Transcription locale ou cloud : ce qui quitte vraiment votre téléphone

Toute application de reconnaissance vocale sur iPhone qui n'embarque pas son propre modèle appelle la même chose en dessous : le framework Speech d'Apple. Ce framework a deux modes, et l'écart entre les deux constitue toute la question de la confidentialité.

Les deux modes, concrètement

Une requête de reconnaissance sur iOS porte un indicateur qui demande la reconnaissance sur l'appareil. Quand il est activé, l'audio est traité par un modèle déjà présent sur votre téléphone, téléchargé avec les ressources de la langue. Rien ne sort par le réseau : la requête aboutit en mode Avion.

Quand cet indicateur est désactivé, l'audio est transmis au service de reconnaissance vocale d'Apple, transcrit là-bas, et le texte revient. C'est la voie historique et, pour beaucoup de langues, encore la plus précise, car le modèle serveur est bien plus gros que tout ce qui tient dans la mémoire d'un téléphone.

Le piège : cet indicateur est une demande, pas une garantie. Si la langue demandée n'a pas de modèle local installé, la requête locale échoue tout simplement ou revient vide. L'application a alors le choix : vous signaler l'échec, ou réessayer silencieusement côté serveur.

Ce qui détermine laquelle tourne

La couverture linguistique

Apple propose la reconnaissance locale pour une partie seulement des langues qu'il prend en charge. Les plus répandues — anglais, espagnol, français, allemand, mandarin, japonais — ont un modèle local sur le matériel actuel. Les langues moins diffusées et certaines variantes régionales n'existent qu'en serveur. Cette liste bouge d'une version d'iOS à l'autre et aucune app ne la contrôle.

Le fait que la ressource soit téléchargée

Prise en charge ne veut pas dire installée. Le modèle local d'une langue arrive quand le système décide de le récupérer, ce qui suppose en pratique d'avoir ajouté cette langue au clavier ou à la dictée et d'avoir laissé le téléphone un moment en Wi-Fi. Un téléphone fraîchement réinitialisé peut être « pris en charge » sans rien avoir de local à exécuter.

La qualité et la durée de l'audio

Les modèles locaux sont plus petits et moins tolérants. Un audio faible, lointain, très accentué ou bruité que le serveur traite peut revenir vide du modèle local. Les fichiers longs sont découpés en segments, et un segment donné peut échouer pendant que les autres passent.

Comment savoir laquelle a réellement tourné

Presque aucune app ne l'affiche. Le test fiable prend trente secondes et n'oblige à croire le discours commercial de personne :

• Activez le mode Avion et vérifiez que le Wi-Fi est bien coupé aussi.
• Enregistrez un extrait court et lancez la transcription.
• Si du texte revient, il a été produit sur votre appareil. Il n'y avait aucun réseau à utiliser.
• Si rien ne revient, ou si une erreur apparaît, cette langue ou cet audio partaient vers le serveur.

Refaites-le langue par langue. Le résultat en français ne vous dit rien du résultat en ukrainien.

Ce qui est réellement transmis côté serveur

Quand la voie serveur est empruntée, c'est l'audio qui part — pas un résumé, pas seulement le texte. Apple le documente dans le cadre de son framework Speech et de ses mentions de confidentialité, et c'est le même service qui a toujours alimenté la dictée du clavier. C'est une voie Apple, pas un tiers, mais « Apple » n'est pas synonyme de « local », et on confond les deux en permanence dans les descriptions d'applications.

Méfiez-vous de toute app qui annonce « entièrement sur l'appareil » sans nuancer par langue. Si elle utilise le framework Speech et gère quarante langues, elle n'est pas entièrement locale sur les quarante : soit elle échoue sur le reste, soit elle bascule.

Comment Voice Studio procède

Voice Studio utilise le framework Speech et tente toujours la voie locale en premier. Si cette passe revient vide ou échoue, il réessaie le même audio sans l'indicateur de reconnaissance locale, ce qui signifie que l'audio part vers le service vocal d'Apple lorsque vous êtes connecté. Ce repli existe parce que l'alternative consiste à vous rendre une transcription vide, et une transcription vide est ce que les gens signalent comme « l'app ne marche pas ».

Nous préférons le dire clairement plutôt que promettre une garantie que nous ne pouvons pas tenir. Si vous avez besoin de certitude sur un enregistrement précis, transcrivez-le en mode Avion : le repli n'a aucun réseau à joindre, donc soit le modèle local s'en sort, soit vous n'obtenez rien — et dans les deux cas rien n'a été envoyé. En dehors de cette voie, Voice Studio n'a ni compte, ni serveur à nous, ni SDK d'analyse ; les enregistrements et les transcriptions restent dans le stockage propre de l'app, sur l'appareil.

Questions fréquentes

La transcription locale fonctionne-t-elle en mode Avion ?

Oui, pour les langues dont le modèle local est installé sur le téléphone. C'est précisément ce qui fait du mode Avion un bon test : si du texte revient sans réseau, il a été produit localement.

Envoyer l'audio aux serveurs d'Apple, est-ce comme l'envoyer à un tiers ?

C'est un service d'Apple lui-même, le même que derrière la dictée du clavier. Ce n'est pas une entreprise extérieure, mais l'audio quitte bien votre appareil : ce n'est donc pas local non plus.

Une app peut-elle rester en local et ne jamais basculer ?

Techniquement oui : elle peut demander la reconnaissance locale et se contenter de signaler l'échec au lieu de réessayer. Le prix, ce sont des transcriptions vides pour toute langue ou tout audio que le modèle local ne gère pas.

Voice Studio envoie-t-il mes enregistrements sur un serveur à lui ?

Non. Voice Studio n'a ni compte ni serveur à nous. La seule voie par laquelle l'audio quitte l'appareil est le service vocal d'Apple, en repli, comme décrit ci-dessus.