Whisper Snapper est une application macOS native signée par le développeur indépendant Evan Harris, qui convertit audio et vidéo en texte grâce aux modèles locaux Parakeet, WhisperKit et Whisper, ou via des API cloud pour lesquelles vous fournissez vos propres clés. Elle assure la distinction des intervenants, des résumés et traductions locaux avec Llama 3.2, et l'export en TXT, SRT, VTT, Markdown, CSV et PDF.
Vous avez utilisé cet outil ? Notez-le
Vous avez utilisé cet outil ? Notez-le
Whisper Snapper est une application macOS native qui convertit des fichiers audio et vidéo en texte écrit. Elle est distribuée sur le Mac App Store sous le nom « Whisper Snapper Transcriptions », et la fiche de l'App Store désigne Evan Harris comme développeur et vendeur. Sur Product Hunt, son auteur se présente comme un fondateur solitaire et développeur indépendant. Cette information en dit long sur la nature du produit : il s'agit d'un utilitaire ciblé conçu par une seule personne, et non d'une plateforme financée par des investisseurs avec une équipe commerciale derrière elle.
Ce cadrage compte davantage qu'il n'y paraît. Un logiciel de transcription bâti par un individu et vendu une fois pour un montant forfaitaire n'obéit pas aux mêmes incitations qu'un service par abonnement qui a besoin de vos enregistrements sur ses serveurs pour justifier un revenu récurrent. Toute l'architecture de Whisper Snapper s'appuie sur cette différence. L'application est conçue de telle sorte que, si vous le souhaitez, rien de ce que vous transcrivez ne touche jamais une connexion réseau.
La page d'accueil énonce sa promesse sans détour : « The Transcription App Mac Users Deserve. » (L'application de transcription que les utilisateurs de Mac méritent). En dessous, elle précise ce qu'elle traite : vidéos, podcasts, réunions, mémos vocaux et davantage, avec des résumés et des traductions générés par IA dans plus de vingt langues, le tout fonctionnant de manière privée sur votre Mac.
Le mot « Whisper » dans le nom de cette application renvoie à Whisper, la famille de modèles de reconnaissance vocale automatique publiée en open source par OpenAI. Whisper est diffusé sous une licence libre permissive, ce qui signifie que n'importe quel développeur peut légalement télécharger les poids du modèle, les exécuter localement et bâtir un produit par-dessus. C'est exactement ce que fait Whisper Snapper, aux côtés de modèles issus d'autres sources.
Whisper Snapper n'est pas un produit d'OpenAI, n'est pas exploité par OpenAI, et rien n'indique l'existence d'un partenariat, d'une approbation ou d'une relation capitalistique entre les deux. Il s'agit d'une application tierce indépendante qui fait tourner un modèle sous licence ouverte. Utiliser le nom d'un modèle dans un nom de produit est juridiquement courant et, ici, techniquement exact : l'application exécute réellement Whisper.
Il faut néanmoins le dire clairement : le site ne comporte aucune mention d'absence d'affiliation ni aucun avis relatif aux marques. La page d'accueil cite à répétition OpenAI Whisper, GPT-4o, NVIDIA Parakeet, Deepgram Nova-2 et Llama sans jamais préciser qu'elle n'est ni affiliée à ces sociétés ni approuvée par elles. C'est une omission plutôt qu'une tromperie. À l'inverse, l'application se montre parfaitement transparente sur le rôle de chaque moteur : la politique de confidentialité nomme OpenAI et Deepgram comme sous-traitants tiers et renvoie directement vers leurs propres politiques. Aucune tentative de faire passer une technologie amont pour une invention maison. La lecture honnête est donc celle-ci : un emballage transparent de modèles ouverts et commerciaux, auquel manque une clause de non-affiliation standard, et non une coquille opportuniste.
La plupart des produits de transcription vous obligent à choisir une fois pour toutes : soit vous utilisez un service en nuage et acceptez que vos enregistrements quittent votre machine, soit vous utilisez un outil local et acceptez un logiciel plus lent et plus rudimentaire. La position affichée de Whisper Snapper est que cet arbitrage doit se faire fichier par fichier, et non au niveau du produit. Le site le formule ainsi : de la confidentialité quand vous en avez besoin, de la vitesse quand vous n'en avez pas besoin. Faites tourner l'ensemble localement pour les enregistrements sensibles, ou passez par le nuage pour un traitement plus rapide, en rejugeant à chaque transcription.
C'est le point le plus important à saisir sur cette application. Un journaliste peut transcrire le matin, entièrement hors ligne, l'entretien d'une source confidentielle, puis confier l'après-midi l'enregistrement d'une conférence publique à une API en nuage pour gagner du temps, sans changer d'application.
La version 1.1 a ajouté une seconde couche d'IA par-dessus la transcription brute et, fait inhabituel, cette couche est elle aussi locale.
Les résumés passent par Llama 3.2 sur votre propre machine. La page d'accueil décrit la fonction ainsi : transformer d'un clic des enregistrements d'une heure en résumés concis, grâce à Llama fonctionnant entièrement sur votre Mac, votre contenu ne quittant jamais votre appareil.
La traduction suit la même logique. La page d'accueil promet une traduction vers l'espagnol, le français, l'allemand, le japonais, le chinois et plus de quinze autres langues, tout le traitement s'effectuant localement avec Llama. La fiche de l'App Store donne un décompte plus complet et légèrement différent, annonçant « AI TRANSLATION — 30 LANGUAGES » et citant l'espagnol, le français, l'allemand, le chinois, le japonais, le coréen, le portugais, l'italien, le néerlandais, le russe, l'arabe, l'hindi, le turc, le polonais, le vietnamien, le thaï, l'indonésien, le suédois, le danois et le norvégien, avec la mention qu'aucune connexion internet n'est requise.
C'est architecturalement significatif. Bien des applications de transcription proposent des résumés par IA, mais presque toutes le font en expédiant votre transcription achevée vers un modèle de langage en nuage. Cela annule discrètement le bénéfice de confidentialité de la transcription locale : vos propos finissent malgré tout sur le serveur d'un tiers, simplement une étape plus tard. Effectuer le résumé sur l'appareil avec Llama 3.2 comble cette faille. Pour quiconque manipule des documents couverts par le secret professionnel, c'est la différence entre une chaîne réellement hors ligne et une chaîne qui en a seulement l'apparence.
Calibrez toutefois vos attentes en matière de qualité. Llama 3.2 est un petit modèle choisi pour tourner confortablement sur du matériel grand public. Ses résumés seront convenables et ses traductions transmettront le sens, mais ni les uns ni les autres n'égaleront un modèle en nuage de premier plan sur la nuance, les idiomes ou la terminologie spécialisée. Tel est l'arbitrage assumé : un plafond de qualité en échange de la confidentialité et d'un coût marginal nul.
Cette section mérite une prudence particulière, car la précision est l'argument que les acheteurs réclament le plus et que les éditeurs gonflent le plus volontiers.
À son crédit, Whisper Snapper fait preuve de retenue. Son propre article consacré au choix d'un moteur de transcription ne publie aucun taux d'erreur sur les mots, aucun tableau de référence, aucun pourcentage de précision. Il décrit les moteurs qualitativement — Deepgram comme offrant un traitement extrêmement rapide, Parakeet v2 comme rapide et léger — et indique la couverture linguistique : plus de 99 langues pour l'API Whisper, moins de langues que Whisper pour Deepgram (une trentaine), et 25 langues pour Parakeet v3. Le titre « Accurate Transcriptions on Your Mac » relève du langage commercial, sans aucun chiffre à l'appui.
Cette retenue vaut mieux qu'une statistique péremptoire. Il n'y a ici aucun chiffre de précision fourni par l'éditeur à auditer, puisque l'éditeur n'en a publié aucun.
Ce qui peut être évalué, ce sont les modèles sous-jacents, publiquement connus et évalués de façon indépendante. Les évaluations publiées de Whisper large-v3 font état d'un taux d'erreur sur les mots d'environ 2,7 % sur l'audio propre de LibriSpeech, c'est-à-dire de la parole lue enregistrée en conditions professionnelles. Sur des matériaux réels plus désordonnés, les tests indépendants situent plutôt la fourchette entre 8 et 12 %, et une évaluation tierce a mesuré large-v3 à 7,88 %. Les chercheurs ont également documenté que large-v3 présente une propension accrue à l'hallucination par rapport aux versions antérieures, produisant parfois de longs blocs continus de texte fabriqué plutôt que des erreurs isolées.
Trois conclusions pratiques en découlent. Premièrement, la précision varie énormément selon les conditions d'enregistrement : un enregistrement propre à une seule voix et une visioconférence à quatre captée par le micro d'un portable ne relèvent pas du tout de la même difficulté. Deuxièmement, la précision varie selon la langue : les langues bien dotées comme l'anglais donnent de bien meilleurs résultats que les langues peu dotées, et une couverture de « plus de 99 langues » décrit une étendue, non une qualité homogène. Troisièmement, et c'est le point le plus lourd en usage professionnel, l'hallucination propre à la famille Whisper signifie que les erreurs ne se présentent pas toujours comme du charabia visible. Le modèle peut produire des phrases fluides, plausibles et assurées qui n'ont jamais été prononcées. Toute transcription destinée à être citée, versée à un dossier judiciaire ou consignée dans un dossier médical doit être confrontée à l'audio. Les horodatages cliquables de l'application existent précisément pour rendre cette vérification assez rapide pour être réellement effectuée.
Pour un outil de transcription, c'est la section décisive, car les enregistrements de réunions, les appels clients et les entretiens avec des sources comptent parmi les fichiers les plus sensibles que la plupart des gens produisent. La politique de confidentialité de Whisper Snapper est réellement solide et exceptionnellement précise.
La politique indique que l'application ne collecte, ne stocke ni ne transmet aucune information personnelle, aucune donnée d'analyse d'usage ou statistique d'application, aucun rapport de plantage ou de diagnostic, aucune donnée de localisation, aucun identifiant d'appareil, ni aucune donnée à des fins publicitaires. Son propre résumé mentionne l'absence de compte requis et l'absence d'analyse ou de suivi de l'utilisation.
L'absence de rapports de plantage et d'outils d'analyse constitue un engagement substantiel, et non une formule de façade. La plupart des développeurs indépendants conservent la télémétrie, car c'est ainsi qu'ils repèrent les bogues. Y renoncer représente un coût réel assumé au nom d'une position sur la confidentialité.
En transcription locale, la politique est catégorique : tout le traitement s'effectue entièrement sur votre Mac, vos fichiers audio et vidéo ne sont jamais téléversés où que ce soit, aucune connexion internet n'est nécessaire, et le développeur n'a aucun accès à vos fichiers ni à vos transcriptions. La politique qualifie cette voie de plus confidentielle disponible.
En transcription par le nuage, la politique est tout aussi directe sur la contrepartie : votre audio est envoyé à des fournisseurs d'API tiers pour traitement. Elle nomme OpenAI (API Whisper, GPT-4o Transcribe) et Deepgram (Nova-2), renvoie vers leurs politiques de confidentialité respectives, et ajoute cet avertissement : en mode nuage, votre audio relève des politiques de ces fournisseurs tiers, qu'il est recommandé de consulter avant utilisation.
C'est exactement la bonne manière d'informer. Elle ne prétend pas que le mode nuage est confidentiel et désigne directement les parties dont les conditions régissent effectivement les données.
La conservation se définit par vos propres actions plutôt que par un compte à rebours, puisque aucun serveur ne détient quoi que ce soit. La politique énumère : les transcriptions sont conservées jusqu'à ce que vous les supprimiez dans l'application, les clés API restent dans le trousseau jusqu'à ce que vous les retiriez, et l'audio enregistré subsiste jusqu'à ce que vous effaciez les fichiers. Elle précise également que supprimer l'application efface les préférences, mais que les transcriptions et les entrées du trousseau peuvent devoir être supprimées séparément — une mise en garde utile et souvent omise.
Sur les deux questions que l'on se pose le plus — mon audio sert-il à entraîner des modèles d'IA, et un humain l'écoute-t-il un jour — la politique ne contient aucune déclaration explicite dans un sens ou dans l'autre. Mieux vaut être précis que généreux sur ce point. Pour le traitement local, la question est sans objet : le développeur déclare n'exploiter aucun serveur recevant ou stockant vos données, si bien qu'aucun mécanisme ne permettrait à vos fichiers de leur parvenir à des fins d'entraînement ou de relecture. Pour le traitement en nuage, la réponse ne lui appartient pas : elle est régie par les conditions d'OpenAI ou de Deepgram applicables au compte dont vous avez fourni la clé. Si la politique d'entraînement et de relecture humaine vous importe, cette vérification doit se faire auprès du fournisseur d'API, pour le niveau d'abonnement précis que vous utilisez.
Le traitement des clés API est spécifié : si vous utilisez des services de transcription en nuage, vos clés sont stockées de manière sécurisée dans le trousseau macOS, et le développeur n'a accès ni à vos clés ni à l'audio que vous envoyez. L'application s'exécute en outre en bac à sable avec l'environnement d'exécution renforcé d'Apple.
Un élément ne concorde pas, et il convient de le signaler. La politique de confidentialité porte la mention « Last Updated: December 2024 », soit décembre 2024. Or la fiche de l'App Store situe la sortie initiale de l'application au 17 décembre 2025, une année entière plus tard, la version 1.7 étant publiée le 23 juillet 2026.
La politique porte donc une date antérieure à la mise sur le marché du produit. L'explication la plus probable est une simple coquille — décembre 2024 pour décembre 2025 — et rien dans le fond du document ne contredit la description de l'application ailleurs. Mais prise au pied de la lettre, cette pièce est périmée face à un produit qui a depuis gagné le résumé local, la traduction, la transcription en direct et cinq modèles supplémentaires. Lorsqu'un document juridique et une fiche produit divergent, c'est la fiche produit qui est vérifiable : les dates de l'App Store sont générées automatiquement par Apple et ne peuvent être modifiées librement, tandis que la date de la politique est saisie à la main. Considérez donc le fond de la politique comme à jour et sa date comme une erreur ; mais si vous adoptez cet outil pour un usage réglementé, demandez au développeur de le confirmer et de redater le document.
La section de la page d'accueil consacrée aux publics indique aux professionnels du droit et de la santé qu'ils peuvent satisfaire aux exigences de conformité, sans partage de données avec des tiers. Cette phrase doit être strictement rapportée au mode local. Elle y est exacte : rien n'est partagé puisque rien ne quitte la machine. Elle ne l'est pas en mode nuage, où l'audio part manifestement chez un tiers. Cette affirmation ne constitue pas davantage une certification : il n'existe ni attestation HIPAA publiée, ni rapport SOC 2, ni proposition d'accord de sous-traitance. Pour un travail réglementé, le mode local se défend sur le plan architectural, mais cette formule commerciale ne remplace pas votre propre analyse de conformité.
Le modèle commercial est d'une clarté rafraîchissante, et son principal atout tient à l'absence d'abonnement. La page d'accueil annonce un essai gratuit à vie ou un passage à Pro par un paiement unique, sans abonnement.
La fiche de l'App Store confirme que le téléchargement est gratuit (prix à 0,00 dollar américain). Plusieurs sources tierces, dont la couverture de Product Hunt, situent la mise à niveau Pro à un achat unique de 9,99 dollars, sans prélèvement récurrent.
Deux réserves honnêtes sur ce chiffre. D'abord, les 9,99 dollars ne figurent pas sur la page d'accueil, qui mentionne seulement un « Pro » en paiement unique sans montant ; le chiffre provient de recensements tiers et de l'achat intégré, aussi vérifiez le prix courant sur l'App Store avant d'acheter, un développeur pouvant le modifier. Ensuite, l'interrogation de l'App Store ne renvoie aucune liste détaillée d'achats intégrés : la répartition précise des fonctions entre l'offre gratuite et Pro n'est donc pas documentée de façon vérifiable publiquement. Ce qui reste gratuit à vie et ce qui exige la mise à niveau se confirme en installant l'application, ce qui ne coûte rien.
L'économie du produit mérite tout de même attention. Les services de transcription par abonnement facturent couramment au mois ou à la minute. Un paiement unique d'une dizaine de dollars, combiné à des modèles locaux dont le coût horaire d'exécution est nul, signifie que les gros utilisateurs affrontent un coût marginal quasi inexistant. Quelqu'un qui transcrit plusieurs heures par semaine peut amortir le prix en quelques jours face à un service facturé à l'usage. Le contrepoids, là encore, est que les frais d'API du mode nuage vous incombent séparément et ne sont pas plafonnés par l'application.
C'est la contrainte la plus rude de l'application, et elle écarte une part importante des utilisateurs potentiels.
Whisper Snapper fonctionne uniquement sous macOS. Il n'existe ni version Windows, ni version Linux, ni application iPhone ou iPad, ni interface web, ni API publique. La fiche de l'App Store le classe comme logiciel Mac, l'App Store constituant l'unique canal de distribution.
L'exigence de version est inhabituellement élevée. La fiche indique une version minimale du système d'exploitation de 26.0, soit une mouture très récente de macOS. Beaucoup de Mac fonctionnant sous des systèmes plus anciens mais parfaitement utilisables ne peuvent tout simplement pas installer cette application sans mettre d'abord à niveau leur système. Vérifiez votre version de macOS avant de bâtir un projet autour de cet outil : cette seule ligne disqualifie davantage de candidats que tout autre facteur.
Autres éléments vérifiables issus de la fiche : le téléchargement pèse environ 30,4 Mo (30 431 988 octets), l'application est classée 4+, rangée dans la catégorie Utilitaires avec Business en catégorie secondaire, et la version courante 1.7 date du 23 juillet 2026, pour une sortie initiale le 17 décembre 2025.
La liste des langues d'interface de l'application ne contient que l'anglais. Ne confondez pas cela avec la couverture linguistique de la transcription : l'application transcrit et traduit dans de nombreuses langues, mais ses menus et ses boutons sont uniquement en anglais.
Les formats acceptés en entrée sont MP4, MOV, M4A, MP3 et WAV. Un enregistreur intégré permet en outre de capturer l'audio directement plutôt que de l'importer.
Les notes de juillet 2026 décrivent une mise à jour substantielle plutôt qu'un correctif d'entretien. En tête figure la transcription en direct : enregistrer et transcrire en temps réel, avec la possibilité d'interrompre puis de reprendre des sessions d'enregistrement sur plusieurs prises réunies dans une même chronologie de forme d'onde. La transcription en temps réel est une capacité sensiblement différente du traitement de fichiers par lots, et la pause avec reprise entre les prises constitue une attention appréciable pour le travail d'entretien.
La même version a ajouté cinq modèles locaux : Cohere Transcribe (14 langues), Parakeet japonais, Parakeet v3 INT4, SenseVoice et un modèle Nemotron multilingue en flux couvrant 83 langues. Elle a également reconstruit le système de téléchargement des modèles pour le fiabiliser et apporté des gains de performance, dont la recherche en arrière-plan dans les transcriptions, l'acheminement direct de Cohere vers le moteur neuronal d'Apple, et le traitement des longs fichiers audio par blocs successifs plutôt qu'en une seule fois.
Ce dernier changement a une portée discrète mais importante. Le traitement par blocs est précisément ce qui empêche un long enregistrement d'épuiser la mémoire, et il suggère que le développeur corrige des problèmes réels remontés par des utilisateurs travaillant sur des fichiers très longs.
Une transcription qui ne peut pas sortir de l'application n'a qu'une utilité limitée, et la couverture des exports est ici large. La page d'accueil énumère TXT, SRT, VTT, Markdown, CSV et PDF, permettant de créer des sous-titres pour les monteurs vidéo ou des documents mis en forme.
Chaque format correspond à une destination réelle. SRT et VTT sont des formats de sous-titres qui s'intègrent directement aux logiciels de montage : un monteur de podcast cité sur la page d'accueil affirme que l'export SRT s'insère tel quel dans Final Cut. Markdown convient aux applications de prise de notes et aux chaînes de publication. CSV ouvre la voie à l'analyse tableur, ce qui compte pour les chercheurs qui codent qualitativement des entretiens. PDF produit un document mis en forme et partageable. TXT reste le recours universel.
Le travail sur la transcription au sein de l'application est également prévu. La fiche mentionne des horodatages cliquables pour naviguer dans les longs enregistrements, une recherche instantanée dans les transcriptions, l'édition et la retouche intégrées, ainsi que la sauvegarde locale de toutes les transcriptions via SwiftData.
Les horodatages cliquables méritent d'être soulignés au regard du risque d'hallucination évoqué plus haut. Pouvoir cliquer sur une ligne pour sauter au moment correspondant de l'audio est le mécanisme qui rend la vérification assez rapide pour être réellement pratiquée. L'édition intégrée permet ensuite de corriger ce que l'on découvre sans exporter vers un autre programme et sans perdre le lien avec l'audio.
La prise en main est volontairement minimale : glisser, déposer, terminé. Aucun compte, aucun réglage compliqué, aucun tutoriel : si vous savez faire glisser un fichier, vous savez transcrire. L'absence de compte est cohérente avec l'architecture sans serveur — il n'y a tout simplement nulle part où s'inscrire.
Le traitement par lots est pris en charge, avec l'ajout simultané de plusieurs fichiers et un suivi de progression par fichier, ce qui compte si vous devez écouler un arriéré d'enregistrements plutôt qu'un fichier isolé.
La page d'accueil identifie six publics, qu'il vaut mieux évaluer de façon critique que reprendre tels quels.
Les journalistes et les chercheurs forment le public le mieux servi. L'avantage annoncé — transcrire des entretiens sans téléverser des sources sensibles vers le nuage — répond à une véritable obligation professionnelle. La protection des sources n'est pas une préférence pour un reporter : c'est un devoir déontologique, parfois juridique. Un traitement entièrement local, sans composant serveur, y répond concrètement, et non par une posture commerciale.
Les professions juridiques et médicales viennent ensuite, avec les réserves déjà exposées : mode local uniquement, et l'argument de conformité n'est pas une certification.
Les podcasteurs et les créateurs de contenu tirent surtout parti de la diarisation combinée à l'export SRT. Transcrire un épisode à plusieurs voix, obtenir automatiquement l'étiquetage des intervenants et déposer les sous-titres dans un logiciel de montage : c'est exactement la forme de cet outil.
Les étudiants et les enseignants obtiennent des transcriptions de cours et des résumés locaux, mais ce public doit peser avec soin l'exigence de macOS 26, le matériel étudiant étant souvent plus ancien.
Les entreprises et les équipes à distance peuvent consigner des comptes rendus de réunion, à condition de retenir qu'il s'agit d'une application de bureau mono-utilisateur. Pas d'espace de travail partagé, pas de facturation d'équipe, pas d'édition collaborative, pas de robot rejoignant automatiquement les appels. Partager consiste à exporter un fichier et à l'envoyer. Les équipes souhaitant une collaboration intégrée doivent regarder ailleurs.
Les usages d'accessibilité — produire des sous-titres pour un public malentendant — sont bien servis par les formats d'export, avec la réserve habituelle : les sous-titres automatiques exigent une relecture humaine avant publication.
À qui il ne convient pas : quiconque n'utilise pas un Mac récent, quiconque a besoin d'une capture mobile, quiconque a besoin d'une API pour des chaînes automatisées, quiconque exige des fonctions collaboratives, et quiconque souhaite que la transcription en nuage fonctionne sans créer ses propres comptes d'API.
Rassemblées en un seul endroit, pour que rien ne soit enfoui :
Verrouillage de plateforme. macOS exclusivement, système minimal 26.0. Ni Windows, ni Linux, ni iOS, ni Android, ni version web. C'est la limite la plus lourde.
Aucune API. Rien ici ne peut être automatisé dans un flux côté serveur. Il s'agit d'une application de bureau interactive.
Le mode nuage exige vos propres clés. Il suppose des comptes distincts chez OpenAI ou Deepgram, et les coûts d'usage vous incombent sans plafond imposé par l'application.
La diarisation dépend du modèle. Seuls Deepgram, GPT-4o Transcribe et Parakeet v3 la fournissent ; hors ligne, cela signifie Parakeet v3 exclusivement.
Les performances locales dépendent de votre matériel. Les grands modèles Whisper sont exigeants. Sur un Mac ancien ou modeste, large-v3 sera lent. L'application ne rendra pas votre machine plus rapide ; elle vous laisse seulement choisir un modèle plus léger.
Coût de stockage. Les modèles locaux doivent être téléchargés et conservés. Les 30,4 Mo correspondent à l'installateur, non aux modèles : une collection locale complète occupe considérablement plus d'espace.
La qualité du résumé et de la traduction est bornée par un petit modèle. Llama 3.2 exécuté sur l'appareil n'égalera pas les modèles en nuage de premier plan.
Aucun corpus d'avis indépendants. La fiche de l'App Store affiche zéro évaluation d'utilisateur et aucune note moyenne. Aucune présence sur G2, Capterra ou Trustpilot, et aucune couverture de la grande presse technologique. Product Hunt apporte 139 votes et une septième place quotidienne, signal réel mais modeste. Les témoignages de la page d'accueil, réduits à un prénom et une fonction, ne sont pas vérifiables de façon indépendante. C'est normal pour une jeune application indépendante, mais cela signifie que vous achetez surtout sur la foi de l'offre gratuite plutôt que sur un consensus établi.
L'interface est uniquement en anglais, indépendamment de la couverture linguistique de la transcription.
La précision est intrinsèquement variable, et l'hallucination propre à la famille Whisper fait que les erreurs peuvent sembler fluides. Vérifiez toujours ce que vous comptez citer.
La date de la politique de confidentialité est incohérente avec la chronologie du produit, comme documenté plus haut.
Quelques habitudes pratiques améliorent nettement le rendu.
Commencez par l'offre gratuite avant de payer quoi que ce soit, et testez-la sur votre pire audio plutôt que sur un échantillon propre. C'est l'enregistrement qui vous pose réellement problème qui déterminera l'utilité de l'outil.
Adaptez le modèle au matériau. Prenez un petit modèle local pour un audio propre à une seule voix quand la vitesse prime ; réservez large-v3 aux enregistrements difficiles, avec accents, chevauchements ou bruit de fond.
Décidez de la confidentialité fichier par fichier, délibérément. Tout l'intérêt de l'architecture tient à ce que ce choix se fait à chaque transcription. Posez-le consciemment plutôt que par défaut.
Améliorez l'entrée avant d'incriminer le modèle. Un micro externe, une pièce plus calme et des intervenants qui évitent de se couper la parole feront davantage pour la précision que n'importe quelle montée en gamme de modèle.
Pour les entretiens, activez la diarisation dès le départ avec un moteur compatible. Rattraper l'étiquetage des intervenants à la main est bien plus lent que de l'obtenir automatiquement.
Vérifiez avant de citer. Utilisez les horodatages cliquables pour contrôler par sondage tout passage que vous comptez publier, citer ou verser à un dossier.
Si vous utilisez le mode nuage, fixez des plafonds de dépense chez le fournisseur d'API. L'application ne limite pas votre consommation, et transcrire un important arriéré à la consommation peut faire grimper la facture rapidement.
Non. C'est une application macOS indépendante dont la fiche de l'App Store désigne Evan Harris comme développeur et vendeur. Le mot « Whisper » renvoie au modèle de reconnaissance vocale publié sous licence ouverte par OpenAI, que l'application exécute aux côtés de modèles de NVIDIA, Deepgram, Cohere, Alibaba et Meta. Rien n'atteste d'un partenariat ou d'une approbation. Le site ne comporte pas de mention explicite d'absence d'affiliation, ce qui mérite d'être signalé, mais l'application reste par ailleurs transparente sur les moteurs tiers employés et renvoie directement vers leurs politiques.
Uniquement si vous choisissez un moteur en nuage. Avec les modèles locaux, la politique de confidentialité affirme sans détour que vos fichiers audio et vidéo ne sont jamais téléversés où que ce soit et qu'aucune connexion internet n'est nécessaire. Si vous sélectionnez la transcription en nuage d'OpenAI ou de Deepgram, votre audio est envoyé à des fournisseurs d'API tiers pour traitement. Le choix s'opère à chaque transcription : vous le maîtrisez fichier par fichier.
Il n'existe aucune durée de conservation côté serveur, puisque le développeur déclare n'exploiter aucun serveur recevant vos données. Tout demeure sur votre machine jusqu'à suppression : les transcriptions jusqu'à ce que vous les effaciez dans l'application, l'audio enregistré jusqu'à ce que vous supprimiez les fichiers, et les clés API dans le trousseau jusqu'à leur retrait. Notez que désinstaller l'application ne supprime pas automatiquement les transcriptions ni les entrées du trousseau.
La politique de confidentialité ne se prononce explicitement ni dans un sens ni dans l'autre. Pour le traitement local, la question est sans objet : le développeur n'exploite aucun serveur, donc aucun mécanisme ne permet à vos fichiers de lui parvenir. Pour le traitement en nuage, la réponse dépend des conditions d'OpenAI ou de Deepgram applicables au compte dont vous avez fourni la clé, et non de cette application. Si ce point vous importe, vérifiez-le auprès du fournisseur d'API pour votre niveau d'abonnement précis.
L'application se télécharge gratuitement depuis le Mac App Store, et la position du développeur est un essai gratuit à vie ou un passage à Pro par paiement unique, sans abonnement. Des recensements tiers indiquent une mise à niveau Pro à 9,99 dollars en une fois. Ce chiffre ne figurant pas sur la page d'accueil, vérifiez le prix courant sur l'App Store. L'usage des API en nuage, si vous l'activez, est facturé séparément par OpenAI ou Deepgram et n'est pas compris.
Seulement s'il s'agit d'un Mac sous macOS 26.0 ou ultérieur, version minimale indiquée sur la fiche de l'App Store. Il n'existe ni version Windows, Linux, iOS, Android ou web, ni API. Cette exigence écarte un nombre significatif de machines par ailleurs capables : vérifiez d'abord votre version de macOS.
Le développeur ne publie aucun pourcentage de précision, ce qui est plus honnête que d'en inventer un. La précision dépend du modèle retenu, de la qualité de votre audio et de la langue. Les évaluations indépendantes de Whisper large-v3 font état d'environ 2,7 % de taux d'erreur sur des lectures en conditions de studio, mais de 8 à 12 % sur des enregistrements réalistes. Les chercheurs ont également documenté que cette famille de modèles peut halluciner un texte fluide jamais prononcé : tout passage destiné à être cité ou versé à un dossier doit être confronté à l'audio.
Oui, mais avec certains moteurs seulement. La diarisation est disponible via Deepgram, GPT-4o Transcribe et Parakeet v3. Si vous voulez l'étiquetage des intervenants tout en restant entièrement hors ligne, il faut employer Parakeet v3, les deux autres options étant des services en nuage. La version 1.7 a par ailleurs corrigé les bogues produisant de brefs segments parasites.
L'export couvre TXT, SRT, VTT, Markdown, CSV et PDF, ce qui répond aux besoins de sous-titrage vidéo, de prise de notes, de tableur et de documents partageables. Avant d'exporter, vous pouvez éditer les transcriptions dans l'application, y effectuer des recherches instantanées et utiliser les horodatages cliquables pour rejoindre l'audio correspondant — la manière la plus pratique de vérifier ce qui vous paraît douteux.
Oui, et c'est inhabituel. Les deux s'appuient sur Llama 3.2 exécuté sur votre appareil, la fiche de l'App Store précisant qu'aucune connexion internet n'est requise pour sa liste de langues de traduction. La plupart des applications concurrentes envoient les transcriptions à un modèle en nuage pour les résumer, ce qui compromet discrètement le bénéfice de confidentialité de la transcription locale. En contrepartie, un petit modèle embarqué n'égalera pas un modèle en nuage de premier plan sur la nuance ou la terminologie spécialisée.
Comment fonctionne la transcription
Les modèles locaux
La transcription locale s'exécute intégralement sur la puce de votre Mac. Vous téléchargez un modèle une fois, et à partir de là l'application n'a plus besoin de connexion internet pour transcrire. La fiche de l'App Store énumère un catalogue local substantiel : les modèles OpenAI Whisper tiny, base, small, large-v3, large-v3-turbo et distil-large-v3, aux côtés de NVIDIA Parakeet v2 (anglais), v3 (25 langues avec diarisation) et TDT-CTC-110M, auxquels s'ajoutent Qwen3 ASR d'Alibaba et Llama 3.2 pour la traduction et le résumé.
Proposer plusieurs tailles de Whisper relève du confort réel et non de l'esbroufe technique. Whisper tiny est rapide et léger : il suffit amplement pour un mémo vocal propre à une seule voix dont vous voulez simplement un texte consultable. Whisper large-v3 est bien plus solide sur les accents marqués, les voix qui se chevauchent et les pièces bruyantes, mais il est nettement plus lourd à faire tourner. Disposer des deux permet d'adapter le modèle à la tâche plutôt que de payer systématiquement le coût de calcul du pire scénario.
Parakeet, développé par NVIDIA, appartient à une autre lignée de modèles, généralement très rapide sur les puces Apple. La variante v3 couvre 25 langues et, point crucial, prend en charge la diarisation en local — ce dont tous les modèles hors ligne ne sont pas capables.
Les modèles en nuage et le principe des clés personnelles
L'option en nuage est l'endroit où la structure commerciale de Whisper Snapper se distingue de la plupart de ses concurrents, et il faut la comprendre avant d'acheter. Le site indique que vous pouvez recourir aux API en nuage d'OpenAI Whisper, de GPT-4o ou de Deepgram pour gagner en vitesse.
Point capital : l'application ne vous revend pas d'accès aux API. La description de Product Hunt précise que la transcription en nuage s'effectue « avec des clés API personnelles », et la politique de confidentialité est sans ambiguïté : vous devez fournir vos propres clés API pour ces services.
Cela a des conséquences concrètes dans les deux sens. Du côté favorable, vous payez le fournisseur d'API directement à son tarif de gros, sans marge du développeur, et ce dernier ne devient jamais un intermédiaire détenant votre audio ou votre relation de facturation. Du côté contraignant, activer le mode nuage exige de vous inscrire vous-même chez OpenAI ou Deepgram, de générer une clé API et d'approvisionner ce compte. Si vous vous attendiez à payer une fois pour que la transcription en nuage fonctionne d'elle-même, ce n'est pas l'arrangement retenu. Les coûts d'utilisation en nuage sont distincts, continus, facturés à la consommation par le fournisseur, et entièrement hors du prix unique de l'application.
La diarisation des intervenants
La diarisation — attribuer chaque réplique à un intervenant — est ce qui sépare une transcription d'entretien exploitable d'un mur de texte indifférencié. La page d'accueil la décrit ainsi : savoir qui a dit quoi, la diarisation étant disponible via Deepgram, GPT-4o Transcribe et Parakeet v3.
Notez la nuance « disponible via ». La diarisation n'est pas universelle sur l'ensemble des moteurs de l'application : elle est liée à ces modèles précis. Si l'étiquetage des intervenants est indispensable à votre travail et que vous exigez aussi un fonctionnement totalement hors ligne, Parakeet v3 est le modèle local qu'il vous faut, les deux autres voies étant des services en nuage.
Les notes de version 1.7, publiées en juillet 2026, consignent également un travail continu sur ce point : correction de bogues de filtrage des segments de parole qui produisaient de brefs segments parasites dans les chronologies d'intervenants. Ces segments parasites constituent le mode d'échec classique de la diarisation, où le système attribue brièvement et à tort quelques mots à un intervenant supplémentaire qui n'existe pas. Que ce problème ait été identifié puis corrigé témoigne d'une maintenance active plutôt que d'un utilitaire livré puis abandonné.