Lancement de Voxtral Transcribe 2 de Mistral AI : Une Révolution Sonore.

ADGO.ca propose des contenus et des recommandations de produits qui sont indépendants sur le plan éditorial. Nous pouvons générer des revenus lorsque vous cliquez sur les liens vers nos partenaires.

Vitesse du son : un bon son

La société française Mistral AI a lancé Voxtral Transcribe 2, une nouvelle gamme de modèles de reconnaissance vocale capable de transcrire “à la vitesse du son”.

Une innovation pour la transcription

Voxtral Transcribe 2 se compose de deux modèles de transcription vocale : l’un pour la transcription en lot, appelé Voxtral Mini Transcribe V2, et l’autre pour des applications en temps réel, Voxtral Realtime. Ces modèles se distinguent par leur qualité de transcription, leur capacité de diarisation et leur latence ultra-faible.

D’après Mistral, Voxtral Realtime utilise une architecture de streaming innovante qui permet de transcrire l’audio dès son arrivée, évitant ainsi de faire appel à des modèles hors ligne. Cela permet d’obtenir une latence qui peut être configurée à moins de 200 ms, un seuil crucial pour les assistants vocaux, le sous-titrage en direct et l’IA conversationnelle.

Une approche axée sur l’open-source

Mistral a également communiqué que Voxtral Realtime est proposé avec des poids ouverts sous licence Apache 2.0. Cela permet aux organisations de l’implémenter sur leur propre infrastructure, y compris sur des dispositifs à la périphérie. Cette stratégie est particulièrement significative pour les industries sensibles à la vie privée comme la santé, la finance et le secteur public, qui souvent limitent l’envoi de données audio vers des clouds tiers.

Mistral se positionne comme une alternative aux plateformes d’IA fermées et basées aux États-Unis, surtout à une époque où les entreprises craignent le verrouillage par un fournisseur et s’inquiètent de la souveraineté des données.

Politique tarifaire transparente

En ce qui concerne la tarification, Mistral a choisi d’adopter une approche basée sur l’utilisation, avec des tarifs débutant à environ 5 000 euros par mois (5 896 $). Cela indique que l’entreprise vise davantage les organisations de taille intermédiaire à grande plutôt que les développeurs individuels, tout en proposant des prix compétitifs.

Performances impressionnantes

Mistral revendique que Voxtral Mini Transcribe V2 atteint un taux d’erreur d’environ 4 % pour les FLEURS à un coût de seulement 0,003 $ par minute. L’entreprise souligne que c’est “la meilleure performance en rapport qualité-prix de toutes les API de transcription”.

Elle affirme également que ce modèle surpasse les offres de GPT-4o Mini Transcribe, Gemini 2.5 Flash, Assembly Universal et Deepgram Nova en matière de précision, tout en traitant l’audio “environ trois fois plus vite que le Scribe v2 d’ElevenLabs” à un cinquième du coût.

Si ces affirmations sont validées, elles pourraient bouleverser un marché où les prix de la transcription vocale sont restés relativement élevés, en particulier pour les transcriptions en plusieurs langues et avec diarisation. La réduction des coûts rendrait économiquement viable la transcription de grandes quantités de réunions, d’appels et d’archives médiatiques, auparavant jugées trop coûteuses à traiter.

Idées novatrices pour les entreprises

Au-delà de la simple transcription, Voxtral Mini Transcribe V2 propose des fonctionnalités spécialement conçues pour répondre aux besoins des entreprises. On y trouve, par exemple, la diarisation des intervenants avec des horodatages précis, le biais contextuel pour gérer un vocabulaire spécifique aux domaines, des horodatages au niveau des mots, et une meilleure robustesse dans des environnements bruyants comme les ateliers et les centres d’appels animés.

Le modèle accepte des enregistrements allant jusqu’à trois heures par requête et prend en charge 13 langues, dont l’anglais, le chinois, l’hindi, l’arabe, ainsi que plusieurs langues européennes et asiatiques. Mistral souligne que “les performances en langues autres que l’anglais dépassent de loin celles de la concurrence”, répondant ainsi à une faiblesse notable dans le domaine de l’IA vocale, souvent dominé par des données d’entraînement centrées sur l’anglais.

Mistral envisage Voxtral comme une couche fondamentale pour de multiples secteurs. Les entreprises de médias et de diffusion peuvent générer des sous-titres multilingues en temps réel, tandis que les secteurs réglementés peuvent avoir recours à la diarisation et aux horodatages pour répondre aux exigences de conformité et de traçabilité. Les deux modèles Voxtral sont compatibles avec les déploiements conformes aux réglementations GDPR et HIPAA, que ce soit sur site ou dans des infrastructures de cloud privé.

Le futur de l’IA vocale

Le lancement de Voxtral montre clairement que l’IA vocale évolue d’un stade de nouveauté vers une véritable infrastructure. La combinaison de poids ouverts, de tarifs agressifs et de performances en temps réel indiquerait un changement de la compétition, passant d’une course à celui qui a le modèle le plus volumineux à celle qui parvient à fournir des systèmes pratiques et déployables.

Le succès de Voxtral Transcribe 2 dépendra moins des résultats techniques et davantage de sa capacité à offrir les économies et les gains d’efficacité promis.

En décembre, Mistral a su tirer parti de son élan avec le lancement de sa famille de modèles Mistral 3.