Solaria : Gladia mise sur une transcription audio plus précise et adaptable

Transformer une heure d’enregistrement en texte exploitable a longtemps été une tâche répétitive, lente et coûteuse. Avec Solaria, la start-up française Gladia veut automatiser cette étape grâce à l’intelligence artificielle, tout en répondant à une difficulté majeure de la reconnaissance vocale : la diversité réelle des façons de parler, des accents aux intonations en passant par le bruit de fond.

Présenté au 7 avril 2025, Solaria s’inscrit dans une évolution rapide des outils de transcription. Ces technologies ne servent plus seulement à obtenir une version écrite d’un fichier sonore. Elles peuvent aider à préparer une interview, partager le contenu d’un cours, documenter une réunion ou produire un support accessible à partir d’une conférence. Leur valeur dépend toutefois d’un point essentiel : la qualité du texte produit, et de la capacité de l’utilisateur à en vérifier les passages sensibles.

Solaria, le modèle de transcription développé par Gladia

Gladia est une start-up française qui se positionne sur la conversion de la parole en texte. Son nouveau modèle, baptisé Solaria, vise à transcrire des contenus audio variés pour des particuliers et des professionnels. L’entreprise met en avant deux promesses centrales : une conversion rapide et une bonne adaptation aux différentes manières de s’exprimer.

L’enjeu est concret pour les organisations qui accumulent des appels, entretiens, cours, échanges internes ou contenus vidéo. Sans automatisation, transcrire revient soit à réécouter les fichiers un à un, soit à confier ce travail à une personne spécialisée. Un modèle de reconnaissance vocale peut fournir une première version en quelques instants ou en temps réel, afin que l’effort humain soit concentré sur la relecture, la correction et l’exploitation du contenu.

Solaria est ainsi présenté comme un outil susceptible d’améliorer les flux de travail sans sacrifier la qualité attendue d’une transcription. La nuance est importante. Dans ce domaine, un texte produit automatiquement ne devient pas toujours immédiatement publiable ou exploitable tel quel. Les noms propres, les chiffres, les termes techniques et les citations doivent notamment être contrôlés avec soin.

Comment une IA transforme-t-elle un enregistrement en texte ?

Solaria repose sur des algorithmes de reconnaissance vocale. Le principe consiste à analyser un signal sonore, à repérer les segments correspondant à la parole, puis à associer ces sons à des mots et à des phrases. Les modèles actuels sont entraînés sur de très grands volumes d’exemples associant de l’audio et du texte, ce qui leur permet d’apprendre les régularités de la langue parlée.

Dans la pratique, le résultat dépend de plusieurs étapes. Le système doit distinguer la voix d’un interlocuteur des sons parasites, reconnaître les phonèmes, c’est-à-dire les unités sonores de la parole, puis choisir les mots les plus plausibles dans une séquence. L’intonation peut également jouer un rôle pour découper une phrase ou interpréter une hésitation.

C’est précisément sur cette variabilité que Gladia entend se différencier. Solaria est conçu pour reconnaître différents accents et intonations, afin de mieux s’adapter aux usages réels. C’est un point décisif dans des environnements où les intervenants n’ont pas tous la même prononciation, où plusieurs langues peuvent se côtoyer, ou lorsque l’enregistrement est réalisé à distance.

Cette technologie ne doit pas être confondue avec un outil de résumé ou de rédaction. Son rôle premier est de convertir l’audio en texte. Une fois cette transcription obtenue, elle peut ensuite servir de base à d’autres tâches, par exemple retrouver une information, créer un compte rendu, préparer des sous-titres ou partager une trace écrite d’un échange.

Des usages qui vont du cours à l’interview

La présentation de Solaria cite plusieurs secteurs susceptibles de bénéficier de cette automatisation : l’éducation, le journalisme et la transcription médicale. Dans tous les cas, l’intérêt tient autant au gain de temps qu’à la possibilité de rendre une information orale plus facile à consulter, archiver ou partager.

Pour un enseignant, convertir une leçon en texte peut faciliter le partage des contenus avec les élèves et contribuer à l’accessibilité. Pour un journaliste, une transcription automatique peut éviter de passer de longues heures à réécouter une interview avant d’en tirer les éléments importants. Dans ces deux situations, le logiciel accélère le premier travail de mise à l’écrit, mais ne remplace pas la responsabilité éditoriale de celui qui publie le texte final.

Le cas médical appelle une prudence encore plus grande. Transcrire un échange ou une dictée peut faire gagner du temps, mais une erreur sur un symptôme, un traitement ou un chiffre peut avoir des conséquences importantes. L’automatisation doit donc y rester un appui, avec une validation humaine adaptée aux règles et aux pratiques du secteur.

Gladia indique aussi que Solaria peut être utilisé pour la transcription en temps réel, notamment lors de conférences et de webinaires. Cette fonction répond à des besoins immédiats : suivre les propos sans attendre la fin de l’événement, produire des sous-titres ou conserver une trace écrite d’une prise de parole. Plus l’exigence de rapidité est élevée, plus la relecture ultérieure reste utile.

Quels formats et quelles langues Solaria prend-il en charge ?

La présentation de Solaria mentionne la prise en charge de plusieurs formats audio, dont MP3, WAV et AAC. Cette compatibilité est essentielle dans un environnement professionnel, où la source peut être un enregistreur, un smartphone, un logiciel de réunion à distance ou un montage vidéo.

Le modèle est également présenté comme capable de gérer plusieurs langues et les variations d’accent. Cette faculté ne signifie pas qu’un même niveau de qualité est garanti dans toutes les langues, pour tous les accents et dans toutes les situations. La reconnaissance vocale reste sensible aux conditions d’enregistrement : un micro de qualité, un intervenant proche de l’appareil et un environnement calme produisent généralement une base bien plus favorable qu’un fichier saturé, coupé ou couvert de conversations.

La durée du fichier compte aussi dans l’organisation du travail. Solaria peut traiter des enregistrements de plusieurs heures, selon la présentation de Gladia. Pour les fichiers très longs, les segmenter peut toutefois être une bonne pratique : la relecture devient plus simple, les passages problématiques sont plus faciles à retrouver et les éventuelles corrections sont mieux structurées.

Quelle précision peut-on attendre d’une transcription par IA ?

Gladia avance que Solaria atteint généralement une précision de plus de 90 %, y compris dans des conditions d’écoute difficiles. Ce chiffre donne un ordre de grandeur de l’ambition affichée, mais il ne doit pas être lu comme une promesse uniforme pour tous les enregistrements.

Une mesure de précision peut varier en fonction de la langue, du débit de parole, du nombre de personnes qui parlent, des bruits ambiants, de la qualité du micro ou encore de la présence de noms de personnes et d’expressions très techniques. Une erreur peut aussi avoir des conséquences très différentes selon son emplacement. Confondre un mot courant dans une phrase informelle est souvent sans gravité. Modifier un chiffre, une date, une citation ou une consigne ne l’est pas.

Pour évaluer un outil, les professionnels ont donc intérêt à le tester avec leurs propres conditions d’usage. Un cabinet médical, une rédaction, un organisme de formation et une équipe chargée d’événements ne travailleront pas avec les mêmes enregistrements ni les mêmes exigences. La précision utile est celle constatée sur les fichiers réellement produits par l’organisation.

Cette approche permet aussi de distinguer deux objectifs. Le premier est de disposer d’un brouillon très rapide, même s’il nécessite des corrections. Le second est d’obtenir un texte immédiatement fiable dans un contexte sensible. Le premier peut être largement automatisé. Le second exige presque toujours une vérification humaine attentive.

Confidentialité, sécurité et responsabilité de l’utilisateur

L’audio est souvent plus sensible qu’il n’y paraît. Une réunion peut contenir des données commerciales, une interview des propos non encore publiés, un cours la voix d’élèves, un échange professionnel des informations personnelles. Adopter un outil de transcription suppose donc de savoir quelles données sont envoyées, conservées et traitées.

Gladia indique prendre en compte la confidentialité et la sécurité des données, notamment au moyen de protocoles de chiffrement pour protéger les informations transmises lors de la transcription. Cette protection technique est un élément important, mais elle ne dispense pas les entreprises et les professionnels d’examiner leurs propres obligations de confidentialité.

Avant de confier des fichiers à un service de transcription, il est pertinent de définir ce qui peut être envoyé, qui peut accéder aux résultats et combien de temps les contenus doivent être conservés. Les utilisateurs doivent également informer les personnes enregistrées lorsque le contexte professionnel ou légal l’exige. Dans les domaines réglementés, l’évaluation doit intégrer les procédures internes et les exigences propres à l’activité.

Une ambition internationale pour Gladia

Au-delà de Solaria, Gladia affirme vouloir renforcer sa place sur le marché de la transcription par IA. La start-up évoque des partenariats stratégiques avec des acteurs de l’industrie technologique afin d’améliorer continuellement les performances et les fonctionnalités de son outil. Les partenaires concernés ne sont pas précisés dans la présentation.

L’entreprise vise également une extension à l’international. Cette ambition implique bien davantage que la simple disponibilité d’une interface dans plusieurs pays. Les langues, les accents, les références culturelles et les pratiques professionnelles varient fortement d’un marché à l’autre. Pour une technologie de reconnaissance vocale, l’adaptation aux cultures linguistiques est donc au cœur de la qualité de service.

Sur le plan économique, l’intérêt de ces outils réside dans leur capacité à réduire le temps consacré aux tâches de retranscription et, potentiellement, les coûts associés. Mais la mesure de ces gains doit intégrer le temps de contrôle humain. La meilleure solution n’est pas nécessairement celle qui produit le texte le plus vite, mais celle qui fournit un résultat suffisamment fiable pour l’usage visé.

Ce qu’il faut surveiller

Le lancement de Solaria illustre une tendance de fond : la parole devient une matière plus facilement exploitable par les logiciels. À mesure que les systèmes gagnent en vitesse et en capacité d’adaptation, les entreprises peuvent transformer leurs archives sonores en ressources consultables, partager plus vite les contenus et améliorer l’accès à l’information orale.

Les prochaines étapes seront surtout observées sur trois terrains. D’abord, la qualité réelle de transcription dans des conditions imparfaites, avec des accents, des chevauchements de voix ou du bruit. Ensuite, la capacité à respecter les attentes de confidentialité des utilisateurs. Enfin, l’extension linguistique de l’outil, qui déterminera la portée internationale de l’ambition affichée par Gladia.

Solaria ne fait pas disparaître le besoin de relecture. Il déplace plutôt le travail humain : moins d’écoute répétitive, davantage de contrôle, de mise en forme et d’analyse. Pour les professionnels comme pour les particuliers, c’est cette articulation entre rapidité de l’IA et vigilance humaine qui déterminera l’utilité concrète de la transcription automatisée.