Transcription française : l'écart de précision entre québécois et France

La réponse courte

L'écart dialectal entre le français québécois et le français métropolitain constitue la plus grande chute de précision de toute la transcription française. Un moteur bien configuré sur un audio propre de journal télévisé parisien surpassera le même moteur sur de la parole captée dans la rue à Montréal d'une marge significative, et les raisons sont phonologiques, pas seulement une question de vocabulaire. Réglez correctement votre code de langue, choisissez un moteur qui distingue fr de fr-CA, et prévoyez une passe de relecture pour les contenus riches en joual.

Pourquoi le français québécois pose un problème différent du « français »

L'Organisation internationale de la Francophonie recensait 396 millions de francophones en 2026. La plupart des pipelines d'entraînement des IA privilégient massivement le français métropolitain, la variété parlée en France, parce qu'elle domine les médias audiovisuels, les jeux de données disponibles et les contenus sous-titrés sur le web ouvert. Le français québécois représente moins de 5 % des enregistrements en français de CommonVoice, le plus grand jeu de données vocales alimenté par le public. Ce déséquilibre d'entraînement est la cause profonde de l'écart de précision.

Mais cet écart n'est pas seulement un problème de données. La phonologie diverge réellement.

Ce que l'affrication fait subir à l'ASR

La caractéristique la plus déroutante pour un modèle entraîné sur le français métropolitain est l'affrication. En français québécois, les occlusives dentales /t/ et /d/ deviennent des affriquées devant les voyelles antérieures fermées et les semi-voyelles :

• /ty/ (tu) se prononce [t͡sy]
• /ti/ (petit) se prononce [pəˈt͡si]
• /dy/ (du) se prononce [d͡zy]
• /di/ (dire) se prononce [d͡ziʁ]

Un modèle entraîné sur des entrées parisiennes /ty/ s'attend à cette séquence de phones. Lorsqu'il reçoit [t͡sy] à la place, il peut halluciner un autre mot, omettre le morphème ou désaligner silencieusement le reste de l'énoncé. Ce n'est pas une question de tolérance aux accents, c'est un problème d'inventaire phonémique distinct.

Voyelles : distinctions préservées et diphtongaison

Le français métropolitain a fusionné plusieurs paires de voyelles que le français québécois maintient distinctes. L'opposition /a/ vs /ɑ/, conservée au Québec, a disparu dans la parole parisienne. Les voyelles fermées (/i/, /y/, /u/) subissent une relaxation dans les syllabes fermées, devenant [ɪ], [ʏ], [ʊ]. Les voyelles longues en syllabe fermée se diphtonguent : /ɛː/ peut apparaître comme [ɛɪ̯], /ɑː/ comme [ɑʊ̯]. Aucune de ces diphtongues n'existe dans le français métropolitain standard, si bien qu'un modèle qui ne les a jamais rencontrées segmente mal ou étiquette mal le noyau vocalique.

Le joual : la basilecte qui casse la plupart des outils

Le joual est la variété montréalaise populaire, située à l'extrémité la plus familière du continuum du français québécois. Le mot lui-même vient d'une prononciation rurale/populaire de cheval. Au-delà de l'affrication et de la diphtongaison, le joual se caractérise par :

• L'abandon de la négation bipartite : « je sais pas » remplace « je ne sais pas » à un point tel que la forme standard sonne formelle
• Le tu interrogatif : « Il veut-tu manger ? », où tu est une particule interrogative et non le pronom de deuxième personne
• Les sacres comme marqueurs discursifs : termes religieux employés comme jurons (tabernak, câlice, crisse, osti) qui surgissent dans la parole spontanée ordinaire et figurent rarement dans les données d'entraînement
• Des réductions comme m'as pour je vais, mé pour mais, pis pour puis

Un modèle qui n'a jamais rencontré ces formes ne se contente pas de mal les transcrire : il produit souvent un résultat fluide en apparence mais erroné, plus difficile à repérer lors de la relecture.

La couche des anglicismes : différente au Québec et en France

Le français métropolitain et le français québécois absorbent tous deux des emprunts à l'anglais, mais les mécanismes diffèrent de manière à affecter la précision de la transcription.

Au Québec, la phonologie anglaise est adaptée au français. Un mot comme fun se prononce avec une voyelle française [œ̃]. Gang rime avec rang. Chum (copain/amoureux) sonne comme le mot français qu'il est devenu. Le mot emprunté est phonologiquement domestiqué ; le moteur doit donc le reconnaître comme sortie française, et non le signaler comme une alternance codique.

En France métropolitaine, les anglicismes gardent souvent une prononciation plus proche de l'anglais. Le week-end conserve quelque chose de plus proche des voyelles anglaises. Le même mot peut se réaliser différemment à Paris et à Montréal, et un moteur qui attend l'une peut mal segmenter l'autre.

Certains mots qui ressemblent à des anglicismes au Québec ne sont en réalité pas du tout empruntés à l'anglais. Char (voiture) vient de charette, pas de l'anglais. Magasiner (faire ses courses) est une création québécoise, pas un emprunt. Les confondre avec des anglicismes lors de la relecture conduit à des corrections inutiles.

Vocabulaire spécifiquement québécois qui piège les moteurs entraînés sur le français métropolitain :

Lorsqu'un modèle entraîné sur le français métropolitain entend « fin de semaine », il peut reconnaître les mots individuellement sans réussir à analyser le sens composé. Lorsqu'il entend « bienvenue » en réponse à un remerciement, il peut le signaler comme déplacé alors que c'est parfaitement correct en usage québécois.

Prise en charge des dialectes français, moteur par moteur

Deepgram Nova-3

Deepgram est la seule grande API à distinguer fr de fr-CA comme codes de langue séparés. Spécifier fr-CA achemine l'audio vers une variante de modèle entraînée avec des données de français canadien. Pour des contenus de podcast, de radio-télévision et d'entrevue issus de Radio-Canada ou CJAD, fr-CA surpassera fr. Le modèle prend en charge la détection d'alternance codique dans 10 langues dont le français. Les propres benchmarks de Deepgram montrent environ 34 % de réduction relative du WER pour les modèles multilingues par rapport à leurs prédécesseurs, mais les chiffres comparatifs spécifiques français contre français canadien ne sont pas rendus publics.

Whisper Large-v3

Whisper utilise fr comme seul code de langue français. Il ne distingue pas le français canadien du français métropolitain au niveau de l'API. Un benchmark académique de 2025 sur le jeu de données CommissionsQC (discours législatif québécois spontané) mesurait Whisper-large-v3 à 8,4 % de WER et Whisper-large-v3-turbo à 8,2 % de WER sur du français québécois. Point crucial : les variantes de Whisper affinées spécifiquement pour le français (entraînées exclusivement sur des données de français métropolitain) ont obtenu des résultats moins bons que le Whisper multilingue de base sur le français québécois. Cela confirme que l'affinage sur français métropolitain dégrade activement la précision sur le québécois, parce qu'il rétrécit la distribution phonologique que le modèle peut gérer.

AssemblyAI Universal-3

AssemblyAI utilise un seul code de langue fr et indique que son modèle Universal-3 Pro détecte automatiquement les patterns de parole régionaux, y compris le québécois, sans nécessiter de code de dialecte séparé. Il liste explicitement le vocabulaire québécois et les prononciations propres aux accents parmi ce qui est traité automatiquement. Cette approche est pratique, mais elle signifie que vous ne pouvez pas forcer un chemin de modèle spécifique au Québec.

Otter.ai

Otter prend en charge la transcription du français sur toutes ses offres. C'est avant tout un outil de bot de réunion (qui rejoint les appels Zoom, Meet et Teams via un bot). Sa prise en charge du français couvre les langues gérées par son moteur vocal, mais il ne publie pas de données de précision propres aux dialectes pour le français québécois, et sa fonction de résumé génère une sortie en anglais quelle que soit la langue de l'audio. Si vous transcrivez des réunions en français et avez besoin de résumés en français, c'est une véritable limite.

Happy Scribe

Happy Scribe met en avant plus de 150 langues via sa transcription par IA. Ses offres de transcription IA sont tarifées en euros : Basic à 8,50 €/mois (facturation annuelle, 120 minutes IA), Pro à 19 €/mois (facturation annuelle, 600 minutes IA), Business à 59 €/mois (facturation annuelle, 6 000 minutes IA). La relecture humaine est disponible à partir de 1,75 €/minute. Happy Scribe ne publie pas de données de précision propres aux dialectes pour le québécois face au métropolitain.

Trint

Trint est facturé par siège et vise les flux de travail journalistiques et médias. Starter coûte environ 80 $/siège/mois en facturation annuelle (7 fichiers par siège et par mois) ; Advanced tourne autour de 100 $/siège/mois (fichiers illimités). Pas d'offre gratuite permanente. Trint ne publie pas de données de précision spécifiques au Québec.

Le français de Belgique et de Suisse : un écart plus faible mais réel

La Belgique et la Suisse ajoutent ensemble deux points de friction spécifiques pour l'ASR :

Les nombres. Le français de Belgique utilise septante (70) et nonante (90). Le français de Suisse emploie universellement septante et nonante, plus huitante (80) dans les cantons de Vaud, du Valais et de Fribourg (Genève dit quatre-vingts). Un modèle qui attend du français métropolitain entendra « septante-cinq » et n'aura aucune représentation entraînée pour cette séquence de tokens, puisque l'équivalent métropolitain est « soixante-quinze ». Selon le moteur, il peut produire malgré tout la bonne chaîne de chiffres (75) grâce à une couche de normalisation numérique, ou produire une sortie corrompue.

Le débit de parole. Le français de Belgique tend vers un débit légèrement plus lent et une accentuation plus syllabique que le parisien. Le français de Suisse en contexte formel est posé et clair, ce qui aide généralement l'ASR plutôt que de lui nuire. La précision sur ces deux variétés reste plus proche du français métropolitain que celle du québécois, à condition que le problème des nombres soit traité.

Orthographe : d'où viennent les diacritiques dans la transcription

Le français utilise cinq types de signes diacritiques et deux ligatures : accent aigu (é), accent grave (à, è, ù), accent circonflexe (â, ê, î, ô, û), tréma (ï, ü, ë), cédille (ç), et les ligatures œ et æ.

Le problème pour la conversion parole-texte, c'est que les diacritiques aident dans le sens orthographe-son, pas dans l'autre. En entendant /o/, vous ne pouvez pas savoir s'il faut écrire o, au, eau ou ô. Le modèle ASR doit apprendre la correspondance entre l'entrée acoustique et une orthographe correctement diacritisée via la couverture des données d'entraînement. Les moteurs entraînés massivement sur du français écrit parisien restaurent généralement bien les diacritiques sur le vocabulaire métropolitain. Sur le vocabulaire québécois, aux conventions d'écriture différentes, la qualité de restauration varie.

Vérifiez votre sortie pour : ecole vs école, francais vs français, fete vs fête et le rare oeuf vs œuf. Les diacritiques manquants sur les noms propres sont particulièrement fréquents et les plus difficiles à repérer en relecture.

Mise en place pratique pour l'audio en français

Réglez le code de langue avant de téléverser, pas après. Pour du contenu en français métropolitain, utilisez fr. Pour du contenu québécois — émissions de Radio-Canada, enregistrements de débats parlementaires, podcasts de Montréal — utilisez fr-CA si votre moteur le prend en charge (Deepgram), ou fr en comptant sur l'adaptation automatique du moteur (AssemblyAI, Whisper).

Pour les contenus riches en joual, prévoyez une passe de relecture quel que soit le moteur. La combinaison de l'affrication, des sacres et des structures avec tu interrogatif produit des grappes d'erreurs impossibles à corriger par simple post-traitement.

Fournir un glossaire de noms propres aide considérablement : noms de quartiers montréalais (Rosemont, Hochelaga), lieux emblématiques de la ville de Québec, noms de politiciens et de journalistes québécois sont systématiquement sous-représentés dans les données d'entraînement et fréquemment mal transcrits.

Pour la diarisation des locuteurs sur du contenu français, plus le registre est formel, meilleure est la précision de diarisation. Les émissions de radio québécoises avec chevauchements fréquents et locuteurs qui se coupent la parole sont plus difficiles que les entrevues structurées à deux personnes. Si vous voulez approfondir la diarisation des locuteurs expliquée, cet article couvre le fonctionnement des modèles sous-jacents.

Pour du contenu de réunion spécifiquement, l'outil de transcription de réunions traite le français nativement. Pour des enregistrements d'entrevue, consultez comment transcrire un enregistrement d'entrevue.

Comparer les options de transcription du français

Mon avis : pour le français québécois en particulier, le choix du moteur compte davantage que l'interface. Le code de langue fr-CA de Deepgram est le signal le plus net, de niveau production, qu'un modèle a été entraîné avec des données québécoises. La valeur d'Otter réside dans le workflow de bot de réunion, pas dans la précision dialectale. La tarification par siège de Trint, calibrée pour des budgets de taille journalistique, est difficile à justifier quand la qualité ASR sous-jacente sur le français régional n'est pas différenciée.

Si vous travaillez sur du contenu diffusé en français métropolitain, la plupart des moteurs vous donneront une précision acceptable. Si votre contenu est québécois, le choix du moteur et du code de langue devient déterminant.

Conseils avant de transcrire

1. Utilisez fr-CA quand votre moteur le prend en charge, pour tout contenu québécois.
2. Incluez un glossaire de noms propres québécois et de vocabulaire spécialisé.
3. Pour de l'audio riche en joual (micros-trottoirs, humour, podcasts informels), prévoyez un temps de relecture proportionnel à la durée de l'audio.
4. Vérifiez que les diacritiques sont intacts sur un court échantillon avant de traiter un lot.
5. Pour du contenu belge ou suisse, vérifiez que les nombres sont bien rendus en chiffres, car septante, nonante et huitante peuvent perturber les modèles entraînés sur le français métropolitain.

Pour un aperçu plus large de la façon de choisir un outil de transcription selon le modèle économique, consultez la comparaison des prix de transcription. Si vous voulez comprendre ce que mesurent réellement les métriques de précision sur de l'audio réel, la précision de transcription expliquée couvre le WER et ses limites.

Si vous avez simplement besoin d'une transcription française propre sans bot de réunion, l'outil audio-vers-texte de ConvertAudioToText gère fr et fr-CA, préserve tous les diacritiques et génère des résumés en français plutôt qu'en anglais.

Questions fréquentes

Whisper prend-il en charge le français québécois séparément du français métropolitain ?

Whisper utilise un seul code de langue fr, sans distinction dialectale au niveau de l'API. Il n'a pas de chemin fr-CA séparé. Les benchmarks de recherche sur le français québécois spontané (jeu de données CommissionsQC) montrent que Whisper-large-v3 atteint 8,4 % de WER, ce qui est compétitif. Fait important : les versions affinées de Whisper entraînées exclusivement sur du français métropolitain obtiennent des résultats moins bons sur le français québécois que le modèle multilingue de base, car l'affinage métropolitain réduit la plage phonologique que le modèle peut gérer.

Qu'est-ce qui rend le français québécois plus difficile à transcrire pour l'IA que le français métropolitain ?

Deux caractéristiques phonologiques expliquent l'essentiel de l'écart de précision. D'abord, l'affrication : les occlusives dentales /t/ et /d/ deviennent [t s] et [d z] devant les voyelles antérieures fermées, si bien que tu sonne comme tsu et dire comme dzire. Ensuite, la diphtongaison des voyelles en syllabes fermées, qui produit des sons comme [ɛɪ̯] et [ɑʊ̯] inexistants en français métropolitain. Un modèle entraîné sur du français métropolitain rencontre ces phones comme des entrées hors distribution. Le registre joual ajoute la négation élidée, le tu interrogatif et les sacres comme marqueurs discursifs, aucun de ces éléments n'apparaissant dans les corpus d'entraînement standards.

Que sont les sacres et pourquoi comptent-ils pour la transcription ?

Les sacres sont des jurons du français québécois dérivés de termes religieux catholiques : tabernak, câlice, crisse, osti, et environ 2 000 variantes recensées. Dans le joual et la parole montréalaise informelle, ils apparaissent comme intensificateurs et marqueurs discursifs à haute fréquence dans la conversation spontanée. Parce qu'ils sont absents ou rares dans les données d'entraînement de la plupart des modèles ASR, ils sont souvent transcrits comme des mots sans rapport mais de sonorité proche, produisant des erreurs difficiles à repérer sans connaissance du registre.

Le français de Belgique pose-t-il les mêmes problèmes que le français québécois pour l'ASR ?

Non, l'écart est bien plus faible. La phonologie du français de Belgique reste proche du français métropolitain. Le principal problème pratique est le lexique des nombres : septante (70) et nonante (90) en Belgique, et septante, nonante, huitante (80 dans certains cantons) en Suisse. Un modèle entraîné sur du français métropolitain n'a jamais vu « septante-cinq » comme séquence de tokens pour 75. Que cela produise ou non une erreur au niveau des chiffres dépend de la façon dont le moteur gère la normalisation numérique. Globalement, la précision sur le français de Belgique et de Suisse reste proche de celle du métropolitain, tandis que le québécois représente un défi vraiment distinct.

Faut-il utiliser le code de langue fr ou fr-CA pour du contenu en français canadien ?

Utilisez fr-CA partout où votre moteur le prend en charge. Deepgram Nova-3 distingue ces codes comme langues séparées, chacun acheminant vers des variantes de modèles différentes. AssemblyAI et Whisper utilisent un seul code fr et appliquent la gestion dialectale en interne. Pour du contenu mixte (un enregistrement de centre d'appel mêlant locuteurs québécois et script en français métropolitain), fr-CA est le choix le plus sûr, car la divergence phonologique du québécois est plus grande et plus difficile à gérer pour un modèle entraîné sur le métropolitain lorsqu'il la rencontre de manière inattendue.

Sources

• Vue d'ensemble des modèles et langues Deepgram : https://developers.deepgram.com/docs/models-languages-overview
• Extension Deepgram Nova-3 au français, à l'espagnol et au portugais : https://deepgram.com/learn/deepgram-expands-nova-3-with-spanish-french-and-portuguese-support
• Améliorations multilingues du WER de Deepgram Nova-3 : https://deepgram.com/learn/nova-3-multilingual-major-wer-improvements-across-languages
• Langues prises en charge par AssemblyAI : https://www.assemblyai.com/docs/supported-languages
• Benchmarking Large Pretrained Multilingual Models on Quebec French Speech Recognition (arxiv 2508.21193) : https://arxiv.org/html/2508.21193v1
• Phonologie du français québécois (Wikipédia) : https://en.wikipedia.org/wiki/Quebec_French_phonology
• Joual (Wikipédia) : https://en.wikipedia.org/wiki/Joual
• Lexique du français québécois (Wikipédia) : https://en.wikipedia.org/wiki/Quebec_French_lexicon
• Tarifs Otter.ai : https://otter.ai/pricing
• Tarifs Happy Scribe : https://www.happyscribe.com/pricing
• Rapport OIF Francophonie 2026 (France Diplomatie) : https://www.diplomatie.gouv.fr/en/french-foreign-policy/francophony-and-the-french-language/news/2026/article/international-francophonie-day-2026-french-is-now-the-fourth-most-widely-spoken
• Nombres en français de Belgique et de Suisse : http://numbersinfrench.com/regional/