Si vous animez un balado, vous connaissez déjà le calcul. Enregistrer un épisode prend une heure. Monter l’audio en prend une ou deux autres. Et puis il y a la partie dont personne ne parle dans les congrès de baladodiffusion : transformer cet épisode en tout le reste.
Notes d’épisode. Billets de blogue. Contenu d’infolettre. Extraits pour les réseaux sociaux. Livrables pour les commanditaires. Sous-titres d’audiogrammes. Marqueurs de chapitres. Descriptions SEO.
La majeure partie de ce travail commence par une transcription. Et la plupart des transcriptions sont presque inutilisables à l’état brut.
La transcription brute d’une conversation de balado est truffée de mots de remplissage, de phrases inachevées, d’artefacts de paroles qui se chevauchent, de sujets qu’on recommence et de ce genre de détours verbaux qui semblent parfaitement naturels à l’écoute, mais qui ont l’air d’un fouillis à l’écran. Le terme consacré dans l’industrie est « transcription intégrale », et il existe pour vous donner bonne conscience de payer pour quelque chose que vous passerez de toute façon deux heures à réécrire.
La vraie question n’est pas « quel outil de transcription est le plus précis ». C’est « quel outil me donne un texte que je peux vraiment utiliser sans passer tout mon après-midi à l’éditer ».
Le vrai coût des transcriptions brutes
Mettons des chiffres là-dessus. Un épisode de balado de 60 minutes produit environ 8 000 à 10 000 mots de transcription brute. Le nettoyer pour en faire des notes d’épisode utilisables — retirer les mots de remplissage, resserrer les phrases, extraire les citations clés, restructurer le tout dans un format lisible — prend de 2 à 5 heures selon l’épisode et vos exigences.
Si vous publiez chaque semaine, c’est de 100 à 250 heures par année consacrées au nettoyage de transcriptions. Même à un tarif de pigiste modeste, ça représente de 2 500 $ à 12 500 $ de votre temps.
Certains baladodiffuseurs confient cette tâche à des monteurs ou à des adjoints virtuels. Ça fonctionne, mais un travail de qualité coûte de 50 $ à 200 $ par épisode. Et ça ajoute un délai : vous attendez que quelqu’un d’autre ait terminé avant de pouvoir publier vos notes d’épisode ou réutiliser le contenu.
D’autres sautent carrément cette étape et publient des transcriptions brutes. Vous en avez déjà vu : des murs de texte où chaque « euh », « tsé » et « en gros » est resté intact. Elles sont techniquement accessibles, mais personne ne les lit. Elles ne servent ni votre auditoire ni votre référencement.
Ce qui existe aujourd’hui
Voici à quoi ressemble le paysage actuel, et ce que chaque outil vous donne réellement :
Descript (24 $/mois)
Descript est un puissant outil de montage audio et vidéo qui inclut la transcription. Il est conçu pour l’ensemble du flux de montage : vous montez votre audio en modifiant le texte, ce qui est franchement ingénieux. La précision de la transcription est bonne, et vous pouvez exporter des scripts soignés.
Le hic : Descript est une suite de montage, pas un outil de transcription. À 24 $/mois, vous payez pour le montage multipiste, l’enregistrement d’écran, le clonage vocal par IA et une douzaine de fonctionnalités dont vous n’avez peut-être pas besoin si vous avez déjà un flux de montage audio. Si tout ce que vous voulez, c’est « donnez-moi un texte propre à partir de mon épisode », c’est cher pour cette tâche précise.
Otter.ai (16,99 $/mois pour Pro)
Otter est conçu pour la transcription de réunions : identification des interlocuteurs, sous-titres en direct, notes collaboratives. Il fonctionne pour la transcription de balados, mais le résultat est optimisé pour « qui a dit quoi » plutôt que pour « transformer ceci en article lisible ».
Le hic : Otter vous donne une transcription intégrale avec les noms des interlocuteurs. Le texte lui-même est brut : mots de remplissage, faux départs et grammaire orale intacts. Vous devez encore le réécrire en notes d’épisode. Il fonctionne aussi uniquement dans le nuage, ce qui signifie que l’audio de votre épisode non publié se retrouve sur les serveurs d’Otter.
Rev (0,25 $/minute pour l’IA, 1,50 $/minute pour un humain)
Rev offre la transcription par IA et par des humains. L’option humaine produit des transcriptions vraiment propres : c’est la référence en matière de précision. L’option IA est moins chère, mais produit un résultat brut semblable à celui des autres outils automatisés.
Le hic : Un épisode de 60 minutes coûte 15 $ en transcription par IA (brute) ou 90 $ en transcription humaine (propre). À raison d’un épisode par semaine, c’est de 60 $ à 360 $ par mois. La transcription humaine prend aussi de 12 à 24 heures à livrer.
Sous-titres automatiques gratuits (YouTube, Spotify, Apple)
Les trois grandes plateformes de baladodiffusion offrent maintenant des transcriptions générées automatiquement. Elles sont gratuites, automatiques et… passables. La précision va de correcte à gênante selon la qualité audio, les accents et la terminologie technique.
Le hic : Ce sont des fonctionnalités d’écosystèmes fermés. Vous obtenez une transcription dans YouTube Studio ou Spotify for Podcasters, mais l’exporter pour la réutiliser est laborieux, voire impossible. Le texte est brut et non peaufiné. Et la transcription est générée sur leurs serveurs avec leurs modèles, donc votre contenu non publié transite par leur infrastructure.
Ce qui distingue le peaufinage par IA
Voici la lacune de tous les outils ci-dessus : ils vous donnent tous une transcription. Aucun ne vous donne du texte.
Une transcription est un compte rendu de ce qui a été dit. Un texte, c’est quelque chose que quelqu’un aurait envie de lire.
La différence, c’est une couche de peaufinage par IA qui prend la parole brute et la transforme en prose écrite. Pas seulement retirer les « euh » et les « hum » — ça, c’est la base. Une véritable transformation : restructurer les phrases orales en phrases écrites, condenser les digressions, préserver le sens tout en passant de l’audio à l’écrit.
C’est ce que fait Verity. Vous lui fournissez de l’audio (en dictant en direct ou en important un fichier) et, au lieu d’une transcription brute, vous obtenez un texte peaufiné qui se lit comme si quelqu’un l’avait écrit. Parce que, dans les faits, c’est le cas : le modèle de peaufinage est entraîné pour faire le travail que fait votre cerveau d’éditeur quand vous vous assoyez pour réécrire une transcription. (Pour en savoir plus sur les gains de vitesse, consultez comment dicter plus vite que vous ne tapez.)
L’avantage des personas pour les créateurs de contenu
Le système de personas de Verity est particulièrement utile aux baladodiffuseurs, parce que vous avez besoin de résultats différents à partir du même matériel source :
- Persona décontractée pour les publications sur les réseaux sociaux et les introductions d’infolettre. Elle garde votre voix naturelle — les « honnêtement » et les « voici le truc » que votre auditoire reconnaît comme étant vous. Elle retire les véritables disfluences (bégaiements, faux départs, tics verbaux), mais préserve votre style authentique.
- Persona formelle pour les livrables des commanditaires, les communiqués de presse et les billets de blogue. Elle restructure vos paroles en prose professionnelle. Mêmes idées, registre différent.
Même épisode. Même audio. Deux résultats différents, optimisés pour deux destinations différentes. Aucune réécriture nécessaire.
Le flux de travail du baladodiffuseur
Voici à quoi ressemble un flux de réutilisation de contenu avec une transcription peaufinée :
1. Enregistrez votre épisode. Rien ne change ici.
2. Importez l’audio dans Verity. Glissez-déposez le fichier, ou dictez vos notes d’épisode en direct pendant qu’elles sont fraîches.
3. Choisissez votre persona et obtenez un texte peaufiné. Décontractée pour le contenu social, formelle pour les billets de blogue et les notes d’épisode. Le résultat est un texte propre et lisible — pas une transcription que vous devrez passer deux heures à réécrire.
4. Prenez ce dont vous avez besoin. Les citations clés sont déjà lisibles. Les notes d’épisode sont pratiquement terminées. Les extraits pour les réseaux sociaux sont prêts à copier-coller. Les sections d’infolettre peuvent être reprises telles quelles.
5. Publiez. Les 2 à 5 heures de nettoyage de transcription disparaissent. Vous passez de l’audio brut au contenu publié en une fraction du temps.
Pour la préproduction aussi
Verity ne sert pas qu’à la postproduction. Beaucoup de baladodiffuseurs dictent les plans d’épisode, les points de discussion et les notes de recherche avant d’enregistrer. Dire vos notes de préparation à voix haute est plus rapide que de les taper, et le peaufinage par IA transforme une planification au fil de la pensée en plans structurés.
Si vous faites des pré-entrevues ou des appels de recherche, dicter vos notes tout de suite après la conversation permet de capter des détails que vous auriez oubliés au moment de vous asseoir pour les taper.
Comparaison des coûts
| Outil | Coût mensuel | Ce que vous obtenez | Édition encore nécessaire? |
|---|---|---|---|
| Descript | 24 $/mois | Suite de montage complète + transcription | Modérée (texte plus propre, mais grammaire encore orale) |
| Otter.ai Pro | 16,99 $/mois | Transcription de réunions avec noms des interlocuteurs | Importante (résultat intégral brut) |
| Rev IA | ~60 $/mois (épisodes hebdomadaires de 60 min) | Transcription par IA | Importante (résultat brut) |
| Rev humain | ~360 $/mois (épisodes hebdomadaires de 60 min) | Transcription nettoyée par un humain | Légère (bonne qualité, mais générique) |
| Sous-titres automatiques des plateformes | Gratuit | Transcription de base verrouillée dans la plateforme | Importante (brute, difficile à exporter) |
| Verity | Gratuit pendant le lancement | Texte peaufiné par IA avec modes de persona | Minimale (résultat prêt à utiliser) |
Le calcul est simple. Verity est gratuit pendant le lancement — toutes les fonctionnalités incluses, sans carte de crédit. Mais la vraie économie n’est pas le prix : ce sont les 2 à 5 heures par semaine que vous ne passez plus à réécrire des transcriptions.
Confidentialité du contenu non publié
Une chose à laquelle les baladodiffuseurs pensent rarement : quand vous téléversez l’audio d’un épisode vers un service de transcription infonuagique avant sa publication, votre contenu non publié se retrouve sur les serveurs de quelqu’un d’autre. Pour la plupart des baladodiffuseurs indépendants, le risque est faible. Pour ceux qui couvrent l’actualité de dernière heure, mènent des entrevues sensibles ou produisent du contenu sous entente de confidentialité (balados de marque, émissions d’entreprise), ça compte.
Verity transcrit sur une infrastructure que nous exploitons nous-mêmes : votre audio n’est jamais confié à un fournisseur d’IA tiers, et il est supprimé dès que la transcription est terminée (tous les détails de l’architecture). Rien n’est conservé, journalisé ni utilisé pour l’entraînement, donc une entrevue sous embargo ne dort pas dans le compartiment de stockage d’un fournisseur en attendant d’être exploitée. Elle est diffusée, transcrite, puis disparaît.
En résumé
Le marché de la transcription de balados est coincé dans un faux dilemme : payer cher pour un nettoyage de qualité humaine, ou payer moins pour des transcriptions brutes que vous passerez des heures à réécrire.
Le peaufinage par IA est la troisième option. Une reconnaissance vocale précise combinée à un nettoyage par IA produit un texte qui se lit comme si quelqu’un l’avait écrit — parce que, dans les faits, quelque chose l’a écrit. L’étape d’édition ne devient pas plus rapide. Elle disparaît.
Pour un baladodiffuseur hebdomadaire, ce sont de 100 à 250 heures par année qui vous sont rendues. Consacrez-les à faire de meilleurs épisodes, à faire grandir votre auditoire, ou simplement à ne pas passer votre dimanche soir à réécrire des notes d’épisode.
De l’enregistrement aux notes d’épisode — sans l’édition
Un peaufinage par IA qui sonne comme si vous l’aviez écrit · Importez des fichiers audio · Conçu pour Mac, Windows et Linux
Commencer gratuitement