Transcription d'interviews pour journalistes : une méthode qui résiste au fact-checking
La plus vieille règle des écoles de journalisme tient toujours : une heure d’interview enregistrée coûte trois à quatre heures de frappe. Sur un portrait à trois sources, c’est une journée de travail engloutie avant d’avoir écrit un mot — et le papier tombe jeudi.
La transcription par IA ramène cette journée à quelques minutes, et à $0.83–$1.25 par heure d’audio, elle coûte moins cher que le café bu pendant la frappe. Mais le journalisme a une contrainte que presque aucun autre métier ne connaît : une citation avec un mot faux n’est pas juste à 97 %, elle est fausse — imprimée, avec le nom de quelqu’un dessous. La vraie question n’est donc pas d’utiliser ou non la transcription IA, mais de l’utiliser de façon à ce que rien de non vérifié n’atteigne la page.
Les trois méthodes, comparées honnêtement
Taper soi-même ne coûte rien et impose une réécoute attentive — certains reporters tiennent sincèrement à ce passage. C’est aussi 3–4 heures par heure d’interview, ce qui cesse de tenir la semaine où vous en avez cinq.
Les services de transcription humaine livrent plus de 99 % de précision pour les besoins de niveau judiciaire, à environ $1–2 par minute d’audio et sous un à plusieurs jours. Pour une facture de $60–$120 par interview, vous obtenez une précision dont la plupart du travail de presse n’a pas besoin : les citations, vous les vérifierez vous-même de toute façon.
La transcription IA arrive en quelques minutes, à 90–97 % de précision sur un audio propre. Le piège est dans le chiffre lui-même : une heure d’interview fait 7 000–9 000 mots, donc même 96 % de précision signifie quelques centaines de petites erreurs — mots avalés, nom propre broyé, un « peut » entendu « ne peut pas ». Parfait comme brouillon consultable. Impubliable sans vérification.
Cette dernière phrase est toute la méthode.
Une méthode qui résiste au fact-checker
1. Enregistrez comme si la transcription en dépendait — c’est le cas. La précision se joue à l’enregistrement, pas à la transcription. Téléphone posé sur la table plus un enregistreur de secours, près de la source, le brouhaha du café dans le dos si vous avez le choix. Un enregistrement net se transcrit à 96–97 % ; une ligne téléphonique bruyante tombe sous les 90 %, et chaque point perdu se paie en minutes le soir même.
2. Déposez le fichier et laissez les voix se séparer. Activez l’identification des locuteurs dès qu’il y a plus d’une voix. « Locuteur 1 / Locuteur 2 » devient « Moi / La ministre » en deux renommages, et la transcription se lit soudain comme un script, pas comme un mur.
3. Travaillez dans la transcription, vérifiez sur l’audio. Cherchez dans le texte pour localiser le moment ; puis écoutez l’audio à cet horodatage avant qu’un seul mot cité n’entre dans le papier. C’est la règle qui rend la transcription IA sûre pour le journalisme : la transcription localise la citation, l’enregistrement la confirme. Avec des paragraphes horodatés, l’aller-retour prend quelques secondes par citation — bien plus rapide que de frotter un enregistrement brut, et tout aussi rigoureux.
4. Gardez la bande jusqu’à la publication — puis tranchez. La transcription est votre archive consultable ; l’audio est votre défense si une citation est contestée. Conservez les deux jusqu’à ce que le papier soit sorti et l’affaire close, puis appliquez votre propre règle de conservation — on y revient plus bas.
Les questions de protection des sources à poser à tout outil
Un journaliste envoie des conversations que d’autres aimeraient lire. Avant qu’un outil ne touche l’audio d’une interview, exigez une réponse claire à trois questions :
- L’audio sert-il à entraîner des modèles d’IA ? La réponse doit être non. (Celle de Speecho est non.)
- Qu’est-ce qui est stocké, et combien de temps ? Chez Speecho, les fichiers source sont supprimés après traitement et les transcriptions s’effacent seules au bout de 90 jours ; vous pouvez tout supprimer plus tôt — et vous devriez, dès qu’un sujet sensible est publié.
- Qu’est-ce qui quitte votre machine ? Pour les interviews vidéo, Speecho extrait l’audio dans votre navigateur — les images ne sont jamais envoyées.
Et une règle qu’aucun outil ne peut appliquer à votre place : si une partie de l’échange était réellement off the record, coupez-la avant l’envoi. Rognez le fichier, transcrivez le reste. La meilleure protection pour ce qui ne doit jamais exister sous forme de texte, c’est de ne jamais entrer dans le circuit.
Interviews dans d’autres langues
La transcription fondée sur Whisper couvre 99 langues, et cela change le terrain : interviewez votre source dans la langue où elle pense vraiment, transcrivez dans cette langue, puis traduisez la transcription dans la vôtre pour rédiger — en citant l’original quand la précision compte. Speecho traduit les transcriptions finies vers 18 langues : la version originale et votre copie de travail sortent du même dépôt.
Ce que ça coûte à un pigiste en activité
À $0.83–$1.25 par heure d’audio, un mois chargé — disons douze heures d’interviews — coûte environ $10–$15, en crédits prépayés, sans abonnement qui tourne pendant les mois creux. Le même mois chez un service humain : $700–$1 400. Tapé à la main : une semaine de soirées non payées. C’est cette arithmétique qui a fait du réflexe vérifier-sur-l’audio la norme silencieuse des rédactions : la machine tape, le journaliste fait du journalisme.
Essayez sur votre prochaine interview : déposez le fichier, recevez 15 minutes offertes en confirmant votre e-mail — sans carte, et sans le moindre bot près de vos sources.
