Diarisation : savoir qui a dit quoi dans une transcription

La diarisation répond à une question simple : qui a parlé ? Elle découpe un enregistrement en tours de parole et attribue chaque passage à un locuteur. Le résultat ne donne pas le nom des personnes : il donne une étiquette par voix, que vous renommez ensuite. Les pages de quatre éditeurs, relevées le 15/11/2026, décrivent cette fonction.

Ce que la diarisation ajoute à une transcription

Une transcription brute dit ce qui a été dit. La diarisation dit qui l'a dit. Dans un entretien à deux voix, la sortie est une suite de passages étiquetés, par exemple « spk_0 » et « spk_1 » chez Amazon, ou « Intervenant 1 » et « Intervenant 2 » dans Word. Le travail de nommage reste à faire à la main.

Comment ça marche, en une phrase

Le service distingue les voix différentes dans l'audio et attache à chaque mot une étiquette de locuteur. La documentation d'Amazon Transcribe le formule ainsi : le service peut distinguer les locuteurs et étiqueter le texte de chaque locuteur avec une valeur unique.

Ses limites

• Le nombre de locuteurs. Amazon accepte un maximum de 30 locuteurs. Dans sa console, il faut indiquer le nombre de locuteurs attendus. Plus ce nombre est juste, plus l'attribution est simple à relire.
• Les voix qui se chevauchent. Les pages lues ne décrivent pas ce cas. Testez-le sur votre propre audio : comptez les passages attribués à la mauvaise personne quand deux personnes parlent en même temps.
• Le bruit. Pour sa dictée, Microsoft note que la précision baisse en présence de bruit de fond. Un enregistrement difficile rend l'attribution moins fiable.
• L'étiquette n'est pas une identité. Le système ne sait pas qui est « spk_1 ». Une personne doit relire et renommer chaque voix.

Où on la trouve

• Amazon Transcribe : l'option « Speaker partitioning » dans la console, ou le paramètre ShowSpeakerLabels pour les fichiers et les flux.
• Word : la fonction Transcrire étiquette les intervenants, avec un abonnement Microsoft 365. Voir dictée vocale Word.
• Voxtral de Mistral : la documentation cite les étiquettes de locuteurs parmi les fonctions de transcription. Voir Voxtral de Mistral.
• Les interfaces de programmation comparées : le tableau de API de transcription : les prix indique pour chacune si la séparation des locuteurs est incluse, et à quel prix quand elle ne l'est pas.

Une transcription de réunion ou d'entretien bien attribuée se relit plus vite. Pour un travail de recherche, la méthode complète est dans transcrire un entretien de recherche.