Si vous avez déjà essayé de vous frayer un chemin dans une conversation WhatsApp où la moitié des messages sont des vocaux, vous connaissez le problème : vous appuyez sur lecture, vous attendez, vous prenez une note, vous relancez la lecture, vous perdez le fil, et vous recommencez. Ce mode de travail s'effondre dès que le volume augmente. ThreadRecap le résout en transcrivant simultanément tous les messages vocaux d'un export, puis en fusionnant les résultats dans la chronologie de la discussion, pour que vous puissiez lire toute la conversation en texte.
Lire les messages vocaux un à un convient pour un échange personnel rapide. Cela craque dans trois situations courantes :
Le problème de fond est qu'on ne peut pas faire de recherche dans de l'audio. Dans du texte, si. La transcription par lot convertit toute la couche vocale d'une discussion en quelque chose que vous pouvez parcourir, rechercher, copier et citer.
Transcrivez tous les messages vocaux de cette conversation en une seule fois.
Analyser votre conversationPour voir de plus près la transcription d'un extrait isolé avant de vous lancer sur un export complet, consultez notre guide sur la transcription des messages vocaux WhatsApp en texte.
ThreadRecap transcrit les messages vocaux avec l'API de transcription audio d'OpenAI. Quelques caractéristiques de cette chaîne méritent d'être comprises avant de traiter un gros export.
La transcription est multilingue et n'a pas besoin qu'on lui annonce à l'avance la langue d'un extrait. Elle gère une grande variété d'accents, un bruit de fond modéré et les durées d'extrait relativement courtes typiques des messages vocaux WhatsApp. Le format compressé .opus ne dégrade pas sensiblement la qualité de transcription pour la plupart des enregistrements faits dans des conditions normales.
La précision n'est pas un chiffre unique, et c'est la chose utile à savoir avant de lancer un gros export. Elle varie avec le bruit de fond, l'accent de la personne qui parle, les conditions d'enregistrement et la langue parlée. Un enregistrement fait dans un environnement bruyant, sur un micro de mauvaise qualité, avec des voix qui se chevauchent ou une forte distorsion produira davantage d'erreurs qu'une voix unique captée au calme, et une langue peu courante s'en tire généralement moins bien qu'une langue très répandue. Nous ne publions pas de taux de précision chiffré pour cette chaîne : un pourcentage mesuré sur un corpus de laboratoire ne dit rien de vos propres enregistrements. Relisez toujours les transcriptions avant de les utiliser dans un contexte formel ou juridique.
Pour une communication sensible, ce qui compte n'est pas la technologie de transcription mais le trajet des fichiers. ThreadRecap stocke l'audio des messages vocaux chiffré dans votre compte jusqu'à ce que vous supprimiez l'analyse, et vous pouvez le supprimer à tout moment depuis le tableau de bord. Les photos et documents de votre export ne quittent jamais votre appareil, et les fichiers vidéo ne sont jamais envoyés non plus : si vous choisissez d'inclure les vidéos, le navigateur en extrait la piste audio sur votre appareil et seul cet audio part pour la transcription.
WhatsApp encode les messages vocaux en fichiers .ogg avec le codec OPUS. Dans un export, ces fichiers portent généralement l'extension .opus. ThreadRecap accepte aussi les fichiers .m4a et .mp3, qui apparaissent dans les exports de certaines configurations d'appareil ou quand des messages vocaux ont été transférés et réencodés.
Vous n'avez pas besoin de convertir les fichiers avant l'envoi. Le traitement par lot identifie chaque fichier audio du ZIP d'export, détermine son format et l'achemine automatiquement vers la chaîne de transcription. Si un fichier est corrompu ou illisible, il est écarté sans faire échouer le reste de l'exécution, et il ne vous est pas facturé : le message vocal garde sa place dans la chronologie, identifié comme vocal, simplement sans texte.
Pour comprendre plus en détail pourquoi WhatsApp utilise le conteneur .opus et ce que cela change pour les outils de transcription, consultez opus vers texte pour WhatsApp : tout ce qu'il faut savoir.
Le processus tient en quatre étapes.
Ouvrez la discussion ou le groupe dans WhatsApp, allez dans les réglages de la discussion et choisissez **Exporter la discussion. Quand la question vous est posée, sélectionnez Inclure les médias**. Cela regroupe les fichiers de messages vocaux dans le ZIP avec le fichier texte de la discussion. Sans les médias, il n'y a aucun fichier audio à transcrire.
Rendez-vous sur /whatsapp-voice-to-text et envoyez le fichier ZIP. ThreadRecap accepte les fichiers jusqu'à 2 Go, ce qui couvre des exports de 75 000 messages ou plus. Le ZIP lui-même n'est pas envoyé : il est ouvert et lu dans votre navigateur, et de là seuls le texte de la discussion et l'audio destiné à la transcription partent vers le stockage chiffré de votre compte. Les photos, vidéos et documents du ZIP ne sont jamais envoyés en tant que fichiers. Le navigateur lit bien ces fichiers et les garde dans sa propre mémoire locale, pour qu'un envoi interrompu puisse reprendre ; ils disparaissent quand vous effacez les données du navigateur. L'endroit de la conversation où ils ont été envoyés est lui aussi repéré, si bien que le relevé indique qu'une photo ou une vidéo a été envoyée à ce moment-là.
L'image, elle, ne quitte jamais votre appareil. Pour les vidéos, le choix vous revient : l'écran d'aperçu vous propose de les inclure dans l'analyse, et si vous le faites, c'est le navigateur qui en extrait la piste audio sur l'appareil et n'envoie que cet audio à la transcription, jamais le film. Si vous ne les incluez pas, rien de la vidéo ne sort. Les vidéos retenues comptent d'ailleurs comme de l'audio dans le prix, puisque c'est exactement ce qu'elles deviennent.
ThreadRecap analyse le fichier texte de la discussion pour en extraire la chronologie des messages, puis identifie chaque fichier audio référencé dans cette chronologie. Chaque fichier .opus, .m4a ou .mp3 est passé à la chaîne de transcription. Les extraits sont traités en parallèle plutôt qu'à la suite, si bien qu'un gros export n'exige pas proportionnellement plus d'attente.
Une fois la transcription terminée, chaque transcription est insérée dans la chronologie de la discussion à la bonne position, attribuée au bon expéditeur et horodatée. Le résultat est une conversation unifiée et lisible qui réunit les messages écrits et le contenu transcrit de chaque message vocal. À partir de là, ThreadRecap peut générer des sorties structurées, dont des comptes rendus de réunion, des listes d'actions, des décisions et des rapports prêts à servir de preuve.
ThreadRecap ne vous demande pas de déclarer une langue avant le traitement. Le modèle de transcription évalue chaque extrait audio indépendamment et le transcrit dans la langue qu'il détecte. Un même export peut donc contenir des messages vocaux en anglais, en espagnol, en portugais et en français, et chacun sera transcrit correctement dans sa propre langue, sans aucune configuration manuelle.
Il est important de comprendre que la transcription multilingue restitue le texte dans la langue détectée. Elle ne traduit pas. S'il vous faut une sortie traduite, c'est une étape séparée.
Le code-switching, c'est quand une personne mélange deux langues dans un même extrait, par exemple en commençant une phrase en anglais et en la finissant en portugais. C'est courant dans les communautés bilingues et les équipes internationales.
Le modèle gère beaucoup de cas de code-switching, en particulier quand une langue domine nettement l'extrait. La détection de langue par extrait repose toutefois sur l'hypothèse qu'une seule langue est présente. Quand deux langues sont utilisées à parts à peu près égales dans un même extrait court, le modèle peut s'engager sur la mauvaise langue pour une partie de la sortie. ThreadRecap ne marque pas ces extraits : la transcription ne renvoie pas de score de confiance par extrait, il n'y a donc rien sur quoi fonder un signalement automatique. On les repère à la relecture, et c'est la chronologie fusionnée qui rend cela praticable : chaque transcription se lit au milieu des messages écrits qui l'entourent, où une phrase qui détonne saute aux yeux.
Si votre équipe communique dans une langue dominante avec quelques tournures dans une seconde langue, la transcription par lot produira des résultats exploitables avec un minimum de relecture. Si vos discussions mélangent durablement les langues d'un extrait à l'autre, prévoyez une passe de relecture avant de traiter les transcriptions comme des documents de référence.
Quelques points pratiques avant de commencer :
La transcription par lot ne change pas le contenu de vos conversations. Elle le rend accessible, consultable et utilisable d'une façon que l'audio seul ne permet pas.
Importez votre export et chaque audio devient un texte consultable et horodaté, intégré à la conversation complète.
Transcrivez d'un coup tous les messages vocaux d'un export WhatsApp avec les modèles OpenAI, détection de langue par extrait et fusion dans la chronologie.