Retour au blog
Tutoriel produit•2026-11-16•11 min de lecture

ChatGPT peut-il transcrire un fichier audio ? Offres, limites et solutions

ChatGPT peut-il transcrire un fichier audio ? Offres, limites et solutions
TL
Team Laxis
Équipe Laxis chez Laxis

Oui, ChatGPT peut transcrire de l’audio : avec une offre payante, vous pouvez joindre un enregistrement à une conversation et demander une transcription, une fonction annoncée par OpenAI dans ses notes de version du 6 octobre 2026. Ce n’est pas possible avec l’offre Free, et dans une conversation classique, OpenAI limite l’enregistrement importé à 6 minutes quand vous utilisez GPT-6 réglé sur Instant : l’outil convient donc bien mieux à un mémo vocal qu’à une interview d’une heure. Voici ce qui fonctionne au 16 novembre 2026, vérifié dans le centre d’aide et la documentation développeurs d’OpenAI, là où ça coince, et quoi utiliser à la place dans ce cas.

La réponse courte

  • Offres payantes uniquement. Selon OpenAI, l’import audio fonctionne sur les offres et espaces de travail ChatGPT payants, Enterprise compris, mais pas sur Free.
  • Les fichiers courts passent le mieux. Dans une conversation classique avec GPT-6 réglé sur Instant, les enregistrements peuvent durer jusqu’à 6 minutes ; au-delà, le traitement n’est pas garanti et peut expirer. Les fichiers peuvent atteindre 512 Mo.
  • Formats courants. WAV, MP3, M4A, FLAC, AAC et OGG. Les fichiers MP4 et WebM que ChatGPT identifie comme des vidéos sont refusés.
  • Vérifiez les intervenants et les noms. OpenAI prévient que les transcriptions peuvent contenir des erreurs et que l’identification des intervenants peut être peu fiable.
  • Les développeurs passent plutôt par l’API : gpt-transcribe, 25 Mo par fichier, 0,0045 $ la minute.

Comment transcrire un fichier audio dans ChatGPT

L’import audio se fait dans une conversation ordinaire. L’article d’aide d’OpenAI précise que la disponibilité peut varier selon les paramètres de l’espace de travail, la région, la version de l’application et le modèle choisi : si l’option semble absente, ce sont les quatre points à vérifier.

  1. Vérifiez votre offre. Toute offre ou tout espace de travail ChatGPT payant convient ; l’offre Free, non. Sur un compte professionnel, la disponibilité dépend aussi de la configuration de votre espace de travail.
  2. Vérifiez le fichier. Utilisez du WAV, MP3, M4A, FLAC, AAC ou OGG, sous 512 Mo. Pour un résultat fiable, limitez-vous à environ 6 minutes et découpez tout ce qui est plus long entre deux phrases.
  3. Joignez-le à une conversation classique, comme vous le feriez pour un document.
  4. Demandez une transcription, pas un résumé. Essayez : « Transcrivez cet enregistrement mot pour mot. Commencez un nouveau paragraphe à chaque changement d’intervenant. Écrivez [inaudible] quand vous ne distinguez pas un mot. » Mieux vaut être explicite, car le même fichier peut tout aussi bien être résumé ou commenté.
  5. Comparez avec l’audio. Réécoutez les passages importants : les noms, les chiffres et qui a dit quoi. OpenAI prévient lui-même que les transcriptions peuvent contenir des erreurs et que l’identification des intervenants peut être peu fiable.
  6. Si le fichier s’importe mais n’est pas transcrit, convertissez-le en WAV et importez-le à nouveau. C’est la première solution que suggère OpenAI.
QuestionCe que dit OpenAI
Quelles offres ?Les offres et espaces de travail ChatGPT payants, Enterprise compris. Pas l’offre Free.
Quels formats ?WAV, MP3/MPEG, M4A, FLAC, AAC et OGG
Qu’est-ce qui est refusé ?Les fichiers MP4 et WebM identifiés comme des vidéos
Quelle taille ?Fichiers audio jusqu’à 512 Mo
Quelle durée ?Jusqu’à 6 minutes dans une conversation classique avec GPT-6 réglé sur Instant. Les enregistrements plus longs peuvent être traités en sections plus courtes quand Data Analysis (analyse de données) est disponible ; sans garantie, et les très longs enregistrements peuvent expirer.
Quelle précision ?Les transcriptions peuvent contenir des erreurs, l’identification des intervenants peut être peu fiable et la qualité peut varier selon la langue.
Pourquoi l’option manque-t-elle ?La disponibilité peut varier selon les paramètres de l’espace de travail, la région, la version de l’application et le modèle choisi.

La dictée et le mode vocal ne sont pas de la transcription

Comme ChatGPT a un bouton micro, beaucoup de gens pensent que c’est par là qu’il transcrit l’audio. Ce n’est pas le cas, du moins pas quand l’enregistrement existe déjà.

La dictée, c’est le micro dans la zone de saisie. Vous parlez, les modèles d’OpenAI transforment votre voix en texte, et vous pouvez le modifier avant de l’envoyer. Elle est conçue pour vos propres prompts, énoncés en direct.

Le mode vocal est un échange parlé avec ChatGPT. La conversation garde une trace écrite de l’échange, mais le centre d’aide d’OpenAI précise que les transcriptions vocales ne sont pas verbatim : elles peuvent ne pas correspondre exactement à ce qui a été dit. Aucune de ces deux fonctions ne prendra une interview de 20 minutes sur votre téléphone pour la retranscrire ; pour cela, il faut un import, ou un outil conçu pour les fichiers.

Pour les développeurs : l’API de transcription d’OpenAI

Si vous codez, les limites de la conversation ne s’appliquent pas à vous. Le guide de transcription de fichiers d’OpenAI oriente désormais tout le monde vers gpt-transcribe sur l’endpoint /v1/audio/transcriptions :

  • Fichiers jusqu’à 25 Mo en FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV ou WebM. Au-delà, OpenAI conseille d’utiliser un format compressé ou de découper le fichier en morceaux de 25 Mo maximum, en évitant de couper au milieu d’une phrase, ce qui fait perdre du contexte et réduit la précision.
  • 0,0045 $ par minute d’audio, selon la page du modèle, soit environ 27 cents pour une heure d’enregistrement.
  • Des indices pour les noms et le jargon. Un prompt décrit l’enregistrement, keywords liste les termes que vous vous attendez à entendre et languages définit les langues attendues. OpenAI présente les keywords comme des indices, pas comme un résultat imposé, et vous demande de vérifier qu’ils ne font pas apparaître des termes qui n’ont pas été prononcés.
  • Les étiquettes d’intervenants et les horodatages reposent sur des modèles dépréciés. La diarisation passe par gpt-4o-transcribe-diarize, et les horodatages structurés par mot et par segment uniquement par whisper-1. Les deux figurent sur la liste des dépréciations d’OpenAI, avec gpt-4o-transcribe, gpt-4o-mini-transcribe et l’endpoint translations, et leur arrêt est prévu le 26 février 2027.
  • L’audio en direct relève de la transcription Realtime, pour laquelle OpenAI recommande gpt-live-transcribe.

Ce quatrième point compte si vous construisez un produit qui doit savoir qui a parlé et quand : aujourd’hui, vous bâtiriez sur des modèles dont la date de fin est déjà publiée.

Là où la transcription de ChatGPT coince

Tout ce qui dépasse quelques minutes

Le chiffre sur lequel vous organiser, c’est 6 minutes. Au-delà, ChatGPT peut traiter le fichier par sections quand Data Analysis est disponible, mais OpenAI ne le garantit pas et indique que les très longs enregistrements peuvent expirer. Découper le fichier vous-même fonctionne, avec la réserve qu’OpenAI fait aux développeurs : coupez dans les pauses entre les phrases, jamais au milieu d’une phrase, sinon les mots à chaque jointure en pâtissent.

Qui a dit quoi

Pour un mémo vocal, les étiquettes d’intervenants importent peu. Pour une interview ou un appel, c’est tout l’enjeu, et l’article d’aide d’OpenAI indique que l’identification des intervenants peut être peu fiable. Si une citation doit finir dans un article, un rapport ou un contrat, vérifiez d’abord l’intervenant sur l’audio.

Les horodatages

Demandez-les si vous en avez besoin, puis vérifiez-en quelques-uns sur l’audio avant de vous appuyer dessus. Un horodatage faux vous envoie au mauvais moment, ce qui est pire que de ne pas en avoir.

Noms, chiffres et jargon

Les noms de famille, les noms de produits et les sigles sont les premiers mots sur lesquels trébuche n’importe quel modèle de reconnaissance vocale, parce que ce sont ceux qu’il a le moins entendus. Lister dans votre demande les noms attendus ne coûte rien, mais relisez-les tous quand même. Les chiffres méritent la même attention : sur un enregistrement de mauvaise qualité, « six » et « dix » se confondent facilement.

Les autres langues

OpenAI note que la qualité peut varier selon la langue. Si les participants changent de langue en cours de conversation, vérifiez ces passages avec un soin particulier.

Plus de six minutes, ou plusieurs voix ?

Laxis accepte une réunion, une interview ou un cours entier en import dans son application web (m4a, mp3, wav ou flac, jusqu’à 200 Mo) et renvoie une transcription avec identification des intervenants et horodatages, plus un résumé IA. Un compte Laxis gratuit inclut 300 minutes de transcription par mois.

Essai Premium de 14 jours, sans carte bancaire. Essayer Laxis gratuitement

Réparer un fichier que ChatGPT refuse

Un import raté vient généralement du fichier plutôt que de la transcription. Trois solutions, toutes réalisables avec n’importe quel convertisseur audio ou avec ffmpeg :

  • Un fichier vidéo. Extrayez la piste audio en MP3, puis importez ce MP3.
  • Un M4A qui s’importe mais n’est pas transcrit. Le conseil d’OpenAI lui-même : le convertir en WAV et réessayer. Le réencoder en MP3 est une autre façon d’obtenir un fichier propre et standard.
  • Un énorme WAV. Le convertir en MP3 réduit sa taille à une fraction de l’original, ce qui compte surtout face au plafond de 25 Mo de l’API.

Si l’enregistrement se trouve dans l’app Dictaphone, notre guide pour transcrire les mémos vocaux sur iPhone passe en revue les options, et si vous partez d’une vidéo, consultez notre tutoriel pour convertir une vidéo en texte.

Avant d’importer : les paramètres de confidentialité à vérifier

Ce qu’il advient d’un enregistrement une fois importé dépend de votre offre et de vos paramètres. Voici ce qu’en dit OpenAI sur sa page consacrée à l’utilisation des données pour améliorer ses modèles, mise à jour le 13 mars 2026 :

  • Comptes personnels. Pour les services destinés aux particuliers, comme ChatGPT, OpenAI indique pouvoir utiliser votre contenu pour entraîner ses modèles. Vous pouvez vous y opposer dans vos paramètres de gestion des données ou via le portail de confidentialité d’OpenAI, et OpenAI précise que les nouvelles conversations ne servent alors plus à l’entraînement.
  • Temporary Chat (chat temporaire). Selon OpenAI, ces conversations n’apparaissent pas dans votre historique, n’utilisent ni ne créent de mémoires, et ne servent pas à entraîner ses modèles.
  • Produits professionnels. OpenAI indique que, par défaut, il n’entraîne pas ses modèles sur les entrées ou sorties de ses produits professionnels, dont ChatGPT Enterprise et l’API.

Deux précisions du centre d’aide d’OpenAI méritent d’être ajoutées. Sur les comptes personnels Free, Plus et Pro, le paramètre « Improve the model for everyone » (Améliorer le modèle pour tous) est activé par défaut. Et la voix a son propre interrupteur, « Include your audio recordings » (Inclure vos enregistrements audio), qui couvre la dictée et les conversations vocales. C’est la description qu’OpenAI fait de ses propres pratiques, pas la nôtre : lisez donc ces pages vous-même avant d’importer quoi que ce soit de confidentiel. À titre de comparaison, la position de Laxis est écrite noir sur blanc dans notre engagement de non-entraînement : « Laxis n’utilisera jamais vos données pour entraîner des modèles d’IA sans votre consentement. »

Une vérification échappe à tous les paramètres : si d’autres personnes figurent sur l’enregistrement, elles auraient dû savoir qu’il était en cours. Certains endroits n’exigent le consentement que d’un seul participant, d’autres celui de tous ; notre guide sur le consentement couvre les deux cas, État par État aux États-Unis comme à l’étranger. Il s’agit d’informations générales, pas d’un avis juridique.

Quand ChatGPT n’est pas le bon outil

ChatGPT est pertinent pour un court extrait que vous voulez transcrire, puis interroger dans la même fenêtre. Pour tout ce qui est long, tout ce qui comporte plusieurs intervenants ou tout ce que vous voudrez retrouver le mois prochain, un outil conçu pour les fichiers fait le travail avec moins de contorsions.

  • Laxis, de l’audio au texte. Importez une réunion, une interview, un cours ou un mémo vocal et récupérez la transcription avec intervenants et horodatages, plus un résumé. Cela fonctionne avec un compte Laxis gratuit et ses 300 minutes par mois.
  • Ce qui se trouve déjà sur vos appareils. Notre sélection de solutions gratuites pour transcrire de l’audio en texte compare les options intégrées aux outils de transcription web gratuits et explique ce qui détermine vraiment la précision.
  • Les réunions qui n’ont pas encore eu lieu. Enregistrer une réunion et en faire rédiger le compte rendu par ChatGPT, ce n’est pas le même travail que transcrire un fichier. Notre guide sur les notes de réunion avec ChatGPT présente les fonctions de réunion d’OpenAI et les prompts qui tiennent la route.

La place de Laxis

Laxis est un assistant de réunion IA qui accepte aussi les fichiers : importez un enregistrement dans l’application web et la transcription revient avec intervenants et horodatages, accompagnée d’un résumé et des actions à mener. Le même compte couvre les conversations en direct. L’application de bureau enregistre les appels Zoom, Google Meet, Teams et Webex via l’audio de votre ordinateur, sans bot par défaut, et l’application mobile prend en charge les réunions en présentiel et les appels téléphoniques. La page de l’assistant de réunion Laxis donne une vue d’ensemble.

Les limites, sans détour. Dans les applications standard, votre audio est traité sur les serveurs cloud de Laxis. Basic, l’offre gratuite, inclut 300 minutes par mois, décomptées pour les réunions comme pour la dictée ; un enregistrement peut durer 45 minutes, et tout ce qui a plus de 30 jours passe dans une archive (conservé, pas effacé) jusqu’à ce que vous passiez à une offre supérieure. La transcription couvre plus de 60 langues. Laxis n’est pas conforme HIPAA et ne signe pas de BAA. Et quand vous enregistrez un appel sans bot, prévenez les autres participants : l’application vous le rappelle avant l’enregistrement, et une phrase suffit.

Et si vous n’avez qu’un mémo vocal de deux minutes et un abonnement ChatGPT, utilisez ChatGPT. Choisissez l’outil adapté au fichier.

En résumé

ChatGPT accepte enfin les fichiers audio, et pour de courts extraits sur une offre payante, c’est vraiment pratique : vous transcrivez, puis vous posez des questions sur ce qui a été dit, sans quitter la conversation. Les bémols : le plafond de 6 minutes avec le réglage Instant, des étiquettes d’intervenants peu fiables, et une offre Free qui n’y a pas accès du tout. Pour de longs enregistrements à plusieurs voix, commencez par un outil conçu pour la transcription, puis apportez le texte à ChatGPT si vous voulez encore en discuter.

Transcrivez tout l’enregistrement, pas seulement les six premières minutes. Laxis transforme réunions, interviews et mémos vocaux en résumés, actions à mener et transcriptions avec intervenants identifiés. Essai Premium de 14 jours, sans carte bancaire. Télécharger Laxis

Questions fréquentes

ChatGPT peut-il transcrire de l’audio gratuitement ?

Non, ChatGPT ne peut pas transcrire un fichier audio importé avec l’offre Free. OpenAI indique que l’import audio est disponible sur les offres et espaces de travail ChatGPT payants, Enterprise compris, mais pas sur Free. La dictée et le mode vocal transcrivent la parole pendant que vous parlez, pas un enregistrement que vous avez déjà : ce n’est donc pas une solution de contournement. Pour transcrire un fichier gratuitement, utilisez un outil de transcription dédié.

Quels formats audio ChatGPT peut-il transcrire ?

ChatGPT peut transcrire les formats audio courants, dont WAV, MP3, M4A, FLAC, AAC et OGG, selon le centre d’aide d’OpenAI. Les fichiers MP4 et WebM identifiés comme des vidéos sont refusés par l’import audio : extrayez d’abord la piste audio. Si un fichier s’importe mais n’est pas transcrit, OpenAI suggère de le convertir en WAV et de l’importer à nouveau.

Quelle durée maximale pour un fichier audio à transcrire avec ChatGPT ?

OpenAI indique qu’un enregistrement importé dans une conversation classique peut durer jusqu’à 6 minutes quand vous utilisez GPT-6 réglé sur Instant, et que les fichiers audio peuvent atteindre 512 Mo. Les enregistrements plus longs peuvent être traités par sections quand Data Analysis est disponible, mais OpenAI ne le garantit pas et prévient que les très longs enregistrements peuvent expirer.

ChatGPT peut-il distinguer les différents intervenants d’un enregistrement ?

ChatGPT ne sait pas distinguer de façon fiable les différents intervenants d’un enregistrement. Le centre d’aide d’OpenAI prévient que les transcriptions issues d’imports audio peuvent contenir des erreurs et que l’identification des intervenants peut être peu fiable : vérifiez donc qui a dit quoi en réécoutant l’audio. Les développeurs peuvent obtenir des étiquettes d’intervenants avec le modèle d’API gpt-4o-transcribe-diarize, mais OpenAI l’a déprécié et prévoit de l’arrêter le 26 février 2027.

OpenAI utilise-t-il l’audio importé pour entraîner ses modèles ?

Cela dépend de votre offre et de vos paramètres, selon OpenAI. Pour les services destinés aux particuliers comme ChatGPT, OpenAI indique pouvoir utiliser votre contenu pour entraîner ses modèles, sauf si vous vous y opposez dans vos paramètres de gestion des données ou via son portail de confidentialité, et les conversations en Temporary Chat ne servent pas à l’entraînement. OpenAI précise aussi que, par défaut, il n’entraîne pas ses modèles sur les entrées ou sorties de ses produits professionnels comme ChatGPT Enterprise et l’API.

Combien coûte l’API de transcription d’OpenAI ?

Le modèle de transcription recommandé par OpenAI, gpt-transcribe, coûte 0,0045 $ par minute d’audio, soit environ 27 cents de l’heure, selon sa page de modèle. Les fichiers envoyés à l’endpoint transcriptions peuvent atteindre 25 Mo, dans des formats comme MP3, MP4, M4A, WAV, WebM, FLAC et OGG. Les enregistrements plus volumineux doivent être compressés ou découpés, idéalement entre deux phrases plutôt qu’au milieu d’une.

Produit associé

Assistant de réunion Laxis

Automatisez vos notes dès aujourd'hui.

  • Notes sans bot pour Zoom, Google Meet, Teams et les réunions en présentiel
  • Résumés IA, actions à mener et suivis en plus de 60 langues
  • Mac, Windows, iPhone et Android, avec un forfait gratuit

Commencez gratuitement, aucune carte bancaire requise.

En savoir plus ▷