ElevenLabs Scribe en français : test avec noms difficiles

👁 119 lectures

ElevenLabs Scribe est un modèle de transcription qui convertit la parole en texte dans plus de 90 langues, reconnaît les locuteurs et identifie les sons. Nous avons testé ses performances en français : nous avons préparé une interview fictive d’une minute truffée de noms difficiles, de lieux et de treize nombres, puis compté les erreurs dans trois configurations de Scribe et dans Whisper local. Nous avons également testé des enregistrements avec bruit de café, de rue et de ventilateur.

01ElevenLabs Dubbing en français : test v1 vs v2ElevenLabs Dubbing traduit et double un clip vidéo. Nous avons testé v1 et v2 sur 24 secondes : temps, crédits, similarité vocale et résultats.Lire →02Voicebot ElevenLabs Agents : test d’accueil téléphoniqueUn agent vocal ElevenLabs répond au téléphone, comprend la parole et répond en français. Test complet avec temps de réponse, coût et simulations.Lire →03Clonage de voix IA ElevenLabs : clones à partir de 10 s et 2 minTest de clonage de voix IA dans ElevenLabs : clones à partir de 10 s, 30 s et 2 minutes d'échantillon, mesure de similarité, coûts et règles de consentement.Lire →

Ce que Scribe peut faire

• Modèles : Scribe v2 pour les fichiers, Scribe v2 Realtime pour la parole en direct (latence d’environ 150 ms selon la documentation) et Scribe v2 Medical pour les enregistrements cliniques. L’ancien Scribe v1 est marqué comme obsolète.
• Français : la documentation le place dans le groupe « Excellent », c’est-à-dire avec un taux d’erreur de mots (WER) jusqu’à 5 %.
• Fonctions : reconnaissance des locuteurs (jusqu’à 32), horodatage des mots, description des sons entre parenthèses, suggestions de mots jusqu’à 1000 termes, détection et masquage des données personnelles, export vers sous-titres, édition de la transcription par instruction en langage naturel.
• Limites : fichier jusqu’à 5 Go et 10 heures. Au lieu d’un fichier, vous pouvez fournir un lien, y compris vers une vidéo YouTube ou TikTok.

Notre test : interview avec pièges

Nous avons préparé l’enregistrement nous-mêmes, sans personnes réelles. Deux voix ElevenLabs (voix féminine Matilda et masculine Brian) ont lu avec le modèle Eleven v4 une interview fictive sur l’ouverture du Musée du Scarabée à Yzeures-sur-Creuse : 56 secondes, 138 mots, 13 nombres (montants, pourcentages, heure, numéro de route) et des noms qui aiment faire dérailler la transcription : Quenneville, d’Haussonville-Kermadec, Blaise-Pascal, Creuse, Huppe-Fasciée.

Le 29 septembre 2026, nous l’avons testé en français avec Scribe v2 avec reconnaissance des locuteurs dans trois variantes, et pour comparaison avec Whisper large-v3 (faster-whisper, int8 sur CPU et float16 sur GPU).

Les différences automatiques incluent des variantes d’orthographe de noms rares qu’un humain pourrait accepter. Sans keyterms, Scribe a écrit « Quenville » au lieu de « Quenneville », « Dossonville » au lieu de « d’Haussonville », et « Hupfassière » au lieu de « Huppe-Fasciée ». Avec keyterms, seule une différence subsiste (18,50 € écrit en lettres). Whisper a fait plus d’erreurs : « Kenville », « Iser-sur-Creuse », « M. Dossonville », « Hub-Fassier ».

Nombres : en lettres ou en chiffres

Par défaut, Scribe écrit les nombres comme on les entend : « trois millions quatre cent quatre-vingt mille euros », « dix-huit euros cinquante », « neuf heures trente ». Pour les notes et les sous-titres, c’est peu pratique, nous avons donc ajouté le paramètre transcript_edit avec l’instruction :

Écrivez tous les nombres, montants, dates, heures et numéros en chiffres,
par exemple 18,50 €, 9:30, 1250. Ne modifiez rien d'autre.

Nous avons obtenu « 3 480 000 euros », « 62 pour cent », « 18,50 € », « 22 kilomètres », « route D 606 » et « 9h30 », et le reste du texte est resté intact. Le texte corrigé arrive dans un champ séparé edited_transcript, à côté de l’original. Cela a coûté 37 crédits au lieu de 28.

Les keyterms peuvent nuire

Les suggestions de mots sont censées aider avec les noms propres. Nous avons donné à Scribe sept termes, dont « Quenneville », « d’Haussonville-Kermadec », « Huppe-Fasciée ». Résultat : toutes les erreurs de noms ont disparu sauf une (« dix-huit euros cinquante » au lieu de « 18,50 € »). Sans suggestions, Scribe faisait 6 différences automatiques ; avec keyterms, 1 seule. Les keyterms sont également payants séparément : 0,05 USD par heure.

Bruit de fond

Dans le test de Voice Isolator, nous avions préparé un monologue synthétique de 25 secondes (84 mots en français) et ajouté du bruit de ventilateur, de rue et de café, chacun aussi fort que la parole. Scribe a transcrit les trois versions sans erreur. Ce n’est que lorsque le bruit du café était 5 dB plus fort que la parole que Scribe a fait 6 erreurs sur 84 mots (7,1 %). Fait intéressant, les enregistrements nettoyés au préalable avec Voice Isolator donnaient plus d’erreurs que les bruts, donc ne nettoyez pas le son avant la transcription.

Scribe ou Whisper

Notre avis : si l’enregistrement peut aller dans le cloud, Scribe gagne en précision des noms, reconnaissance des locuteurs et vitesse. Whisper a du sens lorsque le matériel ne peut pas quitter l’ordinateur ou que vous transcrivez des centaines d’heures et que le coût zéro compte. La comparaison des modèles locaux se trouve dans le texte Whisper AI, et un aperçu d’autres outils dans le guide sur la transcription.

Comment transcrire un enregistrement avec Scribe

Dans l’application : Speech to Text, téléchargez un fichier ou collez un lien, choisissez la langue française (la détection automatique fonctionne aussi, mais le choix manuel est un risque de moins) et activez la reconnaissance des locuteurs. Vous pouvez télécharger la transcription terminée notamment sous forme de sous-titres. Par API (testé le 29.09.2026) :

curl -X POST https://api.elevenlabs.io/v1/speech-to-text 
  -H "xi-api-key: $ELEVENLABS_API_KEY" 
  -F model_id=scribe_v2 -F language_code=fr -F diarize=true 
  -F "transcript_edit=Écrivez tous les nombres, montants, dates et heures en chiffres." 
  -F file=@enregistrement.wav

Combien coûte Scribe

Les en-têtes de réponse API nous montraient le coût directement : l’interview de 56 secondes a coûté 28 crédits et 0,00336 USD, avec édition des nombres 37 crédits et 0,00444 USD. La transcription est également disponible dans le plan gratuit. Nous décrivons les plans dans le texte combien coûte ElevenLabs, et les autres fonctions dans le guide ElevenLabs.

Questions fréquentes

Est-ce qu’ElevenLabs Scribe reconnaît bien le français ?

Dans notre test oui : 138 mots d’interview avec des noms difficiles et 13 nombres avec 1 différence automatique avec keyterms. La documentation classe le français parmi les langues avec un taux d’erreur jusqu’à 5 %.

Combien coûte la transcription avec ElevenLabs ?

Par API 0,22 USD par heure d’enregistrement dans Scribe v2, hors TVA. L’enregistrement de 56 secondes nous a coûté 28 crédits.

Comment faire en sorte que Scribe écrive les nombres en chiffres ?

Ajoutez le paramètre transcript_edit avec l’instruction « Écrivez tous les nombres, montants, dates et heures en chiffres ». La version corrigée arrive dans le champ edited_transcript, pour un léger supplément.

Est-ce que Scribe reconnaît qui parle ?

Oui, après activation de diarize il sépare jusqu’à 32 locuteurs. Dans notre interview, il a attribué les 6 tours de parole aux bonnes personnes.

Est-ce que Scribe est meilleur que Whisper ?

Sur notre enregistrement oui : Scribe a fait 1 différence avec keyterms, Whisper large-v3 13, et en plus il était 15 fois plus lent sur CPU. Whisper fonctionne cependant localement et sans frais.

// lire la suiteSound Effects ElevenLabs : test français vs anglaisBenchmarksVoicebot ElevenLabs Agents : test d’accueil téléphoniqueOutils d'IAEleven Music : test avec paroles en françaisOutils d'IA

Kinetyra

Le lien vers ElevenLabs est un lien partenaire : si vous achetez par ce biais, PROMPTIF touche une commission et vous payez le même prix. Cela n'influence pas le contenu, y compris les passages critiques.