Gemini 3.5 Transcribe veut lisser la voix en texte

Google a lancé Gemini 3.5 Transcribe, un modèle de conversion voix-texte pensé pour la transcription en temps réel. Selon l’entreprise, il reconnaît automatiquement plus de 85 langues, supprime les mots de remplissage comme « um », corrige les lapsus et met le texte en forme sans intervention humaine. Le service est déjà disponible dans Google AI Studio et sur la Gemini Enterprise Agent Platform, avec une intégration dans Gboard pour Android et dans l’app Gemini sur macOS. Chrome doit suivre bientôt.

Une transcription plus propre, et moins bavarde

Le cœur du produit tient en une promesse simple : transformer une parole imparfaite en texte exploitable. Gemini 3.5 Transcribe ne se contente pas de recopier ce qu’il entend ; il nettoie la transcription, attribue les interventions des locuteurs et ajoute des horodatages quand l’audio est enregistré. C’est utile pour les comptes rendus, les outils de prise de notes et les usages en entreprise où la précision compte autant que la vitesse.

Google revendique un taux d’erreur de mots de 4,0 % en streaming et de 2,6 % sur l’audio enregistré. Le modèle annoncerait aussi une latence inférieure de 70 % à celle de Chirp 3. Dit autrement, l’affichage arrive plus vite, ce qui change beaucoup dans les interactions en direct. Personne n’aime attendre son sous-titrage comme on attend un bus un lundi matin.

Deux interfaces, deux usages

Le modèle est proposé avec deux interfaces. La Live API, sous le nom gemini-3.5-transcribe-live, sert la transcription en flux continu avec une latence très faible. L’Interactions API, gemini-3.5-transcribe, traite des fichiers audio enregistrés et fournit la séparation des intervenants ainsi que les temps de passage.

Google ajoute une fonction de function calling, un mécanisme qui permet au modèle de déléguer certaines tâches à d’autres modèles Gemini, comme la génération d’images ou les recherches web. Dans ce contexte, Gemini 3.5 Transcribe joue moins le rôle d’un outil isolé que celui d’une brique au milieu d’un ensemble plus large.

Une arrivée déjà visible sur Android et macOS

Le déploiement n’attend pas. Google indique que Gemini 3.5 Transcribe est déjà intégré à Gboard pour Android, via « Rambler », ainsi qu’à l’application Gemini sur macOS. L’arrivée annoncée de Chrome élargira encore la surface d’usage, surtout pour les utilisateurs qui basculent entre navigateur, clavier et assistant.

Ce choix raconte aussi la stratégie de Google : faire de la transcription un service natif, presque invisible, plutôt qu’un outil que l’on ouvre à part. Pour les entreprises, le sujet est clair. Plus la transcription s’installe dans les usages quotidiens, plus elle devient une couche d’infrastructure logicielle, avec des effets directs sur la productivité, l’accessibilité et la recherche dans les contenus audio.