Gladia est une startup française qui propose une API de transcription audio tout juste sortie d'alpha, accessible à tous mais visant principalement un public professionnel. Elle repose sur une version perfectionnée de Whisper, le moteur d'OpenAI qui se base sur les intelligences artificielles pour améliorer la rapidité et la qualité du travail par rapport aux méthodes habituelles. TechCrunch a pu discuter avec un de ses fondateurs pour savoir quelles améliorations avaient été apportées sous le capot.

Jean-Louis Quéguiner explique qu'un des problèmes de Whisper est qu'il a parfois tendance à « halluciner » certaines parties de la transcription. Le moteur a notamment été entraîné sur de nombreuses vidéos YouTube, où il a pu entendre de milliers de fois certaines phrases comme « N'hésitez pas à vous abonner ». Mathématiquement, il a donc plus de chance de « l'entendre » lorsqu'on lui demande une transcription et de la glisser quelque part dans le texte.

Gladia vise à résoudre ce problème, et utilise des algorithmes de prétraitement et de post-traitement afin d'améliorer les résultats. La version de Whisper utilisée a été affinée à l'aide de 3,5 millions d'heures de son professionnel pour s'accommoder à plus de sujets et d'accents.

L'idée est de faire mieux que la version classique de Whisper, dont les résultats sont déjà bluffants. Son fondateur explique avoir beaucoup investi pour améliorer la vitesse de la transcription, et propose différents services complémentaires. Son API permet par exemple de rapidement traduire un résultat dans une autre langue, ce qui sera pratique pour une entreprise souhaitant obtenir des sous-titres multilingues pour une vidéo. Elle peut identifier lorsqu'il y a plusieurs locuteurs, détecter les langages et passer d'un dialecte à l'autre si nécessaire. Gladia ajoute également automatiquement la ponctuation et la casse à ses transcriptions.

L'API peut être essayée gratuitement sur le site officiel de Gladia. Il lui aura fallu 25 secondes pour transcrire un petit reportage de trois minutes et demie, là où Aiko a demandé environ trois minutes à mon MacBook Air M1 (et a inventé des remerciements à la fin). À l'avenir, l'entreprise explique vouloir proposer de nouvelles fonctionnalités, comme un classement du contenu par thématique ou encore un système de chapitrage. Actuellement, Gladia met en avant 4 types d'utilisations sur son site : les créateurs du web, les utilisateurs de visioconférence, les centres d'appels et les entreprises.

Les prix de Gladia sont abordables par rapport à ce qui se fait sur le marché. Une formule gratuite permet de bénéficier de 10 h de transcription, et les pros seront facturés environ 1 centime de dollar la minute. En comparaison, Microsoft demande au moins 1 $ par heure, et plus en ajoutant des options. Reste à voir si Gladia continuera de se démarquer sur le long terme face à une concurrence qui va sans doute s'intensifier.