivez séparément la version brute et la version corrigée. Si vous activez une diarisation, vérifiez chaque changement de locuteur sur un passage sensible avant toute diffusion. Un attribut erroné à un élu est un incident politique : mieux vaut ralentir ici que « gagner » dix minutes. Prenez le temps de documenter ce point dans votre cahier d’atelier avant de passer à l’étape suivante.
Résumer en local avec garde-fous
Passez le texte corrigé à un LLM local avec une consigne d’extraction de décisions et d’actions, interdiction d’inventer, obligation d’écrire « non spécifié » si besoin. Faites relire par le secrétaire. Confrontez aux notes manuscrites. N’exportez le résumé que comme brouillon clairement marqué. Pour automatiser l’envoi du brouillon vers un espace de travail interne, évaluez n8n sans jamais envoyer l’audio hors du périmètre maîtrisé. Prenez le temps de documenter ce point dans votre cahier d’atelier avant de passer à l’étape suivante.
Clôturer : conservation ou effacement
Appliquez la règle écrite : durée de vie de l’audio, du brut, du corrigé, du résumé. Effacez ce qui n’est plus nécessaire et vérifiez les corbeilles et sauvegardes. Restreignez les droits ACL sur ce qui reste. Journalisez qui a lancé la transcription. Faites un retour d’expérience court après deux réunions réelles pour ajuster micro, modèle et checklist — pas pour publier un benchmark. Clôturez aussi le registre des accès occasionnels accordés pour la séance. Prenez le temps de documenter ce point dans votre cahier d’atelier avant de passer à l’étape suivante.
Questions fréquentes
Transcrire sans envoyer l’audio chez un tiers ?
Oui, si faster-whisper (ou équivalent) tourne sur une machine ou un serveur que vous maîtrisez, sans reconnecter l’audio à un SaaS de dictée. Vérifiez aussi les sauvegardes, les synchros de dossiers et les plugins système. La promesse « local » se perd dès qu’un raccourci cloud apparaît dans la chaîne. Documentez le flux pour les élus et les salariés, avec un schéma simple : micro → machine → texte → relecture → brouillon. Prenez le temps de documenter ce point dans votre cahier d’atelier avant de passer à l’étape suivante.
La diarisation est-elle obligatoire ?
Non. Elle aide à la lecture mais introduit des erreurs d’attribution qu’il faut vérifier. Beaucoup de secrétariats s’en passent au début et s’appuient sur l’horodatage plus une relecture humaine. Activez-la seulement si vous avez le temps de contrôler les changements de locuteur. En séance politique, une mauvaise attribution coûte plus cher qu’une transcription linéaire un peu moins confortable à relire. Prenez le temps de documenter ce point dans votre cahier d’atelier avant de passer à l’étape suivante. Prenez le temps de documenter ce point dans votre cahier d’atelier avant de passer à l’étape suivante.
Quel niveau de précision en français ?
Variable selon micro, salle, modèle, accent et jargon administratif. Mesurez sur un extrait de référence interne dont vous connaissez la vérité. Ce tutoriel ne publie pas de taux national. Les sigles de collectivités et les noms de communes demandent une passe humaine systématique. Préparez un lexique local pour les animateurs et tenez-le à jour après chaque séance difficile. Prenez le temps de documenter ce point dans votre cahier d’atelier avant de passer à l’étape suivante. Prenez le temps de documenter ce point dans votre cahier d’atelier avant de passer à l’étape suivante.
Peut-on résumer directement sans corriger ?
Déconseillé fortement. Le résumé amplifie les erreurs de noms et de chiffres et donne une fausse impression de propreté. Corrigez d’abord les entités critiques, puis résumez. Le LLM local doit recevoir un texte déjà assaini. Sinon vous produisez un brouillon doublement fautif, plus difficile à relire, et vous risquez de faire circuler une décision inventée dans la chaîne de validation. Prenez le temps de documenter ce point dans votre cahier d’atelier avant de passer à l’étape suivante. Prenez le temps de documenter ce point dans votre cahier d’atelier avant de passer à l’étape suivante.
Où se former à la pratique ?
Les ateliers IAHDF permettent de tester la chaîne sur des audios fictifs, avec médiation sur le consentement et l’effacement. Voir l’agenda et l’inscription. Pour la dictée interactive courte dans le chat, voix dans Open WebUI. Pour la boussole données, données à ne pas confier. Emportez votre checklist salle et votre lexique local pour les faire relire par un pair. Prenez le temps de documenter ce point dans votre cahier d’atelier avant de passer à l’étape suivante.
Pour aller plus loin
Vous disposez d’une méthode de transcription locale sobre, orientée responsabilité. Affinez micro et checklist plutôt que d’empiler des modules. Prochains ateliers : agenda, inscription, référence croisée données à ne pas confier.