Gemini 3.5 Transcribe muscle la transcription vocale en temps réel

Google a dévoilé Gemini 3.5 Transcribe, son nouveau modèle de speech-to-text destiné aux interactions vocales en temps réel comme aux transcriptions d’audios enregistrés. Annoncé le 26 août 2026, il vise les développeurs, les entreprises et les usages grand public dans Gemini, sur Android et bientôt dans Chrome. L’enjeu est clair : faire disparaître les hésitations, les bruits de fond et les approximations qui fatiguent encore les systèmes classiques.

Une transcription pensée pour la parole, pas pour un studio

Gemini 3.5 Transcribe ne se contente pas de convertir l’audio en texte brut. Selon Google, le modèle nettoie la parole en direct, retire les tics de langage, corrige les auto-reprises et met en forme le résultat sans étapes intermédiaires. C’est utile pour les agents vocaux, la prise de notes, les sous-titres en direct ou l’analyse d’appels, des cas où le texte final doit être exploitable immédiatement.

Le modèle est proposé dans deux modes. Le premier, via la Live API avec gemini-3.5-transcribe-live, gère un flux bidirectionnel continu avec une latence annoncée sous la seconde. Le second, via l’Interactions API avec gemini-3.5-transcribe, traite les réunions, les journaux d’appels et les fichiers audio avec attribution des locuteurs et horodatage mot à mot. Bref, la machine ne se contente plus d’écouter ; elle prend aussi des notes propres.

Ce que Google met en avant face à Chirp 3

Google présente Gemini 3.5 Transcribe comme un net progrès par rapport à Chirp 3, son précédent modèle de transcription. D’après la société, le temps jusqu’à la transcription finale recule de 70% selon les mesures d’Artificial Analysis, un fournisseur de benchmarks pour modèles d’IA. Sur le plan de la précision, le modèle affiche un taux d’erreur de mots moyen de 4,0% en mode streaming et 2,6% hors streaming selon Artificial Analysis.

Le FLEURS benchmark, qui évalue des performances multilingues sur un large éventail de langues et de variantes, donne aussi des résultats en amélioration chez Google : 5,50% de WER en streaming et 5,04% hors streaming. Le modèle détecte automatiquement plus de 85 langues, gère les accents régionaux et peut reconnaître un vocabulaire personnalisé, y compris des sigles, des codes postaux ou des identifiants de commande.

Des usages qui débordent vite de la simple dictée

Google pousse Gemini 3.5 Transcribe dans plusieurs produits maison. Sur Android, la fonction Rambler dans Gboard transforme la parole en texte formaté, supprime les hésitations et permet de corriger l’orthographe ou le style à la voix. Dans l’app Gemini sur macOS, le modèle peut aussi déclencher des fonctions plus complexes, comme l’analyse de fichiers ou la génération d’images via d’autres modèles Gemini. Sur Chrome, la promesse annoncée est plus simple : parler dans n’importe quel champ web pour dicter, rédiger ou interroger Gemini sans passer par le clavier.

Dans Google Antigravity, l’outil peut s’appuyer, avec autorisation, sur le contexte de l’écran et l’historique de conversation pour mieux reconnaître les noms de fichiers, les documents actifs ou les éléments liés à un agent. Google AI Studio, lui, propose Gemini 3.5 Transcribe en mode Build pour développer des applications vocales plus rapidement. Cette circulation entre interfaces grand public et outils pour développeurs dit beaucoup de la stratégie de Google : faire de la voix un mode d’entrée standard, pas une fonction gadget.

Les partenaires techniques valident surtout la partie temps réel

Google cite plusieurs plateformes qui s’appuient déjà sur le Gemini Live API, dont Agora, Fishjam, LangChain, LiveKit, Pipecat, Vercel et Vision Agents. Leur rôle est de masquer l’infrastructure lourde du streaming audio en temps réel pour laisser les développeurs se concentrer sur l’expérience utilisateur. Des entreprises comme vivo, Intellitek Health et Lingopal ont aussi fait remonter des retours jugés positifs par Google, notamment sur la latence, la précision et le support linguistique.

Pour les entreprises, Gemini 3.5 Transcribe est en public preview via Gemini Enterprise Agent Platform, avec une arrivée annoncée sur Gemini Enterprise for Customer Experience [à vérifier]. Pour les développeurs, la disponibilité est également en preview dans Gemini API, via Google AI Studio et Google Antigravity. Les particuliers peuvent déjà y accéder dans l’app Gemini sur macOS en anglais et, sur Android, avec Rambler dans certains pays et langues.