Installer Whisper en local : le pas à pas

Installer Whisper en local se fait en trois commandes : installer ffmpeg (qui lit l'audio), installer Whisper avec pip, puis lancer whisper votre-fichier.mp3 --language French. Le modèle tourne sur votre ordinateur : vos enregistrements ne partent nulle part. Tout ce qui suit vient du dépôt officiel du projet, lu le 15/11/2026.

Ce qu'est Whisper

Whisper est un modèle de reconnaissance de la parole publié par OpenAI. Son dépôt l'indique sans ambiguïté : « Whisper's code and model weights are released under the MIT License ». La licence MIT autorise l'usage commercial ; ses conditions sont expliquées sur licence Apache 2.0 ou MIT.

La liste des langues du modèle compte 100 entrées, dont le français, mais aussi le basque et l'occitan.

Étape 1 : installer ffmpeg

Whisper a besoin de l'outil en ligne de commande ffmpeg pour lire les fichiers audio et vidéo. Les commandes données par le dépôt :

Étape 2 : installer Whisper

Avec pip, le gestionnaire de paquets de Python :

pip install -U openai-whisper

Au premier lancement, le modèle choisi est téléchargé ; ensuite, plus besoin de connexion pour transcrire.

Étape 3 : choisir le modèle selon votre machine

Le dépôt donne la mémoire vidéo nécessaire et la vitesse relative de chaque modèle (mesurée en anglais sur une carte graphique de calcul, par rapport au modèle large) :

Trois règles pour choisir :

• Pour le français, n'utilisez pas les versions .en (tiny.en, base.en…) : elles ne traitent que l'anglais.
• turbo est le modèle par défaut. Le dépôt le présente comme une version optimisée de large-v3, plus rapide, avec une perte de précision minime.
• Pour traduire vers l'anglais, turbo ne convient pas (« not trained for translation tasks ») : prenez medium ou large.

Si vous n'avez pas de carte graphique compatible, Whisper tourne sur le processeur : l'option --device vaut cuda quand une carte NVIDIA est détectée, sinon cpu. C'est plus lent ; commencez alors par small ou base. Pour évaluer la mémoire de votre poste, la logique est la même que pour les modèles de langage : voir quel matériel pour un modèle local.

Étape 4 : transcrire

La commande de base :

whisper entretien.mp3 --language French

Les options utiles, d'après le code de la ligne de commande :

Vous pouvez passer plusieurs fichiers d'un coup : whisper a.mp3 b.wav c.flac.

Les limites à connaître

• Pas d'interface. Vous obtenez des fichiers ; la relecture se fait dans votre traitement de texte ou dans un éditeur de sous-titres.
• Les noms propres et le jargon restent la principale source d'erreurs. L'option --initial_prompt aide en donnant au modèle les mots attendus : voir vocabulaire métier.
• Local ne veut pas dire sans règles. Le fichier reste chez vous, mais un entretien enregistré reste une donnée personnelle : sécurité du poste, durée de conservation, information des personnes. Voir IA locale et confidentialité et transcription et RGPD.

Et si l'installation vous bloque ?

Plusieurs services hébergent aussi Whisper ou des modèles équivalents par API : Deepgram, par exemple, facture « Whisper Large » à la minute. Vous perdez alors l'avantage du traitement local. Les prix sont comparés sur API de transcription, et les offres sans installation sur transcrire gratuitement.