Pendant que tout le monde guette le prochain modèle géant capable de tout faire, Google a sorti, sans tambour, quelque chose de beaucoup plus terre-à-terre — et sans doute plus utile au quotidien pour bien des sites. Ça s’appelle Gemini 3.5 Transcribe, et ça fait une seule chose : transformer de la parole en texte. Bien.
On a tendance à sous-estimer ce genre d’outil. Un modèle qui discute, qui code, qui raisonne, ça impressionne. Un modèle qui « écrit ce qu’on dit », ça semble banal. Sauf que la transcription propre, multilingue et automatique, c’est exactement le genre de brique invisible qui débloque des choses très concrètes pour un site web ou une boutique. Voyons pourquoi.
Ce qu’il fait, en clair
Oubliez le jargon deux minutes. Vous lui donnez un fichier audio — l’enregistrement d’une réunion, un podcast, la bande-son d’une vidéo produit, un appel client — et il vous rend le texte. Jusque-là, rien de neuf : la transcription automatique existe depuis des années.
Ce qui change, c’est la finesse. Le modèle détecte tout seul la langue parlée, et il en gère plus de 85. Mieux : il encaisse le code-switching, cette manie bien réelle de passer d’une langue à l’autre dans la même phrase — un vendeur qui glisse un mot d’anglais au milieu du français, par exemple.
Il sépare les intervenants. Dans une conversation, il vous dit qui a dit quoi, jusqu’à huit personnes. Il pose des horodatages au mot près, pratique pour caler des sous-titres. Et il fait un peu de ménage : il enlève les « euh », les hésitations, et met en forme intelligemment les nombres, les adresses e-mail, les références. Vous pouvez même lui souffler un vocabulaire maison — les noms de vos produits, votre jargon métier — pour qu’il ne les massacre pas.
Deux versions existent : une pour traiter des fichiers déjà enregistrés, une autre pour le direct, en flux.
Les limites, parce qu’il en a
C’est là qu’un article honnête se distingue d’un communiqué. Ce modèle est spécialisé, et il l’assume : il transcrit, un point c’est tout. Pas de raisonnement, pas d’appel de fonctions, pas de génération d’images, pas de « réflexion ». Si vous cherchez une IA qui transcrit puis analyse et agit, ce n’est pas ce modèle-là — c’en est un autre, en amont ou en aval.
Quelques contraintes concrètes, aussi. Un fichier, c’est jusqu’à une heure par requête — et cette limite tombe à trente minutes dès que vous activez la séparation des voix ou l’horodatage. En direct, chaque session plafonne à dix minutes. Et petit détail que Google reconnaît lui-même : demander l’horodatage au mot dégrade légèrement la précision de la transcription. La séparation de trois locuteurs ou plus reste marquée comme expérimentale. Rien de rédhibitoire, mais mieux vaut le savoir avant de bâtir dessus.
Un mot enfin sur ce que Google ne dit pas : ni tarif, ni chiffre de précision. Aucun taux d’erreur annoncé, aucune comparaison avec les outils que vous connaissez déjà. Prudence, donc, avec les articles qui vous promettront qu’il « écrase la concurrence » : sur ce point, la documentation officielle est muette, et le reste n’est que supposition.
Pourquoi un e-commerçant ou un webmaster devrait y prêter attention
Voici le cœur du sujet, celui que les articles purement techniques oublient. La transcription automatique de qualité, c’est un levier négligé pour un site.
Le SEO de vos vidéos. Google ne « regarde » pas une vidéo, il lit du texte. Une vidéo de démonstration produit, un tutoriel, un webinaire : tant que leur contenu reste enfermé dans le fichier vidéo, il est quasi invisible pour la recherche. Transcrivez-les, publiez le texte sur la page, et vous transformez une vidéo muette aux yeux de Google en une page riche en contenu indexable. C’est du contenu que vous avez déjà produit, qui ne demande qu’à être exploité.
Les sous-titres et l’accessibilité. Une large part des vidéos sur les réseaux sont regardées sans le son. Pas de sous-titres, pas d’attention. Au-delà de l’audience, l’accessibilité aux personnes sourdes et malentendantes n’est pas qu’une bonne pratique : c’est une obligation qui se renforce d’année en année. Un modèle qui pose des sous-titres calés au mot fait gagner un temps considérable.
L’international. Quatre-vingt-cinq langues, ce n’est pas un chiffre en l’air quand on vend au-delà de ses frontières. Sous-titrer une vidéo produit dans la langue de vos marchés, transcrire les retours de clients étrangers : la barrière de la langue baisse d’un cran.
Le support et la connaissance client. Vos appels clients, vos messages vocaux contiennent une mine d’informations — les objections récurrentes, le vocabulaire réel des acheteurs, les points de friction. Transcrits, ils deviennent exploitables. Et le vocabulaire que vos clients emploient vraiment, c’est de l’or pour vos fiches produits et votre référencement.
Le vrai signal derrière cette sortie
Reculons d’un pas. Cette annonce raconte une tendance de fond : l’IA se spécialise. Après la course au modèle unique et géant censé tout faire, on voit apparaître des outils affûtés pour une tâche précise — transcrire, et rien d’autre, mais très bien.
Pour vous, c’est plutôt une bonne nouvelle. La transcription était encore récemment un service payant à part entière, avec son abonnement mensuel. Elle devient une brique technique, une commodité qu’on branche à la demande. Ce qui coûtait un abonnement devient une ligne de code — et, quand les tarifs seront publiés, probablement quelques centimes par heure d’audio.
Reste une réserve honnête : à ce stade, Gemini 3.5 Transcribe est un outil de développeur, accessible via l’API et le studio de Google, pas une application clé en main où vous glissez une vidéo pour récupérer un fichier de sous-titres. Il faut un minimum de technique, ou quelqu’un qui l’intègre pour vous. Mais la capacité, elle, est là — et elle est solide.
La question à se poser n’est donc pas « est-ce que je dois tester ce modèle ». C’est plutôt : combien d’audio et de vidéo dorment déjà sur mon site et mes réseaux, sans jamais avoir été transformés en texte que Google et mes clients pourraient lire ? Pour beaucoup de boutiques, la réponse se compte en heures. Et ces heures-là valent de l’or.
Pour aller plus loin :
- Gemini 3.7 Flash : Google vise les agents IA et casse les prix de moitié
- Recherche sans clic à 65 % en 2026 : pourquoi l’e-commerce résiste
- L’IA gratuite pour votre site web : vraie révolution ?
