Meilleure transcription pour les langues africaines en 2026 : classements honnêtes

La plupart des outils de transcription qui affirment prendre en charge « plus de 100 langues » ne fonctionnent pas, en pratique, pour les langues africaines. L'état réel de la transcription des langues africaines en 2026 se résume à ceci : une poignée de moteurs couvrent les langues les plus parlées du continent avec une précision correcte (pas excellente), une startup nigériane fait le travail le plus intéressant, et des dizaines de langues restent, de fait, non résolues par les modèles d'IA.

Ce billet dresse le tableau réel. Chaque affirmation de prise en charge ci-dessous est vérifiée par rapport à la documentation des fournisseurs.

Pourquoi les langues africaines sont difficiles à transcrire pour l'IA

Les modèles de reconnaissance vocale s'améliorent avec les données d'entraînement. Whisper large-v3, le modèle ouvert le plus performant pour la transcription multilingue, a été entraîné sur environ 680 000 heures d'audio, mais le yoruba et le haoussa réunis représentent moins de 600 heures de ce total. Le wolof en représente encore moins.

La conséquence se voit dans les benchmarks. Sur l'évaluation multilingue FLEURS :

• Swahili : environ 34 % de WER (taux d'erreur sur les mots)
• Afrikaans : environ 32 % de WER
• Yoruba : environ 49 % de WER
• Wolof : pratiquement intraduisible par Whisper de base (taux d'erreur supérieur à 100 % sur le benchmark)

Pour contexte, l'anglais se situe sous les 5 % de WER sur le même benchmark. Un WER de 34 % sur le swahili signifie encore qu'en moyenne, environ un mot sur trois est faux. C'est utilisable avec une relecture compétente. Un WER de 49 % sur le yoruba est limite. Le wolof, au niveau du modèle de base, nécessite un affinage spécialisé.

Ce sont les chiffres réels. Tout outil qui prétend atteindre 85 à 92 % de précision sur le wolof avec un modèle généraliste ne cite pas une source vérifiable.

Qui prend en charge quoi : la matrice de prise en charge 2026

Le tableau ci-dessous montre quels moteurs listent officiellement des langues africaines spécifiques dans leur documentation, vérifié en juillet 2026. « Batch » signifie upload de fichier uniquement ; « Streaming » signifie en temps réel. Une cellule vide signifie que la langue n'est pas listée.

| Langue | Whisper large-v3 | AWS Transcribe | Google Chirp 3 | Azure STT | AssemblyAI Univ-2 | Intron Sahara v2 | |---|---|---|---|---|---|---|---| | Swahili | Oui | Batch+Stream (5 locales) | Aperçu | GA (sw-KE, sw-TZ) | Oui (WER modéré) | Oui | | Afrikaans | Oui | Batch+Stream | GA | GA | Non répertorié | Oui | | Amharique | Oui | Batch+Stream | Aperçu | GA | Oui (WER correct) | Oui | | Zoulou | Oui | Batch+Stream | Aperçu | GA | Non répertorié | Oui | | Haoussa | Oui | Batch uniquement | Aperçu | Non répertorié | Oui (WER correct) | Oui | | Yoruba | Oui | Non répertorié | Aperçu | Non répertorié | Oui (WER correct) | Oui | | Wolof | Fine-tuning requis | Batch uniquement | Aperçu | Non répertorié | Non répertorié | Oui | | Xhosa | Oui | Non répertorié | Aperçu | Non répertorié | Non répertorié | Oui | | Somali | Oui | Batch+Stream | Non répertorié | GA | Oui (WER correct) | Non répertorié | | Kinyarwanda | Oui | Batch uniquement | Non répertorié | Non répertorié | Non répertorié | Oui | | Luganda | Oui | Batch+Stream | Non répertorié | Non répertorié | Non répertorié | Oui | | Igbo | Non répertorié | Non répertorié | Non répertorié | Non répertorié | Non répertorié | Oui | | Twi / Akan | Non répertorié | Non répertorié | Non répertorié | Non répertorié | Non répertorié | Oui |

Sources : tableau des langues AWS Transcribe (docs.aws.amazon.com/transcribe), documentation Google Cloud Chirp 3, support linguistique Azure Speech (Microsoft Learn), documentation des langues prises en charge par AssemblyAI, page produit Intron Sahara v2. Tout vérifié en juillet 2026.

Analyse Moteur par Moteur

Whisper large-v3 (via l'API OpenAI ou auto-hébergé)

Whisper est la colonne vertébrale de la plupart des transcriptions en langues africaines qui fonctionnent en 2026. L'API hébergée d'OpenAI facture 0,006 $/minute pour gpt-4o-transcribe ou 0,003 $/minute pour gpt-4o-mini-transcribe. L'auto-hébergement via faster-whisper ou whisper.cpp élimine le coût par minute, au prix d'une complexité de configuration.

La distribution de la précision est inégale. Le swahili et l'afrikaans se situent dans une zone « utilisable ». Le haoussa et l'amharique sont exploitables pour du contenu non critique. Le yoruba est marginal. Le wolof n'est pas transcrit de manière fiable au niveau du modèle de base.

Une capacité importante : Whisper gère mieux que la plupart des alternatives l'alternance codique (lorsque les locuteurs mélangent les langues, un schéma courant dans les contenus nigérians, sénégalais et kényans).

Idéal pour : le swahili, l'amharique et les accents africains-anglais. Les chercheurs qui hébergent eux-mêmes pour des raisons de confidentialité. Toute personne ayant déjà accès à l'API OpenAI et ayant besoin d'une solution multilingue de secours. Consultez la tarification de l'API OpenAI Whisper en 2026 pour une vue complète des coûts.

Intron Sahara v2 (la révélation de 2026)

Le développement le plus marquant pour la transcription des langues africaines en 2026 est un modèle conçu à Lagos, pas dans la Silicon Valley. Intron a lancé Sahara v2 en mars 2026, entraîné sur 50 000 heures d'audio provenant de plus de 40 000 locuteurs répartis dans 30 pays africains, enregistrées dans des environnements réels : cliniques, tribunaux, centres d'appels et marchés.

Sahara v2 prend en charge 57 langues, dont explicitement le haoussa, le yoruba, le swahili, le wolof, l'igbo, le twi, le kinyarwanda, le luganda, le zoulou, le xhosa, le shona, le pidgin, et bien d'autres. Il inclut le tout premier modèle ASR bilingue swahili-anglais au monde, conçu pour l'alternance codique entre ces deux langues, et couvre plus de 500 variantes d'accents africains-anglais.

Mon avis : c'est l'outil que j'examinerais en premier pour toute application de production en langues africaines. La qualité des données d'entraînement (enregistrements du monde réel, pas des textes religieux) correspond mieux aux cas d'usage que la plupart des gens ont réellement. La réserve honnête : Intron ne publie pas ses tarifs. L'accès à l'API est disponible, mais il faut contacter leur équipe.

Idéal pour : le yoruba, l'igbo, le twi, le kinyarwanda et d'autres langues que les modèles génériques gèrent mal. Les déploiements en production où la qualité des données d'entraînement est primordiale.

AWS Transcribe

AWS Transcribe a discrètement constitué l'une des listes de langues africaines les plus fournies parmi les fournisseurs cloud, avec notamment le wolof et le haoussa (tous deux en traitement par lots uniquement), le swahili décliné en cinq variantes régionales, l'afrikaans, l'amharique, le somali, le zoulou, le kinyarwanda et le luganda.

Les tarifs démarrent à 0,024 $/minute (palier 1, jusqu'à 250 000 minutes par mois), puis baissent en fonction du volume. La précision reste en retrait par rapport aux outils basés sur Whisper pour la plupart de ces langues, car le modèle sous-jacent est différent, et aucune donnée WER n'est publiée pour les langues africaines. Pour une ventilation complète des coûts, consultez la tarification AWS Transcribe en 2026.

Idéal pour : les développeurs déjà présents dans l'écosystème AWS qui ont besoin de traitements par lots sur un éventail de langues d'Afrique de l'Est et australe. Le support multi-régional du swahili (Kenya, Tanzanie, Ouganda, Burundi, Rwanda) est un véritable différenciateur.

Google Cloud Speech-to-Text (Chirp 3)

Le modèle Chirp 3 de Google a ajouté l'afrikaans (GA), le swahili, l'amharique, le haoussa, le yoruba, le wolof, le xhosa et le zoulou, bien que la plupart soient en statut Preview plutôt qu'en GA. Le prix est d'environ 0,016 $/minute pour le temps réel et de 0,004 $/minute pour le traitement par lots dynamique.

Le statut Preview implique que les SLA de production ne s'appliquent pas. Pour le wolof en particulier, « Preview » sur un modèle généraliste ne garantit pas que l'écart de précision soit comblé ; cela signifie simplement que la fonctionnalité existe. Évaluez avec des échantillons réels avant de vous engager.

Idéal pour : les langues d'Afrique de l'Est et australe (swahili, afrikaans) où le modèle a bénéficié de plus de temps de développement et est en GA. Restez prudent avec les langues en Preview pour un usage en production.

Azure Speech Service

Azure prend en charge l'afrikaans, l'amharique, le swahili (Kenya et Tanzanie), le somali et le zoulou en statut GA. Le haoussa, le yoruba et le wolof ne sont pas répertoriés. Le prix est d'environ 0,0167 $/minute pour la transcription standard en temps réel, ou 0,003 $/minute pour le traitement par lots.

La liste des langues africaines est plus limitée que chez AWS ou Google, mais les langues prises en charge sont réellement en disponibilité générale, pas en aperçu. La diarisation (séparation des locuteurs) est une option à 0,30 $/heure en temps réel, ou incluse gratuitement en traitement par lots.

Idéal pour : le swahili, l'amharique, l'afrikaans et le zoulou dans des déploiements au sein de l'écosystème Azure. Pas un premier choix pour les langues d'Afrique de l'Ouest.

AssemblyAI

Le modèle Universal-2 d'AssemblyAI prend en charge le swahili (précision modérée, tranche de WER de 25 à 50 %), le haoussa (correct, au-dessus de 50 % de WER), l'amharique (correct), le yoruba (correct), le somali (correct), le shona (correct) et le lingala (correct). Le wolof n'est pas répertorié. Les tarifs démarrent à 0,15 $/heure (0,0025 $/minute) pour le modèle Universal-2, avec 50 $ de crédits gratuits à l'inscription.

Les tranches de WER publiées par AssemblyAI sont honnêtes : « correct » au-dessus de 50 % de WER signifie que vous aurez besoin d'une relecture importante. Pour le haoussa et le yoruba en particulier, Intron Sahara v2 est susceptible de surpasser AssemblyAI d'une marge considérable, vu ses données d'entraînement, même si aucune comparaison directe sur des benchmarks n'a encore été publiée.

Idéal pour : les développeurs qui veulent une API unique couvrant les langues africaines aux côtés de l'anglais et des langues européennes dans le même flux de travail. Voir les meilleures API de transcription vocale en 2026 pour une comparaison plus large.

La réalité des langues peu dotées : celles que l'IA ne peut pas encore transcrire

Plusieurs grandes catégories de langues africaines restent pratiquement insolubles pour les modèles d'IA généralistes en 2026 :

Non traitées par les grands fournisseurs :

• Le bambara et les langues mandingues (Mali, Burkina Faso, Guinée)
• La plupart des langues nilo-sahariennes (Soudan du Sud, Éthiopie, Soudan)
• La plupart des langues bantoues d'Afrique centrale en dehors des plus importantes (le lingala étant l'exception notable via AssemblyAI)
• Les dialectes peuls/fulani à travers l'Afrique de l'Ouest (Intron Sahara v2 répertorie le fulani comme pris en charge, pas les autres fournisseurs)

Le modèle MMS (Massively Multilingual Speech) de Meta couvre officiellement 1 100 langues, mais il a été entraîné principalement sur des enregistrements de textes religieux, avec moins de 50 heures de données pour de nombreuses langues africaines. Il est open-source et gratuit à héberger soi-même, mais la précision pour les langues peu dotées n'est pas viable en production sans un affinage conséquent.

Pour les chercheurs de terrain, les journalistes et les ONG qui travaillent avec ces langues, la réponse honnête est la suivante : la transcription humaine ou l'implication de linguistes communautaires reste indispensable. L'IA vous amène à la ligne de départ, pas à la ligne d'arrivée, pour la longue traîne des langues africaines.

Pour des schémas similaires dans une autre région sous-desservie, l'article sur les meilleurs outils de transcription pour les langues asiatiques couvre des dynamiques comparables de ressources limitées.

Un flux de travail pratique pour l'audio en langues africaines

Le schéma qui fonctionne de manière constante :

1. Commencez par la qualité audio. Des enregistrements propres comptent plus dans les langues africaines qu'en anglais, car les modèles disposent de moins de données d'entraînement pour compenser le bruit. Un bon microphone et un bruit de fond minimal ne sont pas facultatifs pour des langues à précision marginale comme le yoruba.
2. Utilisez Whisper large-v3 (via l'API OpenAI ou en auto-hébergement) comme référence pour le swahili, l'amharique et l'afrikaans. Pour le haoussa et le yoruba, comparez-le à AssemblyAI avec un échantillon avant de vous engager.
3. Pour les langues d'Afrique de l'Ouest à grande échelle, évaluez Intron Sahara v2.
4. Pour le contenu avec alternance codique (swahili-anglais, haoussa-anglais, français-yoruba), laissez l'outil détecter cela automatiquement plutôt que de diviser le fichier. Whisper et Sahara v2 gèrent tous deux l'audio multilingue.
5. Prévoyez un budget pour une relecture par un locuteur natif. Pour les langues africaines avec une précision jugée correcte, la transcription par IA vous mène à 50-70 % du chemin. La relecture humaine comble l'écart pour un contenu publiable ou juridiquement sensible.

Si votre contenu est en anglais avec des accents africains plutôt qu'en langue africaine proprement dite, les outils standard fonctionnent bien mieux. La couverture de plus de 500 accents anglais-africains d'Intron est particulièrement utile pour les centres d'appels et les applications de diffusion où le contenu est en anglais mais prononcé par des locuteurs africains.

Pour l'upload de fichiers audio dans l'une des langues prises en charge, sans intégration de bot ou de réunion, l'outil audio-texte de ConvertAudioToText gère directement les téléversements de fichiers et renvoie une sortie structurée avec les étiquettes des locuteurs, pratique quand vous avez juste besoin d'une transcription de départ propre avant une relecture humaine.

Questions fréquentes

Quelles langues africaines Whisper large-v3 prend-il réellement bien en charge ?

Le swahili et l'afrikaans affichent des scores WER publiés sur le benchmark FLEURS (environ 34 % et 32 % respectivement), ce qui est utilisable avec un audio propre et une passe de post-édition. Le haoussa et l'amharique figurent dans la liste des langues du modèle. Le yoruba obtient un score WER d'environ 49 % (marginal). Le wolof présente un taux d'erreur extrêmement élevé sur FLEURS, ce qui signifie que Whisper de base ne peut essentiellement pas le transcrire de manière fiable sans fine-tuning. Des modèles spécialisés et affinés comme CAYTU/Whosper sur Hugging Face traitent spécifiquement le wolof.

AWS Transcribe prend-il en charge les langues africaines ?

Oui, plus que ce que la plupart des gens imaginent. AWS Transcribe prend en charge l'afrikaans, l'amharique, le haoussa (batch uniquement), le kinyarwanda, le luganda, le somali, le swahili (Kenya, Tanzanie, Ouganda, Burundi, Rwanda), le wolof (batch uniquement) et le zoulou (batch et streaming), selon son tableau officiel des langues. La précision reste en deçà des outils basés sur Whisper pour la plupart de ces langues, car il utilise un modèle sous-jacent différent, mais la liste de couverture est étonnamment large.

Quel est le meilleur outil pour la transcription en haoussa ou en yoruba en 2026 ?

Pour le haoussa, les outils basés sur Whisper (dont le modèle Universal-2 d’AssemblyAI, qui répertorie aussi le haoussa) sont les options les plus accessibles. Les deux évaluent le haoussa avec une précision jugée correcte à modérée, c’est-à-dire utilisable mais pas parfaitement au point. AWS Transcribe propose le haoussa pour les traitements par lots. Pour le yoruba, Whisper large-v3 affiche environ 49 % de WER, et AssemblyAI le classe également en précision correcte. Pour des résultats de qualité professionnelle, une relecture post-édition par un locuteur natif reste indispensable pour ces deux langues, quel que soit l’outil choisi.

Existe-t-il un outil spécialement conçu pour la reconnaissance vocale des langues africaines ?

Oui. Intron, une startup IA basée à Lagos, a lancé Sahara v2 en mars 2026 avec le support de 57 langues, dont le haoussa, le yoruba, le swahili, le wolof, l’igbo, le twi, le kinyarwanda, le zoulou, le xhosa, le shona, le luganda, le pidgin et bien d’autres. Le modèle a été entraîné sur 50 000 heures de parole africaine réelle provenant de 30 pays. L’accès à l’API est ouvert aux développeurs et aux entreprises, mais les tarifs ne sont pas publiés et nécessitent un contact direct avec Intron.

Quelles langues sont pratiquement insolubles pour la transcription IA actuelle ?

De nombreuses langues africaines n’ont toujours pas de solution viable de transcription IA en 2026. Cela concerne la plupart des langues bantoues d’Afrique centrale, le bambara et de nombreuses langues mandingues d’Afrique de l’Ouest, les langues nilo-sahariennes, ainsi que la plupart des langues disposant de moins de 50 heures de données d’entraînement disponibles. Le modèle MMS de Meta couvre plus de 1 100 langues en théorie, mais il a été entraîné principalement sur des textes religieux et affiche une très faible précision sur ces langues de niche. Pour la recherche de terrain dans des langues sous-dotées, la transcription humaine reste la seule option fiable.

Sources

• Langues prises en charge par AWS Transcribe : https://docs.aws.amazon.com/transcribe/latest/dg/supported-languages.html (vérifié en juillet 2026)
• Langues prises en charge par Google Cloud Chirp 3 : https://docs.cloud.google.com/speech-to-text/docs/models/chirp-3 (vérifié en juillet 2026)
• Support linguistique d'Azure Speech Service : https://learn.microsoft.com/en-us/azure/ai-services/speech-service/language-support (vérifié en juillet 2026)
• Langues prises en charge et niveaux de WER chez AssemblyAI : https://www.assemblyai.com/docs/supported-languages (vérifié en juillet 2026)
• Lancement d'Intron Sahara v2 : https://www.itnewsafrica.com/2026/03/intron-launches-voice-ai-for-africa-with-24-languages/ (mars 2026)
• Page produit d'Intron Sahara v2 : https://www.intron.io/sahara-v2/ (vérifié en juillet 2026)
• Tarification de la transcription audio OpenAI : https://developers.openai.com/api/docs/pricing (vérifié en juillet 2026)
• Tarification d'AssemblyAI : https://www.assemblyai.com/pricing (vérifié en juillet 2026)
• Tarification d'AWS Transcribe : https://aws.amazon.com/transcribe/pricing/ (vérifié en juillet 2026)
• Discussion sur le WER de Whisper large-v3 sur FLEURS : https://github.com/openai/whisper/discussions/1762 (vérifié en juillet 2026)
• Fine-tuning wolof de CAYTU/Whosper : https://huggingface.co/CAYTU/whosper-large-v2 (vérifié en juillet 2026)