Les captures montrent les pages officielles à la date indiquée et peuvent différer de celles de la publication. Sélectionnez une image pour l’agrandir.
Le 10 novembre 2026, ElevenLabs, spécialiste de l'IA vocale, a lancé « Scribe v3 », une IA qui transcrit la parole en texte. Elle existe en deux versions : Scribe v3 pour les enregistrements, et « Scribe v3 Live », une version en temps réel qui transcrit sur le moment, par exemple une conversation.
Une précision nettement améliorée
Selon ElevenLabs, Scribe v3 commet 27 % d'erreurs de mots en moins que la précédente Scribe v2. Cette comparaison a porté sur 102 langues, et la précision a progressé dans toutes les langues testées, d'après l'entreprise. Par langue, les erreurs ont baissé de 42 % en allemand, de 35 % en espagnol, de 23 % en anglais et de 28 % en thaï. La précision pour distinguer qui parle dans un enregistrement à plusieurs voix s'est aussi améliorée : dans les conversations à trois personnes ou plus, les erreurs ont diminué de 17 %.
Scribe v3 Live, la version en temps réel, commet 43 % d'erreurs de moins que la précédente version en temps réel parmi celles qui changent le sens. Pour la première fois, elle sait aussi distinguer les locuteurs en temps réel. Sur la partie en anglais des données d'évaluation propres à ElevenLabs, son taux d'erreur sur l'identification des locuteurs est de 3,1 %, inférieur à celui des autres modèles en temps réel testés par ElevenLabs (de 5,9 à 7,3 %).
Principales fonctions
Voici les principales fonctions. Les trois premières concernent Scribe v3, la version pour les enregistrements.
- On peut enregistrer jusqu'à 1 000 termes spécialisés ou noms propres pour qu'ils soient plus facilement transcrits correctement (la version en temps réel dispose d'un mécanisme permettant d'en enregistrer davantage)
- On peut choisir d'écrire les nombres en chiffres ou en toutes lettres
- On peut indiquer en langage courant comment mettre en forme la transcription, par exemple « mets-la au format… »
- La version en temps réel gère les conversations où la langue change au milieu d'une phrase
- Pour savoir si la personne a fini de parler, elle s'appuie non seulement sur les silences mais aussi sur le fil de la conversation
Les comparaisons de précision ont été mesurées par ElevenLabs elle-même.
Où l'utiliser
Scribe v3 et Scribe v3 Live sont devenus les modèles par défaut dans les applications ElevenLabs. Les développeurs peuvent basculer simplement en changeant le nom du modèle indiqué dans l'API. Scribe v3 Live est aussi disponible dans le service d'ElevenLabs qui permet de créer des agents d'IA conversationnels.
Pour les entreprises, ElevenLabs propose notamment un réglage qui ne conserve pas les données, un traitement dans des environnements isolés dans l'UE, en Inde ou à Singapour en plus des États-Unis par défaut, et des contrats conformes à la réglementation américaine sur les données de santé (HIPAA). Les tarifs ne figurent pas dans l'annonce et sont à vérifier sur la page tarifaire d'ElevenLabs.
Le regard de CoAI
ElevenLabs est surtout connue pour la synthèse vocale, mais elle met désormais aussi en avant la précision de sa transcription. L'entreprise affirmant que la précision a progressé dans 102 langues, on peut s'attendre à des progrès pour transcrire des enregistrements de réunions ou d'interviews, y compris en japonais. L'annonce ne précise toutefois pas l'ampleur de l'amélioration pour le japonais : le plus sûr est de l'essayer sur de vrais enregistrements.
