Transcrire une réunion sans se mettre en faute

1Demander avant, en une phrase

L'annonce doit venir avant le début de l'enregistrement, pas au milieu de la réunion, et elle doit contenir quatre informations. En pratique, ça tient en trois phrases dites au début de l'appel, et reprises dans l'invitation.

• Ce qui est enregistré. L'audio seul, ou aussi la vidéo et le partage d'écran.
• Pourquoi. Produire un compte rendu, et rien d'autre.
• Combien de temps. L'audio est supprimé après le compte rendu, ou après une durée fixe.
• Qui y aura accès. Toi seul, l'équipe, un service tiers.

Le point le plus souvent oublié est le quatrième. Si l'audio passe par un service externe, les participants doivent le savoir, parce que ce n'est plus la même question que « tu prends des notes ».

2Décider la conservation avant d'enregistrer

Un enregistrement de réunion n'a presque jamais de raison d'exister une fois le compte rendu écrit et validé. Sa valeur tombe à zéro en quelques jours, alors que son risque, lui, reste constant.

Fixe la règle avant, et écris-la quelque part :

Sur le stockage : un fichier audio de réunion ne va pas dans un dossier partagé ouvert à toute l'entreprise, ni dans un dossier synchronisé par défaut vers un service personnel. Range-le au même endroit que les documents confidentiels du projet, et supprime-le vraiment, corbeille comprise.

3Transcrire

Whisper fonctionne localement et se prend en main en deux commandes :

pip install -U openai-whisper
whisper reunion.mp3 --model turbo --language French

Les modèles vont de tiny à large, avec turbo qui offre un bon compromis. Les tailles annoncées par la documentation donnent l'ordre de grandeur de la mémoire graphique nécessaire : environ 1 Go pour tiny et base, 2 Go pour small, 5 Go pour medium, 10 Go pour large, 6 Go pour turbo. Les variantes suffixées .en sont réservées à l'anglais.

Préciser la langue avec --language évite une détection ratée sur les premières secondes, qui sont souvent du bruit de connexion. Le format de sortie se choisit avec --output_format, qui accepte txt, vtt, srt, tsv, json et all. Le format json conserve les horodatages, ce qui permet de remonter à l'audio quand une phrase paraît douteuse.

4Séparer les locuteurs

Whisper transcrit, mais ne dit pas qui parle. Sur une réunion à cinq, un compte rendu sans attribution est difficilement exploitable : on ne sait pas qui s'est engagé sur quoi.

La séparation des locuteurs, ou diarisation, se fait avec pyannote.audio :

pip install pyannote.audio

from pyannote.audio import Pipeline
pipeline = Pipeline.from_pretrained(
    "pyannote/speaker-diarization-community-1",
    token="HUGGINGFACE_ACCESS_TOKEN")
output = pipeline("audio.wav")

Deux étapes préalables sont obligatoires et bloquent silencieusement si on les saute : accepter les conditions d'utilisation du modèle sur sa page Hugging Face, et créer un jeton d'accès dans les réglages du compte.

Le résultat donne des intervalles avec un identifiant de locuteur anonyme. Le recoupement avec les horodatages de la transcription produit un texte attribué, et c'est à toi de remplacer les identifiants par des prénoms.

5Produire un compte rendu utilisable

Un résumé de réunion demandé sans consigne donne toujours la même chose : une paraphrase fluide dont on ne peut rien faire. Ce qu'on veut, ce sont des décisions, des engagements et des questions ouvertes.

Voici la transcription attribuee d'une reunion. Produis quatre sections :
1. Decisions prises : une ligne par decision, avec qui l'a formulee.
2. Actions : quoi, qui, echeance. Si l'echeance n'a pas ete dite, ecris
   "non precisee". N'invente aucun nom ni aucune date.
3. Points en suspens : ce qui a ete souleve sans etre tranche.
4. Desaccords : les positions divergentes exprimees, sans les arbitrer.
Cite l'horodatage de chaque element. N'ajoute aucune recommandation.

Les deux dernières contraintes font le travail. L'horodatage rend chaque ligne vérifiable en dix secondes. L'interdiction de recommander empêche le modèle de transformer un compte rendu en note d'opinion, ce qu'il fait spontanément.

6Relire ce qui ne se vérifie pas tout seul

Trois catégories d'erreurs traversent toute la chaîne sans jamais se signaler.

1. Les noms propres. Noms de personnes, de clients, de produits internes. La transcription en produit des variantes plausibles, et le compte rendu les reprend telles quelles.
2. Les chiffres. Montants, dates, quantités. Une confusion entre « quinze » et « cinquante » ne se voit pas dans un texte fluide.
3. La négation et le conditionnel. « On ne fera pas X » et « on ferait X » disparaissent facilement dans un résumé. C'est l'erreur la plus grave, parce qu'elle inverse le sens d'une décision.

Relis ces trois points contre l'audio, pas contre la transcription. Puis fais valider le compte rendu par les participants avant de supprimer l'enregistrement, c'est l'ordre logique.