Transcription japonaise avec kanji : le guide 2026

Japanese audio transcribes into three writing systems simultaneously, and getting all three right is what separates a usable transcript from a readable one. Quand un locuteur dit « kyou wa hareru deshou », la forme écrite correcte est « 今日は晴れるでしょう », pas « きょうはれるでしょう ». Les deux représentent les mêmes sons. Une seule correspond à la façon dont le japonais s'écrit réellement.

Cet article explique comment l'IA gère la couche d'écriture, la couche de registre et la couche dialectale pour la transcription japonaise en 2026, et ce qu'il faut vérifier quand on choisit un outil.

Le problème des trois systèmes d'écriture

Le japonais s'écrit avec trois systèmes qui coexistent :

• Les kanji sont des caractères d'origine chinoise utilisés pour les mots de contenu, les noms de lieux et les verbes (共有する, 東京, 行く).
• Les hiragana gèrent les terminaisons grammaticales, les particules et les mots-outils (は, が, です, ている).
• Les katakana servent pour les emprunts et les noms propres étrangers (マーケティング, アジェンダ, コーヒー).

Une transcription correcte utilise les trois au bon endroit. Une transcription tout en hiragana équivaut, côté machine, à écrire l'anglais sans majuscules ni ponctuation : techniquement déchiffrable, mais pas prête pour la production.

Les systèmes de reconnaissance vocale plus anciens ou plus légers sortent parfois du tout-hiragana ou du tout-katakana. C'était courant avec les premières API cloud, et ça apparaît encore avec les petites variantes de Whisper (tiny, base). Whisper Large-v3, Deepgram Nova-3 et AssemblyAI Universal-3 Pro produisent tous du japonais standard en écriture mixte depuis 2026, vérifié dans leur documentation linguistique publiée.

Pas d'espaces et la couche de tokenisation

Les mots anglais sont séparés par des espaces. Pas le japonais. La phrase « 今日は東京に行きます » ne comporte aucune frontière de mot marquée dans le texte. Cela crée un défi en amont : avant qu'une IA puisse sortir les bons kanji, elle doit segmenter le flux phonémique continu en bons morphèmes, puis attribuer la bonne forme écrite.

Les modèles modernes de bout en bout gèrent cela implicitement, mais cela explique pourquoi les erreurs de reconnaissance vocale en japonais ne ressemblent pas aux erreurs en anglais. Une erreur en anglais remplace un mot par un autre. Une erreur en japonais produit souvent une chaîne de caractères qui semble plausible, mais qui est soit un kanji incorrect, soit un vrai mot avec un sens différent, soit une combinaison qui n'existe pas dans la langue.

La désambiguïsation des homophones : le sous-problème le plus difficile

Le japonais compte un grand nombre d'homophones : des mots qui se prononcent de la même façon, mais s'écrivent avec des kanji différents et portent des sens différents. Le mot « kikan » peut être 期間 (période de temps), 機関 (moteur ou institution), 器官 (organe) ou 帰還 (retour), entre autres. Le sens voulu par le locuteur est évident grâce au contexte. L'IA doit utiliser ce contexte pour choisir le bon kanji.

Les grands modèles corrigent correctement la plupart des homophones courants. Whisper Large-v3 corrige les erreurs d'homophones que Whisper Small produit sur la même entrée. Le mode d'échec se réduit au vocabulaire technique, aux mots composés rares et aux noms propres (surtout les noms de famille japonais, où le même kanji peut avoir plusieurs lectures valides).

Une solution pratique : fournir un glossaire de termes spécifiques au domaine et de noms propres avant la transcription. La plupart des outils professionnels acceptent une indication de vocabulaire ou une entrée de prompt qui oriente le modèle vers le bon kanji pour les termes spécialisés récurrents.

Pour approfondir l'importance de la taille du modèle pour des langues comme le japonais, consultez la discussion sur les facteurs de précision de transcription.

On'yomi, Kun'yomi et polyphonie

La plupart des kanji possèdent au moins deux systèmes de lecture : l’on'yomi (la prononciation d’origine chinoise, généralement utilisée dans les mots composés) et le kun'yomi (la prononciation japonaise native, employée quand le kanji apparaît seul ou avec des terminaisons en hiragana). Le kanji 水 se lit « sui » dans 水曜日 (mercredi) et « mizu » lorsqu’il est seul et signifie eau. Le contexte détermine en général la lecture sans ambiguïté, mais pour les caractères les plus ambigus (les chercheurs en recensent plusieurs centaines dont la lecture dépend réellement du contexte), même les grands modèles se trompent parfois.

C’est un problème différent des homophones. Ici, le son et la forme écrite sont tous deux corrects, mais le modèle produit le mauvais caractère pour le contexte. Ces erreurs sont relativement rares dans les grands modèles actuels, mais restent plus fréquentes pour les composés de kanji peu courants et les noms propres, où les données d’entraînement sont plus limitées.

Keigo : la couche de registre

Le japonais possède trois registres honorifiques utilisés dans les contextes professionnels et formels :

• Sonkeigo élève le sujet d’une action (l’autre personne fait quelque chose d’important). « Irasshaimasu » au lieu de « kimasu » pour « venir ».
• Kenjougo abaisse le locuteur (le locuteur fait quelque chose avec humilité pour l’autre personne). « Itashimasu » au lieu de « shimasu » pour « faire ».
• Teineigo est la forme polie par défaut, utilisée dans la plupart des discours professionnels. Les terminaisons « desu » et « masu ».

Une réunion d’affaires japonaise alterne entre ces trois registres selon la hiérarchie des intervenants et l’action décrite. Cela rend l’audio formel japonais plus varié en vocabulaire que son équivalent anglais, même lorsque le sujet est identique.

La transcription IA préserve le keigo en restituant exactement ce que dit l'orateur. Le modèle ne réduit pas « irasshaimasu » à « kimasu ». Le risque, c'est que le modèle se trompe de forme verbale dans un audio bruité ou un contexte inhabituel, pas qu'il substitue un équivalent moins formel. Le langage poli standard (teineigo) est géré de manière fiable par les trois grands moteurs. Les constructions complexes en sonkeigo, typiques des discours très cérémoniels, du langage rituel académique ou de certains dialectes régionaux, peuvent parfois générer des erreurs et méritent une relecture éditoriale légère.

Pour les entreprises japonaises, c'est important parce que le gijiroku (議事録), le compte rendu de réunion formel attendu dans la culture d'entreprise japonaise, est un document quasi juridique. Une transcription qui aplatit la couche de keigo perd des informations que les lecteurs japonais tirent du choix des mots pour comprendre qui marquait de la déférence envers qui.

Mots d'emprunt en katakana et latin mélangé

L'audio d'entreprise et de technologie au Japon mélange constamment le japonais natif avec des mots d'emprunt et des acronymes. La forme écrite correcte suit des règles prévisibles :

• Les mots d'origine anglaise deviennent des katakana : « marketing » devient マーケティング, « agenda » devient アジェンダ.
• Les acronymes latins restent en écriture latine : OKR, KPI, SaaS, PR.
• Certains termes flottent entre les deux systèmes (マーケター vs marketing manager, les deux se rencontrent en pratique).

Un moteur de transcription qui fonctionne correctement pour l'audio d'entreprise japonais produit des katakana pour les mots d'emprunt reconnus et conserve l'écriture latine pour les acronymes. Les moteurs qui translittèrent tout en kana ou qui reconvertissent les mots d'emprunt en anglais produisent un résultat non standard.

Mon avis : la gestion des katakana est l'un des tests rapides les plus clairs pour un outil de transcription japonais. Téléversez 30 secondes d'une réunion de startup tech et vérifiez si « platform » revient sous forme de プラットフォーム ou quelque chose de non standard. La plupart des outils basés sur de grands modèles réussissent ce test. Les API plus petites ou plus anciennes échouent.

Ponctuation : pleine largeur ou erronée

Le japonais utilise des signes de ponctuation différents du texte occidental :

• 、 (toten) est la virgule.
• 。 (kuten) est le point final.
• 「」 sont les guillemets pour le discours direct.
• 『』 servent pour les citations imbriquées ou les titres.

Une transcription qui renvoie « 今日は晴れです, 散歩しました. » avec des virgules et des points occidentaux est incorrecte selon les normes typographiques japonaises. Dans la tradition de l'écriture verticale (tategaki, où le texte s'écrit de haut en bas en colonnes), ces caractères pivotent et se positionnent aussi différemment par rapport au texte horizontal, mais la plupart des transcriptions numériques sont produites au format horizontal (yokogaki).

Les moteurs bien pris en charge génèrent automatiquement la ponctuation japonaise pleine largeur lorsque la langue est réglée sur le japonais. Si votre sortie de transcription utilise la ponctuation occidentale, vérifiez votre paramètre de sélection de langue avant d'attribuer cela à une limitation du modèle.

Précision des dialectes

Le japonais présente des variations dialectales régionales notables. Les moteurs sont principalement entraînés sur le japonais standard de Tokyo (le dialecte utilisé dans les émissions de la NHK et la plupart des médias formels).

Le japonais standard de Tokyo et le discours formel de style NHK sont transcrits avec le plus de précision sur tous les grands moteurs. Le dialecte du Kansai (Osaka, Kyoto, Kobe) possède des schémas d'accent tonal et un vocabulaire distincts de ceux du standard de Tokyo, et la précision diminue par rapport au japonais standard. Les dialectes de Tohoku et de Kyushu présentent des défis supplémentaires. Aucun des grands moteurs internationaux n'offre actuellement de modèles spécifiques aux dialectes pour les variétés régionales japonaises.

Pour un contenu en fort kansai-ben, prévoyez plus de temps de révision que pour une conférence ou une réunion d'affaires en standard de Tokyo. Les structures de base en kanji et la grammaire seront généralement correctes ; les erreurs se concentrent autour du vocabulaire spécifique au dialecte et des frontières phonémiques dérivées de l'accent tonal, où les a priori d'entraînement de l'IA sont moins denses.

Quels moteurs prennent réellement bien en charge le japonais (2026)

Trois moteurs disposent d'un support documenté pour le japonais avec une sortie correcte en écriture mixte à compter de mi-2026 :

Whisper Large-v3 (OpenAI) : le modèle le plus déployé pour la transcription du japonais, que ce soit en open-source ou en hébergement. Il produit un japonais correct en écriture mixte. Le taux d'erreurs sur les homophones augmente avec les variantes plus petites (base, small, medium). Il faut préciser la langue dans l'appel API pour éviter une détection automatique plus lente. Voir tarifs et comparaison des modèles Whisper pour le contexte de coût.

Deepgram Nova-3 : le japonais est inclus dans le modèle multilingue Nova-3. La documentation publiée par Deepgram confirme que Nova-3 gère le mélange kana, kanji et la prononciation des emprunts, et suit le rythme syllabique spécifique au japonais. Disponible via l'endpoint général nova-3 avec language=ja.

AssemblyAI Universal-3 Pro : prend en charge le japonais en transcription asynchrone, avec une diarisation des locuteurs vérifiée (la diarisation pour le japonais a été ajoutée en même temps que pour le chinois, l'hindi, le coréen et le vietnamien). Le modèle Universal-3 Pro couvre 99 langues. Le streaming en temps réel pour le japonais est plus limité que l'asynchrone à partir de mi-2026. Voir meilleures API de reconnaissance vocale pour une comparaison plus complète des moteurs.

Ces trois outils gèrent correctement les emprunts en katakana, la ponctuation japonaise et les formes verbales de keigo. La différence se joue sur la précision des homophones en fin de distribution, la robustesse face aux dialectes et le modèle tarifaire.

Pour l'audio japonais avec étiquetage des locuteurs (réunions, entretiens), voir la diarisation des locuteurs expliquée pour comprendre comment les modèles sous-jacents abordent la structure des tours de parole en japonais.

Comparaison des outils pour la transcription du japonais

La conversation formelle japonaise est plus structurée que l'anglais, avec des tours de parole plus nets en contexte formel. Cela aide généralement la qualité de la diarisation. Voici une comparaison des outils dont le support du japonais est documenté, avec des tarifs à jour au 2026-07.

Notta est le concurrent le plus clairement documenté pour les résumés IA en japonais, et le japonais fait partie de son marché cible principal. Otter a étendu son service au japonais fin 2025 et propose une discussion en langue native en japonais. Trint est un outil journalistique solide pour l'anglais, mais ne documente pas de sortie de résumé en japonais.

Si vous avez juste besoin d'une transcription propre et d'une sortie structurée sans vous engager dans tout un écosystème de bot de réunion, ConvertAudioToText traite directement les fichiers audio japonais, sans installer d'extension de navigateur.

Diarisation des locuteurs pour le japonais

La conversation formelle en japonais est structurée par tours de parole. Les réunions d'affaires avec keigo suivent un protocole clair : les locuteurs attendent la fin du tour, surtout lorsqu'ils s'adressent à des supérieurs. Cette structure prévisible aide généralement la précision de la diarisation pour l'audio formel en japonais, comparé à des conversations décontractées très chevauchantes.

Les entretiens formels à deux locuteurs et les appels professionnels en tête-à-tête tendent à donner la meilleure diarisation. Les réunions de groupe plus larges (quatre locuteurs ou plus) avec des voix qui se chevauchent ou plusieurs personnes au registre vocal similaire posent les mêmes défis que dans n'importe quelle langue.

L'enregistrement par microphone (pistes audio séparées par locuteur) améliore nettement la diarisation pour tous les moteurs. La plupart des enregistrements professionnels en studio au Japon et de nombreux outils de réunion d'entreprise offrent une sortie par piste.

Conseils pour une meilleure transcription en japonais

1. Définissez explicitement la langue sur ja (japonais). La détection automatique fonctionne, mais elle ajoute de la latence et identifie parfois à tort le japonais avec beaucoup d'emprunts anglais comme partiellement anglais.

2. Fournissez un glossaire des noms propres. Les noms japonais ont plusieurs lectures valides en kanji et les modèles devinent selon la fréquence. « Watanabe » peut être 渡辺, 渡邊 ou 渡部. Fournir la forme correcte évite des erreurs systématiques de substitution de kanji pour les noms récurrents.

3. Le japonais a des fricatives douces (し, ち, つ) qui se dégradent plus dans le bruit de fond que les consonnes voisées. Des enregistrements à faible bruit améliorent la précision du choix des kanji sur les caractères phonétiquement proches.

4. Pour la transcription de podcasts spécifiquement, la langue de sortie compte pour l'usage en aval. Les notes d'émission et le référencement en japonais natif performent mieux qu'un résumé en anglais qui nécessite une traduction manuelle.

5. Pour les gijiroku (comptes rendus de réunion), prévoyez une légère passe éditoriale sur les segments riches en sonkeigo, car les constructions honorifiques les plus formelles font encore apparaître des erreurs de modèle occasionnelles lors des chevauchements entre locuteurs.

Questions fréquentes

Quels moteurs d'IA produisent des kanji corrects dans les transcriptions japonaises ?

Whisper Large-v3, Deepgram Nova-3 et AssemblyAI Universal-3 Pro produisent tous une sortie en écriture mixte avec kanji, hiragana et katakana. Les modèles plus anciens ou plus petits retombent parfois sur une sortie entièrement en hiragana, techniquement lisible mais pas représentative de l'écriture japonaise réelle. Si votre outil renvoie un résultat uniquement phonétique, passez à l'un de ces trois.

Comment l'IA décide-t-elle quel kanji utiliser quand plusieurs kanji partagent le même son ?

Le contexte est le signal principal. Le mot « hashi » peut signifier pont (橋), baguettes (箸) ou bord (端) selon les mots environnants. Les grands modèles entraînés sur suffisamment de texte japonais apprennent bien ces collocations. Les modèles plus petits font plus d'erreurs d'homophones, surtout sur les composés de kanji peu fréquents. Fournir un glossaire de vocabulaire pour les noms et termes techniques réduit les erreurs sur les termes que le modèle n'a peut-être pas vus souvent.

La transcription IA préserve-t-elle les formes de keigo honorifiques ?

La transcription IA reproduit ce que dit l'orateur, donc les formes verbales de sonkeigo et de kenjougo apparaissent dans la transcription exactement comme elles sont prononcées. Le risque réside dans une mauvaise identification de la forme verbale elle-même, pas dans une substitution par un équivalent en langage courant. La forme polie standard (teineigo) est traitée de manière fiable. Les constructions honorifiques complexes dans un discours professionnel ou cérémoniel formel peuvent parfois générer des erreurs, donc un contenu riche en keigo bénéficie d'une légère relecture éditoriale.

Quelle est la précision de la transcription japonaise pour les dialectes régionaux comme le Kansai-ben ?

Le japonais standard de Tokyo (le registre utilisé dans les émissions de la NHK et la plupart des contextes professionnels) est transcrit avec le plus de précision. Le dialecte du Kansai, avec son schéma d'accent tonal distinct et son vocabulaire, réduit la précision par rapport au japonais standard sur la plupart des moteurs. Les dialectes de Tohoku et de Kyushu présentent des défis supplémentaires. Aucun moteur actuel ne dispose d'un modèle spécifique au Kansai. Pour un contenu fortement dialectal, prévoyez plus de temps de correction que pour du japonais standard.

Quelle ponctuation utilise une transcription japonaise correcte ?

Une transcription japonaise correcte utilise 、 (toten) comme virgule, 。 (kuten) comme point final, et 「」 pour les citations directes. Les virgules et points occidentaux dans un texte japonais ne sont pas standards. Si votre outil renvoie « こんにちは, 今日は晴れです. » avec une virgule et un point occidentaux, la ponctuation est incorrecte. Les moteurs bien pris en charge produisent automatiquement la ponctuation japonaise pleine largeur correcte.

Puis-je obtenir des résumés IA en japonais plutôt qu'en anglais ?

Tous les outils ne produisent pas des résumés en japonais natif. Notta prend en charge les résumés en langue japonaise comme fonctionnalité documentée et compte le japonais parmi ses principaux marchés cibles. Otter s'est étendu au japonais fin 2025, mais la profondeur de ses résumés en japonais est plus récente que son offre principale en anglais. Trint ne produit pas de résumés en japonais. Si la sortie en japonais pour les résumés et les éléments d'action est une exigence, vérifiez la documentation du fournisseur avant de vous engager dans un plan.

Sources

• Annonce de l'expansion d'Otter.ai au Japon (Business Wire, octobre 2025) : https://www.businesswire.com/news/home/20251022574971/en/Konnichiwa-Otter.ai-Expands-to-Japanese-Market-with-New-Japanese-Language-Support-for-AI-Meeting-Agent
• Page tarifaire d'Otter.ai : https://otter.ai/pricing
• Page tarifaire de Notta : https://www.notta.ai/en/pricing
• Documentation sur les langues prises en charge par Notta : https://support.notta.ai/hc/en-us/articles/4403155631131-What-languages-does-Notta-support
• Tarifs de Trint (Capterra) : https://www.capterra.com/p/179896/Trint/pricing/
• Aperçu des modèles et langues de Deepgram : https://developers.deepgram.com/docs/models-languages-overview
• Annonce du modèle multilingue Nova-3 de Deepgram : 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
• Diarisation en japonais avec AssemblyAI (Newsletter 37) : https://www.assemblyai.com/blog/assemblyai-newsletter-37
• Discussion GitHub sur les kanji japonais dans Whisper d'OpenAI : https://github.com/openai/whisper/discussions/204
• Société de publication du dictionnaire de kanji sur les homophones japonais : https://kanji.org/japanese/writing/japhom.htm
• Culture d'entreprise autour du gijiroku : https://kimi.wiki/work/gijiroku
• Page tarifaire de ConvertAudioToText : https://convertaudiototext.com/pricing