Un cours de deux heures à remettre au propre, une réunion enregistrée, une conférence que vous n’avez pas envie de réécouter trois fois ? Gemini peut transformer directement un fichier audio en texte.
Deux solutions existent chez Google. Gemini est la plus simple pour les petits enregistrements. Google AI Studio avec Gemini 3.8 Flash devient beaucoup plus intéressant dès que l’audio dure plusieurs dizaines de minutes.
Les modeles Gemini permettent aussi de faire de la diarisation , c’est à dire il détecte et sépare dans la transcription les différentes voix et attribuer chaque intervention à Intervenant 1, Intervenant 2, etc.
C’est particulièrement utile pour une réunion ou une interview, même si l’identification peut devenir moins fiable lorsque plusieurs personnes parlent en même temps ou lorsque les voix sont proches.
Et bonne nouvelle : tout le calcul se fait en ligne. Un petit PC ou même un téléphone suffit.
Comment transcrire un fichier audio avec Gemini
La méthode la plus simple consiste à ouvrir Gemini, puis à cliquer sur Ajouter des fichiers et sélectionner votre MP3, M4A, WAV ou autre fichier audio.
Vous pouvez ensuite écrire :
Transcris intégralement cet enregistrement en français.
Ne résume pas et ne reformule pas.
Respecte les propos et sépare le texte en paragraphes.
Détecte les différents locuteurs grâce à leur voix et sépare leurs interventions. Identifie-les sous la forme Intervenant 1, Intervenant
Pour améliorer le résultat, vous pouvez indiquer dans le prompt les noms des participants , les noms propres , les sigles et quelques mots techniques susceptibles d’être prononcés. Vous pouvez aussi lui donner le contexte qui l’aidera à choisir les bon mots en cas de doute.
Une fois l’audio transcrit, il peut également :
- faire un résumé ;
- extraire les décisions ou les tâches ;
- transformer un cours en fiche de révision ;
- retrouver un passage précis ;
- reformuler ou traduire le contenu.
La principale limite de Gemini vient de la durée du fichier.
Avec Gemini gratuit : jusqu’à 10-20 minutes d’audio au total.
Avec Google AI Pro ou Google AI Ultra : jusqu’à 3 heures d’audio au total.
Pour les fichiers audio, Google impose également une taille maximale de 100 Mo par fichier. Jusqu’à 10 fichiers peuvent être ajoutés à une même demande, dans la limite de durée globale.
Pour une note vocale ou une petite réunion, Gemini gratuit suffit. Pour un cours d’une heure, la limite de 10 minutes devient vite bloquante.
C’est là que Google AI Studio devient intéressant.
Google AI Studio pour transcrire plusieurs heures d’audio
Google AI Studio permet d’utiliser directement les modèles Gemini avec davantage de réglages.
Pour une transcription classique, je recommande le dernier modele Gemini Flash ( actuellement Gemini 3.8 Flash )
Le modèle accepte l’audio et possède une fenêtre d’entrée de 9,5 heures d’audio (1 048 576 jetons) et une sortie textuel maximale correspondant à 5h de transcription (65 536 jetons).
Réglages Gemini 3.8 Flash pour une longue transcription
Une transcription est une tâche particulière : le modèle doit surtout écouter et restituer. Il n’a pas besoin de mener un raisonnement complexe, de chercher sur Internet ou d’exécuter du code.
Je conseille donc dans Google AI Studio :
Modèle : Dernier modèle Gemini Flash ( Gemini 3.8 Flash )
Thinking : Low
Tools : tous désactivés
Vous pouvez ensuite utiliser un prompt volontairement court :
Transcris intégralement cet enregistrement en français.
Ne résume aucun passage. Ne reformule pas.
Conserve tout le contenu utile et la chronologie de la discussion.
Produis uniquement la transcription.
Détecte les différents locuteurs grâce à leur voix et sépare leurs interventions. Identifie-les sous la forme Intervenant 1, Intervenant 2, etc. lorsque leur nom n’est pas connu.
Avec ces réglages, j’ai pu obtenir des transcriptions de l’ordre de 2 à 3 heures en une seule génération.
Si votre transcription n’est pas complète , il suffit de lui demander de continuer : « fait la suite de la transcription »
Google AI Studio est-il gratuit pour la transcription audio ?
C’est presque l’impression qu’il donne pour cet usage.
Gemini 3.8 Flash est actuellement disponible gratuitement dans Google AI Studio, avec entrée et sortie gratuites dans le Free Tier.
Il n’existe cependant pas une enveloppe officielle simple du type 10 heures gratuites par mois. Pour quelques cours ou réunions par jours, AI Studio peut donc donner l’impression d’être pratiquement illimité.
Pour transcrire industriellement des dizaines d’heures chaque jour, ce n’est pas le cas.
Il existe aussi une différence importante concernant les données : Google indique que les contenus du niveau gratuit peuvent être utilisés pour améliorer ses produits, alors que ce n’est pas le cas du niveau payant.
Pour un entretien confidentiel, un dossier médical ou des données concernant un enfant identifiable, mieux vaut donc être prudent. Le guide Dysclick IA et confidentialité : comment protéger vos données revient sur ces précautions.
Gemini 3.5 Transcribe : diarisation et horodatage
Google propose depuis août 2026 Gemini 3.5 Transcribe dans google Ai studio, un modèle spécialisé dans la transcription. Il apporte des fonctions intéressantes comme la séparation des locuteurs, les horodatages mot par mot et le vocabulaire personnalisé.
Il est toutefois limité à 1 heure d’audio par requête, ou seulement 30 minutes lorsque la séparation des locuteurs ou les horodatages mot par mot sont activés.
Pour une transcription brute de deux ou trois heures, Gemini 3.8 Flash reste donc plus pratique. Pour une interview où il faut identifier précisément chaque intervenant et retrouver chaque phrase dans l’enregistrement, le modèle Transcribe devient plus pertinent.
Quelle qualité de transcription avec un audio difficile ?
Lors de mes tests avec Gemini 3.8 Flash, la qualité de transcription m’a surpris. J’ai utilisé des enregistrements avec du bruit ambiant, des personnes éloignées du micro et des différences de volume. Malgré cela, le texte restait généralement très exploitable.
Gemini peut aussi reconnaître les différentes voix et séparer les interventions sous la forme Intervenant 1, Intervenant 2, etc.
Transcrire un audio hors ligne pour protéger ses données
Gemini a un gros avantage : votre PC ne travaille quasiment pas. Même une petite machine peut traiter plusieurs heures d’audio puisque les calculs sont effectués chez Google.
La contrepartie est évidente : le fichier est envoyé sur les serveurs de Google.
Pour travailler complètement hors ligne, Vibe est une excellente alternative gratuite pour transcrire des fichiers audio. Il fonctionne sous Windows, macOS et Linux avec des modèles de reconnaissance vocale installés localement.
Le traitement dépend alors de la puissance de votre ordinateur. Une longue transcription sera beaucoup plus lente sur un petit PC, mais l’enregistrement reste chez vous.
Handy est également gratuit et local, mais répond davantage à un autre usage : la dictée vocale en direct. Vous parlez et le texte s’insère directement dans Word, un navigateur ou une autre application.
Gemini, AI Studio ou Vibe : quel outil choisir ?
Pour moins de 10 minutes, Gemini gratuit est le plus simple.
Pour un cours ou une réunion de 20 minutes à 2 ou 3 heures, mon choix va aujourd’hui à Google AI Studio avec Gemini 3.8 Flash, Thinking sur Low et tous les tools désactivés.
Pour une transcription nécessitant des locuteurs et des horodatages précis, Gemini 3.5 Transcribe est plus spécialisé, mais impose des fichiers plus courts.
Et lorsque l’enregistrement doit absolument rester confidentiel, Vibe reste le meilleur choix parmi ces solutions, à condition d’avoir un ordinateur suffisamment puissant.
Pour un élève DYS, un étudiant ou un adulte qui peine à prendre des notes tout en écoutant, la transcription automatique peut surtout changer une chose : permettre de se concentrer sur ce qui est dit, puis revenir ensuite tranquillement sur le texte.
Partagez :
Comment transcrire un audio avec Gemini et AI studio gratuitement
Aménagements scolaires TDAH : ce qui aide les enfants en classe
