Transcrire un audio avec ChatGPT : possible ? Et avec Gemini ?

Oui, vous pouvez transcrire un audio avec ChatGPT, mais seulement avec une offre payante et uniquement à partir de fichiers audio : le centre d'aide d'OpenAI indique que l'import audio n'est pas disponible avec l'offre gratuite, et que les fichiers vidéo et les liens YouTube ne sont pas acceptés comme sources audio. Gemini, de Google, sait aussi transcrire un audio chargé, avec une limite totale de 10 minutes sur les comptes gratuits et jusqu'à 3 heures avec les abonnements Google AI payants. Pour les longs enregistrements, les entretiens ou tout ce qui exige des horodatages et des intervenants identifiés, un outil de transcription dédié reste la première étape la plus fiable, et l'assistant conversationnel sert mieux ensuite, pour les résumés.

Ce guide présente ce que chaque assistant sait réellement faire avec l'audio, la vidéo et les liens YouTube en octobre 2026, où se situent les limites, et une méthode qui combine les points forts des deux approches. Les produits d'IA évoluent vite : les pages des centres d'aide citées ci-dessous sont la référence pour vérifier les détails actuels.

Peut-on transcrire un audio en texte avec ChatGPT ?

ChatGPT traite la parole de trois façons différentes, que l'on confond souvent.

1. Charger un fichier audio

L'article d'OpenAI sur l'import de fichiers et d'audio dans ChatGPT explique que vous pouvez joindre un enregistrement audio à une conversation et demander à ChatGPT de le transcrire, de le résumer ou de répondre à des questions à son sujet. Les points clés de cette page, vérifiés en octobre 2026 :

• Offres : l'import audio est disponible avec les abonnements et espaces de travail ChatGPT payants, Enterprise compris. Il n'est pas disponible avec l'offre gratuite.
• Formats : WAV, MP3, OGG, FLAC, AAC, M4A, PCM, et WebM ou MP4 audio uniquement. Le fichier doit contenir un flux audio valide.
• Taille : les fichiers audio peuvent atteindre 512 Mo.
• Durée : il n'y a pas de limite fixe, mais OpenAI précise que les enregistrements longs peuvent être traités par sections, que le traitement se fait au mieux et que les très longs enregistrements peuvent échouer faute de temps.
• Qualité : OpenAI indique que les transcriptions peuvent contenir des erreurs, que l'identification des intervenants peut manquer de fiabilité et que les performances varient selon les langues.

2. ChatGPT Record

ChatGPT Record enregistre en direct une réunion, un brainstorming ou une note vocale, la transcrit et génère des notes sous forme de canvas. D'après la page d'aide d'OpenAI, la fonction est disponible avec Plus, Pro, Business, Enterprise et Edu, et uniquement dans l'application de bureau macOS. Les sessions sont limitées à 4 heures, l'audio est supprimé après la transcription, et Record fonctionne au mieux en anglais. Il peut distinguer plusieurs intervenants (« Speaker 1 ») et vous permet de les renommer. Record sert à capter ce qui se passe maintenant ; il ne transcrit pas un fichier que vous avez déjà.

3. La dictée

L'icône du micro dans la zone de message correspond à la dictée vocale : votre parole est transcrite en un message que vous pouvez modifier avant l'envoi. C'est pratique pour parler au lieu de taper, mais ce n'est pas un moyen de transcrire un enregistrement existant, et diffuser un fichier dans le micro ne donne rien de fiable.

ChatGPT peut-il convertir une vidéo en texte ?

Pas directement. Le guide d'import d'OpenAI ne mentionne aucun format vidéo, et précise que les fichiers WebM et MP4 identifiés comme vidéo ne sont pas acceptés en tant qu'audio. Pour obtenir le texte d'un fichier MP4 ou MOV, vous avez deux options :

1. Extraire d'abord l'audio avec un convertisseur ou un logiciel de montage, l'enregistrer en MP3 ou M4A, puis le charger dans ChatGPT (avec une offre payante).
2. Utiliser un outil de transcription qui accepte la vidéo, comme l'outil de transcription vidéo en texte d'Audiotexta, qui prend le fichier vidéo tel quel et renvoie une transcription horodatée.

La seconde voie vous donne aussi des fichiers de sous-titres (SRT, VTT), que ChatGPT ne produit pas en standard.

ChatGPT peut-il transcrire une vidéo YouTube ?

En général, non, et c'est la question la plus fréquente. Quand vous collez un lien YouTube, ChatGPT ne peut ni lire la vidéo ni télécharger son audio. Avec la recherche web activée, il peut parfois lire le texte de la page, comme le titre ou la description, puis résumer ce qu'il pense être le contenu de la vidéo. Ce résumé peut paraître sûr de lui tout en reposant sur très peu d'éléments : prenez-le avec prudence. Au moment de la rédaction, le centre d'aide d'OpenAI ne contient aucun article décrivant la prise en charge des liens YouTube.

Ce qui fonctionne de façon fiable, c'est de récupérer d'abord la transcription et de donner le texte à ChatGPT :

• Copiez-la depuis le panneau de transcription de YouTube si la vidéo a des sous-titres (voir comment afficher la transcription sur YouTube).
• Ou collez le lien dans un outil qui transcrit l'audio, ce qui fonctionne aussi sur les vidéos sans sous-titres. Notre guide pour transformer une vidéo YouTube en texte compare les options.

Google (Gemini) peut-il transcrire un audio en texte ?

Oui. La page d'aide de Google sur l'import et l'analyse de fichiers dans les applications Gemini couvre l'audio, la vidéo et les documents. En octobre 2026, elle indique :

• Vous devez être connecté. Jusqu'à 10 fichiers peuvent être ajoutés à une même requête.
• Audio : durée audio totale de 10 minutes maximum, ou jusqu'à 3 heures avec Google AI Pro ou Google AI Ultra.
• Vidéo : chaque vidéo peut peser jusqu'à 2 Go, pour une durée totale de 5 minutes maximum, ou 1 heure avec les offres payantes.
• Les autres fichiers peuvent peser jusqu'à 100 Mo chacun.

Contrairement à ChatGPT, Gemini accepte donc les fichiers vidéo, et il accepte aussi l'audio sur un compte gratuit, dans la limite de ces 10 minutes au total. La documentation de Google ne promet ni format de transcription mot à mot, ni horodatages, ni intervenants identifiés : demandez-les explicitement dans votre requête et vérifiez le résultat.

Gemini a aussi un avantage avec YouTube : l'article de Google sur les contenus YouTube dans les applications Gemini explique comment demander à Gemini de trouver une vidéo et de la résumer à partir d'informations publiques de YouTube. C'est utile pour un résumé, mais ce n'est pas une transcription complète et vérifiable.

Pour les utilisateurs de Google Workspace, Gemini dans Google Drive peut résumer les vidéos stockées dans Drive et répondre à des questions à leur sujet, avec les offres Workspace et Google AI éligibles, selon les annonces Workspace de Google. Google Docs propose lui-même la saisie vocale pour la dictée en direct, pas la transcription de fichiers chargés. Les offres et la disponibilité varient selon l'édition et la langue : renseignez-vous auprès de votre administrateur.

ChatGPT, Gemini ou outil de transcription dédié

Limites vérifiées sur les pages d'aide des éditeurs, octobre 2026.

Les assistants sont nettement meilleurs pour la conversation : poser des questions de suivi, réécrire un compte rendu sous forme d'e-mail, expliquer un passage. Les outils dédiés sont meilleurs pour la transcription elle-même.

Les limites pratiques à connaître avant de charger un fichier

Durée et taille

C'est sur les longs enregistrements que les assistants généralistes peinent le plus. ChatGPT peut découper un long audio en sections et échouer faute de temps ; Gemini plafonne la durée totale par requête. Un cours d'une heure passe avec les offres payantes des deux, mais pas un atelier d'une journée entière.

Horodatages et intervenants absents

Une transcription que vous voulez citer, sous-titrer ou analyser a besoin d'horodatages cliquables et d'intervenants fiables. Les assistants conversationnels ne sont pas conçus autour de ces éléments. Si vous demandez quand même des horodatages, vérifiez-en quelques-uns avec l'enregistrement avant de vous y fier.

Passages manquants et texte inventé

Tout système de reconnaissance vocale peut mal entendre des mots. Un risque propre aux modèles d'IA est le texte plausible mais jamais prononcé, surtout pendant les silences, la musique ou les voix qui se chevauchent ; et quand un modèle conversationnel « met au propre » une longue transcription, il peut raccourcir ou paraphraser au lieu de tout écrire mot à mot. Demandez une transcription verbatim et contrôlez les passages importants. Un son propre aide tous les systèmes : un intervenant par micro, peu de bruit de fond et pas de musique sous la voix.

Confidentialité et paramètres d'entraînement

Ce qu'il advient de votre enregistrement dépend du produit et de vos réglages :

• ChatGPT : avec les offres grand public, OpenAI peut utiliser le contenu pour améliorer ses modèles si l'option « Improve the model for everyone » (améliorer le modèle pour tous) est activée ; vous pouvez la désactiver dans les paramètres de contrôle des données (Data Controls), et un réglage distinct existe pour les enregistrements audio. OpenAI indique ne pas entraîner ses modèles sur les offres professionnelles comme ChatGPT Enterprise par défaut.
• Gemini : quand l'activité est conservée (« Keep Activity »), le centre de confidentialité de Google indique que certaines conversations peuvent être examinées par des personnes pour améliorer ses services ; vous pouvez désactiver ce réglage, mais plusieurs fonctions de Gemini, dont l'intégration YouTube et l'import depuis Drive, en ont besoin.

Pour des entretiens, des conversations avec des patients ou des appels clients, vérifiez d'abord ces réglages, obtenez le consentement de toutes les personnes enregistrées, et lisez notre guide sur le RGPD et la transcription si vous travaillez dans l'UE.

La méthode qui fonctionne : transcrire d'abord, interroger l'assistant ensuite

Les assistants conversationnels excellent avec du texte et sont moins fiables comme moteurs de transcription. Répartir le travail tire parti des forces de chacun :

1. Transcrivez avec un outil de reconnaissance vocale. Utilisez Audiotexta dans l'application web (chargez un fichier, collez un lien ou enregistrez depuis le micro), ou faites tourner Whisper en local si vous préférez tout garder sur votre machine. Notre comparaison entre Whisper et les API vocales cloud explique les compromis.
2. Relisez la transcription. Corrigez les noms et le jargon, renommez les intervenants, et vérifiez avec l'audio tout passage que vous citerez.
3. Exportez-la en texte. Le TXT, gratuit et sans compte, est le plus simple à coller dans une discussion ; le Markdown est disponible avec l'offre Pro.
4. Collez-la dans ChatGPT ou Gemini et demandez ce dont vous avez besoin : « Résume cet entretien en cinq points », « Liste chaque décision et son responsable », « Rédige un e-mail de suivi ». Comme l'assistant travaille désormais à partir d'un texte complet, vous pouvez vérifier chaque affirmation de sa réponse grâce à un horodatage.

Audiotexta peut aussi se charger lui-même de l'étape du résumé avec l'offre Pro (résumé, chapitres, points clés, décisions et actions à mener), sans utilisation de votre contenu pour entraîner des modèles. Choisissez la combinaison qui vous convient ; l'essentiel est de partir d'une transcription complète et vérifiable.