Vooix : une dictée vocale par IA qui écrit dans toutes les applications, en ligne ou sur l'ordinateur

Sommaire

Vooix transforme la voix en texte propre dans n'importe quelle application. On appuie sur un raccourci, on parle, et le texte, relu et ponctué par une IA sans être réécrit, s'écrit là où se trouve le curseur. J'ai conçu et développé tout le projet : l'application Windows, la version Mac, les moteurs d'IA qui tournent sur l'ordinateur, le serveur, les comptes, les abonnements et les mises à jour.

Ce que fait Vooix, et pour qui

Vooix s'adresse à tous ceux qui écrivent beaucoup : messages, e-mails, documents, notes, réponses à des clients. Au lieu de taper, on dicte, dans toutes les applications où l'on peut écrire. Le résultat n'est pas une transcription brute pleine de « euh » : c'est un texte ponctué, avec les majuscules, prêt à être envoyé.

L'application propose deux modes, au choix de la personne :

• En ligne : la voix est transcrite par Mistral AI (Voxtral) via le serveur de Vooix, dans 13 langues. Rien à installer de plus.
• Privé : la reconnaissance vocale et la relecture tournent sur l'ordinateur, même sans connexion, dans une centaine de langues reconnues automatiquement. Aucun son ne quitte la machine.

Trois offres encadrent l'usage : une version gratuite, Vooix Privé et Vooix Pro. La version Windows est publiée ; la version Mac est en préparation.

Le parcours : trois gestes

1. Appuyer sur le raccourci. Ctrl + Espace par défaut sous Windows, modifiable dans les réglages. Une petite capsule apparaît à l'écran avec un son très léger : Vooix écoute.
2. Parler. En mode Privé, si l'ordinateur est assez rapide, les mots se forment en direct dans la capsule. Échap annule à tout moment.
3. Rappuyer. Le texte relu arrive dans le champ où se trouve le curseur. Si aucun champ n'est actif, il est copié et la capsule indique qu'il suffit de coller.

Le presse-papiers d'avant est remis en place après l'écriture : dicter ne fait pas perdre ce qu'on avait copié.

Les fonctions

• Relecture par l'IA : hésitations, bégaiements et mots répétés retirés ; quand on se reprend (« mardi, non, mercredi »), seule la correction reste. Ponctuation, majuscules et orthographe corrigées, sans résumer ni traduire.
• Dictionnaire : les noms propres et termes métier que Vooix doit toujours bien écrire. Ils sont donnés à la reconnaissance vocale et à la relecture.
• Extraits : une courte phrase dite, comme « mon adresse », est remplacée par un texte enregistré à l'avance. La comparaison ignore les majuscules, les accents et la ponctuation ajoutée par la relecture.
• Historique : chaque dictée avec son texte relu, sa transcription d'origine, sa durée, sa langue et l'application dans laquelle elle a été écrite.
• Statistiques : mots dictés, vitesse et temps gagné par rapport à la frappe au clavier.
• Réglages : mode En ligne ou Privé, raccourci, micro, langue ou détection automatique, relecture activée ou non, sons, qualité des modèles (automatique, rapide, équilibrée, précise), lancement au démarrage de l'ordinateur.
• Compte sans mot de passe : un code à 4 chiffres reçu par e-mail. La session est gardée chiffrée par le système et un nouveau code est demandé après 60 jours sans utilisation.
• Abonnements : paiement par Stripe, minutes restantes affichées dans la page Compte.
• Mises à jour automatiques : téléchargées en arrière-plan, proposées dans une fenêtre, installées à la fermeture si on les a écartées.

Les difficultés techniques, et comment je les ai résolues

Faire tourner deux IA sur n'importe quel PC

En mode Privé, deux modèles tournent en même temps sur l'ordinateur : whisper.cpp pour la reconnaissance, llama.cpp avec Qwen3 pour la relecture. Sur un PC de bureau récent, c'est confortable. Sur un portable modeste, cela peut tout bloquer. Vooix mesure donc la machine au premier lancement : mémoire, nombre de cœurs, carte graphique. La mémoire de la carte est lue dans le registre de Windows, car l'interface habituelle plafonne à 4 Go et fausserait le choix.

Selon le résultat, Vooix choisit l'un des trois niveaux :

• Précis : Whisper large-v3-turbo et Qwen3-4B, avec la version CUDA de whisper.cpp téléchargée seulement si une carte NVIDIA est présente.
• Équilibré : un modèle Whisper plus léger et Qwen3-1.7B.
• Rapide : pour les petites machines, la relecture se limite à des règles sans IA, pour ne jamais faire attendre.

Si la version pour carte NVIDIA ne démarre pas (pilote trop ancien, bibliothèque absente), Vooix repasse tout seul sur le processeur. Les modèles se téléchargent au premier lancement avec reprise en cas de coupure, et ne sont gardés qu'une fois complets. Un modèle abîmé est reconnu à son message d'erreur, supprimé, puis retéléchargé.

Des moteurs locaux qui ne restent jamais bloqués

Les deux moteurs sont de petits serveurs lancés en arrière-plan. Vooix leur attribue des ports libres à chaque démarrage, arrête les moteurs restés ouverts après un arrêt brutal (seulement les siens, reconnus à leur emplacement), charge les deux modèles en parallèle et affiche l'avancement en pourcentage, lu dans ce que les moteurs écrivent. Tout est consigné dans un journal pour comprendre une panne chez un utilisateur.

Une relecture qui n'invente rien

Un modèle de langage a tendance à répondre aux questions qu'on lui dicte, ou à « améliorer » le texte. La consigne place la dictée entre balises et précise qu'il ne s'agit pas d'un message adressé à l'IA. Surtout, un garde-fou contrôle la sortie : si le texte relu perd trop de mots, en ajoute trop, ou perd un point d'interrogation, Vooix garde la transcription d'origine. Les dictées très courtes ne passent pas par l'IA. Les phrases que les moteurs inventent parfois sur un silence (« merci d'avoir regardé », mentions de sous-titres) sont filtrées.

Écrire dans l'application des autres

Vooix doit écrire dans un logiciel qu'il ne contrôle pas. Sous Windows, le texte passe par le presse-papiers et un Ctrl+V simulé par les fonctions du système. Avant, Vooix vérifie si un champ de saisie a le curseur : sinon, le texte reste copié et la personne est prévenue. Le contenu précédent du presse-papiers est ensuite remis. Sur Mac, le collage passe par CoreGraphics, avec l'autorisation d'Accessibilité.

Le mode en ligne, sans garder la voix

Le serveur PHP reçoit le son, vérifie qu'il s'agit bien d'un fichier audio valide et que la personne a encore des minutes, puis le relaie à Mistral. Le son n'est jamais enregistré. Les mots du dictionnaire sont transmis à Voxtral (100 au plus) : comme l'API attend un champ répété par mot, le corps de la requête est construit à la main. En cas de limite de débit de Mistral, le serveur réessaie avec des délais croissants. Chaque compte a aussi sa propre limite d'appels.

Un mode payant qui marche hors connexion

Le mode Privé demande un abonnement, mais il doit fonctionner sans internet. L'abonnement est vérifié par le serveur, relu toutes les 6 heures, et le mode Privé reste ouvert 30 jours après la dernière vérification réussie.

Publier une mise à jour sans risque

Les mises à jour passent par electron-updater, sur un canal hébergé par sunderdev.com. Le script de publication contrôle que le manifeste correspond exactement à l'installeur (empreinte SHA-512 et taille), envoie les fichiers dans un dossier hors du site public, laisse le serveur tout recontrôler, publie le manifeste en dernier, puis vérifie le résultat par HTTPS, comme le verra l'application. Une erreur à n'importe quelle étape arrête tout.

La pile technique

• Application : Electron et Node.js, appels au système de Windows par koffi.
• IA sur l'ordinateur : whisper.cpp (CUDA en option) et llama.cpp avec Qwen3 ; sur Mac, moteurs compilés pour la puce Apple.
• IA en ligne : API de Mistral AI (Voxtral pour la transcription, un modèle Mistral pour la relecture).
• Serveur : PHP et MySQL, connexion par code e-mail, abonnements Stripe.
• Mises à jour : electron-updater, publication contrôlée par script.

Ce que ce projet montre

Vooix réunit des sujets rarement traités ensemble : de l'IA locale qui doit rester fluide sur des machines très différentes, une IA en ligne dont il faut maîtriser le comportement, l'intégration bas niveau avec le système, un service en ligne avec comptes et paiements, et une chaîne de publication fiable. J'ai tout mené seul : conception, identité, applications Windows et Mac, moteurs locaux, relecture IA, serveur, comptes et abonnements, mesures de précision, page de présentation, publication et mises à jour.

Vous avez un projet de logiciel avec de l'IA, sur l'ordinateur ou en ligne ? Me contacter. Pour aller plus loin, voir toutes les captures ou la page de Vooix.

Questions fréquentes

Vooix fonctionne-t-il sans internet ?

Oui, en mode Privé : la reconnaissance vocale et la relecture tournent sur l'ordinateur. Le mode En ligne, lui, passe par le serveur de Vooix et Mistral AI.

La voix est-elle enregistrée sur un serveur ?

Non. En mode Privé, aucun son ne quitte l'ordinateur. En mode En ligne, le son est relayé à Mistral pour la transcription puis oublié : le serveur de Vooix ne l'enregistre pas.

Pouvez-vous intégrer de l'IA locale dans mon propre logiciel ?

Oui. Vooix montre comment faire tourner des modèles comme Whisper ou Qwen3 sur l'ordinateur, choisir leur taille selon la machine et encadrer leurs réponses. Parlons de votre besoin via la page de contact.