Skip to content
WriteVoice WriteVoice Start Creating

139 statistiques sur la recherche vocale en novembre 2026

Mis à jour en 139 citations de sources primaires Actualisé chaque mois

Sur cette page
  1. Points clés
  2. Combien de personnes utilisent des assistants vocaux en 2026 ?
  3. À quoi les gens utilisent-ils la recherche vocale ?
  4. Comment les agents conversationnels d’IA transforment-ils les assistants vocaux ?
  5. Quelle est la précision de la reconnaissance vocale en 2026 ?
  6. La dictée vocale remplace-t-elle le clavier ?
  7. Quelle est la taille du marché de la reconnaissance vocale ?
  8. Méthodologie et sources

Les statistiques sur la recherche vocale en 2026 montrent que les gens utilisent la voix sur leur téléphone, leur ordinateur et dans les moteurs de recherche, bien au-delà des enceintes connectées. Quand ils utilisent la voix, ils interagissent deux fois plus avec Copilot de Microsoft sur Windows que lorsqu’ils tapent, selon les données de Microsoft, de mars à août 2025 (Microsoft, oct. 2025). Les habitants de plus de 200 pays et territoires peuvent désormais converser avec Google Search en utilisant leur voix et leur caméra (Google, mars 2026). L’adoption est élevée, mais la précision varie encore selon la personne qui parle et le contexte.

Les chiffres ci-dessous portent sur l’adoption des enceintes connectées et des assistants vocaux, les demandes formulées à la voix, la manière dont les agents conversationnels d’IA transforment les assistants, la précision de la reconnaissance vocale, la vitesse de la dictée vocale par rapport au clavier et la taille du marché de la reconnaissance vocale. Chacun renvoie à l’organisation qui l’a recueilli : instituts de sondage, agences statistiques, articles évalués par des pairs, documents et salles de presse d’entreprises, ainsi que sociétés d’études de marché, identifiées comme telles. L’année des études fondatrices plus anciennes est indiquée dans la phrase. Pour des données plus détaillées sur la vitesse de frappe au clavier, consultez nos statistiques sur la vitesse de frappe.

Points clés

  • 39 % des Américains âgés de 12 ans et plus possèdent une enceinte connectée en 2026, soit environ 112 millions de personnes, contre 7 % en 2017 (Edison Research at SSRS, mars 2026).
  • Plus de 600 millions d’appareils Alexa sont en service (Amazon, juill. 2026).
  • 58 % des consommateurs américains ont utilisé la recherche vocale pour trouver des informations sur une entreprise locale au cours des 12 derniers mois, selon une enquête menée en 2018 auprès de 1 012 personnes (BrightLocal, avr. 2018).
  • 49 % des adultes américains utilisent désormais des agents conversationnels d’IA, contre 33 % en 2024, année où Pew a posé la question différemment (Pew Research Center, juin 2026).
  • Les conversations vocales avec Gemini Live durent en moyenne cinq fois plus longtemps que les conversations textuelles (Google, mai 2025).
  • 63 % des utilisateurs de l’application Gemini lui parlent désormais directement, et leur nombre croît parmi ceux qui utilisent uniquement la voix (Google, août 2026).
  • Dans un test en laboratoire, parler dans un téléphone était 2,93 fois plus rapide que taper sur son clavier en anglais : 153 mots par minute contre 52 (Ruan et al., IMWUT 2017, déc. 2017).
  • Les téléphones représentaient 58,99 % du trafic Web mondial en septembre 2026 (StatCounter, sept. 2026).
  • Le modèle le plus précis dans les résultats en anglais de forme courte de l’Open ASR Leaderboard, le modèle libre Cohere Labs Transcribe, affiche un taux d’erreur de mots moyen de 5,42 %, contre 7,44 % pour Whisper Large v3 d’OpenAI (Srivastav et al., Open ASR Leaderboard v4, mars 2026).
  • Lors de tests portant sur cinq systèmes commerciaux de reconnaissance vocale, 23 % des extraits audio de locuteurs noirs affichaient un taux d’erreur de mots supérieur à 50 %, le seuil défini par les auteurs pour considérer une transcription comme inutilisable, contre 1,6 % des extraits de locuteurs blancs (Koenecke et al., PNAS 2020, mars 2020).
  • Un système de reconnaissance vocale dont le taux d’erreur était de 3,4 % pour des locuteurs typiques affichait un taux d’erreur de 36,3 % pour des personnes atteintes de dysarthrie liée à la maladie de Parkinson (Hasegawa-Johnson et al., JSLHR 2024, sept. 2024).
  • Lors d’un test mené en 2023, 1,4 % des transcriptions de l’API Whisper contenaient des expressions ou des phrases qui n’avaient jamais été prononcées, et 38 % de ces inventions comportaient des préjudices explicites (Koenecke et al., ACM FAccT 2024, juin 2024).
  • 14 % des 1 003 médecins généralistes britanniques interrogés en août 2025 utilisaient déjà un assistant de rédaction ambiant à base d’IA, et 39 % prévoyaient d’en adopter un prochainement (Blease et al., BMJ Health and Care Informatics 2026, juill. 2026).
  • Microsoft a accepté de racheter l’entreprise de reconnaissance vocale Nuance pour $19,7 milliards en espèces en 2021, soit $56,00 par action et une prime de 23 % (Microsoft, avr. 2021).

Combien de personnes utilisent des assistants vocaux en 2026 ?

Les assistants vocaux sont désormais intégrés à des milliards d’appareils, tandis que la part des Américains possédant une enceinte connectée a progressé lentement.

Statistiques sur la recherche vocale : part des Américains âgés de 12 ans et plus possédant une enceinte connectée, de 2017 à 2026
Figure 1 : Le nombre de propriétaires a rapidement augmenté après 2017, a stagné pendant cinq ans, puis a de nouveau progressé en 2026 : une courbe lente par rapport à la diffusion de la voix sur les téléphones, dans les voitures et dans les applications d’IA. Source : Edison Research at SSRS, The Infinite Dial 2026, mars 2026. Graphique publié par la source (diapositive 8, recadré à partir du PDF), consulté le 2 oct. 2026.

Combien de personnes possèdent une enceinte connectée ?

L’enquête de Pew, qui porte uniquement sur les adultes, donne un résultat proche de celui d’Edison, et la plupart des propriétaires possèdent plusieurs appareils.

  • Chaque année de 2021 à 2025, la part des Américains âgés de 12 ans et plus possédant une enceinte connectée s’est maintenue entre 33 % et 36 %, avec un recul à 34 % en 2024 (Edison Research at SSRS, mars 2026).
  • Dans une enquête menée en février 2026, 35 % des adultes américains déclarent posséder une enceinte connectée, comme une Amazon Echo ou une Apple HomePod (Pew Research Center, juin 2026).
  • D’autres appareils domestiques intégrant l’IA sont moins répandus : 18 % des adultes américains possèdent une sonnette connectée, 13 % un aspirateur robot et 11 % un thermostat connecté (Pew Research Center, juin 2026).
  • Début 2020, 24 % des adultes américains, soit environ 60 millions de personnes, possédaient au moins une enceinte connectée (NPR and Edison Research, janv. 2020).
  • Début 2020, les foyers équipés d’enceintes connectées en possédaient en moyenne 2,6, contre 2,3 un an plus tôt (NPR and Edison Research, janv. 2020).
  • En 2022, 62 % des adultes américains utilisaient un assistant vocal sur un appareil quelconque, en comptant les enceintes connectées, les smartphones et les systèmes embarqués dans les voitures (NPR and Edison Research, juin 2022).
  • En 2022, 57 % des utilisateurs américains de commandes vocales en donnaient tous les jours (NPR and Edison Research, juin 2022).

Combien d’appareils équipés d’assistants vocaux sont en service dans le monde ?

Les chiffres déclarés par les entreprises vont de centaines de millions à des milliards. Ils comptabilisent les appareils capables d’exécuter un assistant, et non les personnes qui en utilisent un tous les jours.

  • Fin 2020, les clients interagissaient des milliards de fois par semaine avec Alexa sur des centaines de millions d’appareils compatibles, notamment des téléviseurs, des ordinateurs, des écouteurs et des objets connectés (Amazon, déc. 2020).
  • Au début de 2026, le parc d’appareils actifs d’Apple a dépassé les 2,5 milliards. Il s’agit d’un décompte des appareils, et non des utilisateurs de Siri (Apple, janv. 2026).
  • Google Assistant était disponible sur plus d’un milliard d’appareils en janvier 2020 (Google, janv. 2020).
  • En janvier 2020, plus de 500 millions de personnes utilisaient Google Assistant chaque mois, sur des enceintes connectées, des écrans connectés, des téléphones, des téléviseurs et des voitures dans plus de 90 pays (Google, janv. 2020).
  • En 2022, Bixby de Samsung comptait plus de 200 millions d’utilisateurs sur près de 400 millions d’appareils dans le monde, après que le nombre d’utilisateurs inscrits a plus que doublé en quelques années (Samsung, nov. 2022).

Qui utilise le plus les assistants vocaux, selon l’âge et le pays ?

Aux États-Unis, les personnes dans la trentaine et la quarantaine sont en tête ; en Europe, ce sont les jeunes adultes. L’adoption varie fortement dans le monde : l’écart entre les pays de l’UE est bien plus important que celui entre les groupes d’âge.

  • En 2017, 46 % des adultes américains déclaraient utiliser des assistants vocaux numériques, le plus souvent sur un smartphone (Pew Research Center, déc. 2017).
  • En 2017, 55 % des adultes américains âgés de 18 à 49 ans utilisaient des assistants vocaux, contre 37 % des personnes âgées de 50 ans et plus (Pew Research Center, déc. 2017).
  • En 2026, 41 % des adultes américains âgés de 30 à 49 ans possédaient une enceinte connectée, contre 33 % des personnes âgées de 18 à 29 ans, 36 % des personnes âgées de 50 à 64 ans et 24 % des personnes âgées de 65 ans et plus (Pew Research Center, juin 2026).
  • En 2024, 16 % des personnes âgées de 16 à 74 ans dans l’UE ont utilisé un assistant virtuel, via une enceinte connectée ou une application, au cours des trois mois précédant leur participation à l’enquête (Eurostat, avr. 2026).
  • En 2024, la proportion allait de 41 % des habitants en Irlande, 29 % aux Pays-Bas et 27 % en Espagne à 3 % ou moins en Lettonie et en Bulgarie (Eurostat, avr. 2026).
  • Dans l’UE, 23 % des personnes âgées de 16 à 24 ans ont utilisé un assistant virtuel en 2024, contre 7 % des personnes âgées de 65 à 74 ans (Eurostat, avr. 2026).
  • En 2024, les hommes de l’UE étaient légèrement plus susceptibles que les femmes d’en utiliser un : 17 % contre 15 % (Eurostat, avr. 2026).

À quoi les gens utilisent-ils la recherche vocale ?

Les gens parlent à leurs appareils quand ils ont les mains occupées et que leur question est courte : musique, météo, minuterie, restaurant à proximité. La voix perd du terrain dès qu’une tâche devient privée ou complexe. Les dernières enquêtes publiques détaillant les tâches datent de 2018 à 2020 et aucune étude générale ne les a remplacées depuis ; tenez donc compte des dates.

Graphique à barres des dix principales demandes formulées au cours d’une semaine type par les propriétaires américains d’enceintes connectées au printemps 2020 : écouter de la musique, consulter la météo, poser des questions générales et régler des minuteries arrivent en tête
Figure 2 : Les demandes courtes qui permettent de garder les mains libres occupent les premières places de la liste hebdomadaire, et les propriétaires dont les habitudes avaient changé et qui travaillaient à domicile pendant la COVID-19 (barres violettes) utilisaient leurs enceintes à peu près de la même manière. Source : NPR and Edison Research, The Smart Audio Report, Spring 2020, avr. 2020. Graphique publié par la source (diapositive 48, recadré à partir du PDF), consulté le 2 oct. 2026.

Quelles tâches les gens confient-ils aux assistants vocaux ?

La musique arrive en tête, suivie de la météo, des questions rapides et des minuteries. Les utilisateurs de téléphones s’en servent davantage pour les appels, les SMS et les itinéraires que les propriétaires d’enceintes.

  • Dans une enquête menée au printemps 2020, 85 % des propriétaires américains d’enceintes connectées demandaient à leur enceinte de faire jouer de la musique au cours d’une semaine type (NPR and Edison Research, avr. 2020).
  • En 2020, les demandes hebdomadaires les plus fréquentes aux enceintes connectées étaient ensuite la météo (74 %), les réponses à une question générale (72 %) et le réglage d’une minuterie ou d’une alarme (65 %) (NPR and Edison Research, avr. 2020).
  • Sur les smartphones, les usages étaient différents en 2020 : 58 % des utilisateurs d’assistants vocaux sur téléphone consultaient la météo à la voix au cours d’une semaine type, 46 % passaient un appel et 39 % lisaient ou répondaient à un SMS (NPR and Edison Research, avr. 2020).
  • En 2020, les propriétaires d’enceintes connectées utilisaient leur enceinte pour 10,8 types de tâches différents au cours d’une semaine type, contre 9,4 en 2019 (NPR and Edison Research, avr. 2020).
  • Dans l’enquête d’Adobe menée en 2018 auprès de plus de 1 000 consommateurs américains, 47 % utilisaient la voix pour effectuer des recherches en ligne, 36 % pour passer un appel et 31 % pour contrôler leur maison connectée (Adobe, sept. 2018).
  • Sur les téléphones, l’activité vocale la plus fréquente dans l’enquête d’Adobe menée en 2019 auprès de 1 025 consommateurs américains était la recherche en ligne (50 %), suivie des itinéraires (45 %), de la météo (39 %) et de la rédaction de SMS ou des appels (38 %) (Adobe, juin 2019).

Comment les gens utilisent-ils la voix pour trouver des commerces locaux et faire leurs achats ?

Surtout pour rechercher un commerce : ses horaires, son adresse ou son numéro de téléphone. Les achats à la voix sont restés une habitude minoritaire, davantage utilisée pour se renseigner et dresser des listes que pour régler ses achats.

  • Parmi les utilisateurs de la recherche vocale locale en 2018, 46 % recherchaient chaque jour une entreprise locale à la voix, et 28 % le faisaient chaque semaine en plus (BrightLocal, avr. 2018).
  • Les utilisateurs d’enceintes connectées étaient ceux qui effectuaient le plus souvent des recherches en 2018 : 76 % recherchaient des entreprises locales au moins une fois par semaine et 53 % tous les jours (BrightLocal, avr. 2018).
  • Après une recherche vocale locale en 2018, 28 % des consommateurs ont appelé l’entreprise, 27 % ont visité son site Web et 19 % s’y sont rendus en personne (BrightLocal, avr. 2018).
  • En 2020, 38 % des utilisateurs de la voix sur smartphone et 31 % des propriétaires d’enceintes connectées demandaient à leur assistant de trouver des restaurants ou des commerces à proximité au cours d’une semaine type (NPR and Edison Research, avr. 2020).
  • Dans l’enquête d’Adobe de 2019, 20 % des propriétaires américains d’enceintes connectées avaient effectué un achat ou commandé un article à la voix, et 15 % recommandaient régulièrement des articles de cette façon (Adobe, juin 2019).
  • Dans la même enquête de 2019, la voix servait davantage à préparer un achat qu’à l’effectuer : 40 % effectuaient une recherche de produits à la voix, 30 % constituaient des listes de courses et 25 % comparaient les prix (Adobe, juin 2019).
  • Amazon indique qu’Alexa+ peut coordonner des dizaines de milliers de services et d’appareils, notamment les réservations de tables via OpenTable et les commandes de repas auprès de Grubhub et Uber Eats (Amazon, juill. 2026).

Pourquoi les gens préfèrent-ils la voix au clavier, et qu’est-ce qui les freine ?

Le principal attrait est de pouvoir garder les mains libres, loin devant l’idée que parler semble plus naturel. Les préoccupations liées à la vie privée, le simple manque d’intérêt et les erreurs de compréhension des assistants freinent leur utilisation.

  • En 2017, 55 % des utilisateurs américains d’assistants vocaux indiquaient que l’une des principales raisons de leur utilisation était de pouvoir interagir avec leurs appareils sans les mains ; 23 % disaient que les assistants étaient amusants et 22 % que parler semblait plus naturel que taper (Pew Research Center, déc. 2017).
  • Parmi les adultes américains qui n’utilisaient pas d’assistants vocaux en 2017, 61 % n’étaient pas intéressés, 28 % déclaraient qu’aucun de leurs appareils n’en était équipé et 27 % invoquaient des préoccupations liées à la vie privée (Pew Research Center, déc. 2017).
  • En 2017, seuls 39 % des utilisateurs américains d’assistants vocaux déclaraient que leur assistant répondait correctement la plupart du temps ; 42 % disaient que c’était le cas parfois et 16 % pas très souvent (Pew Research Center, déc. 2017).
  • En 2020, 33 % des propriétaires américains d’enceintes connectées déclaraient que leur enceinte avait mal entendu ou mal compris une demande au moins une fois par jour, et 39 % des utilisateurs d’assistants vocaux sur téléphone disaient la même chose de leur téléphone (NPR and Edison Research, avr. 2020).
  • Parmi les Américains qui ne possédaient pas d’enceinte connectée en 2020, 66 % étaient gênés par le fait que ces appareils soient toujours à l’écoute, 65 % craignaient que des pirates puissent les utiliser pour accéder à leur domicile ou à leurs renseignements personnels et 58 % ne faisaient pas confiance aux fabricants pour protéger leurs données (NPR and Edison Research, avr. 2020).
  • 71 % des adultes américains pensent qu’une utilisation accrue de l’IA rendra leurs renseignements personnels moins sécurisés ; 3 % pensent qu’elle les rendra plus sécurisés (Pew Research Center, juin 2026).
  • En mai 2023, la FTC et le ministère de la Justice ont accusé Amazon de conserver indéfiniment les enregistrements vocaux Alexa d’enfants, dans le cadre d’une ordonnance proposée exigeant qu’Amazon verse $25 millions et supprime les données (Federal Trade Commission, mai 2023).

Comment les agents conversationnels d’IA transforment-ils les assistants vocaux ?

Les grands modèles de langage ont entièrement transformé le secteur des assistants vocaux en moins de trois ans. Les données d’utilisation portent désormais principalement sur les assistants d’IA, et les premiers chiffres montrent que les gens leur parlent plus longtemps qu’ils ne leur écrivent.

Graphique à barres de la part des adultes américains utilisant des agents conversationnels d’IA comme ChatGPT, Gemini ou Copilot, en 2024 et 2026
Figure 3 : Environ la moitié des adultes américains utilisent désormais des agents conversationnels d’IA ; Pew précise que le chiffre de 2024 provenait d’une question formulée différemment et posée uniquement aux personnes qui avaient entendu parler des agents conversationnels. Source : Pew Research Center, Americans and AI 2026: Chatbots, Smart Devices and Views on Impact, juin 2026. Graphique publié par la source, consulté le 2 oct. 2026.

Combien de personnes utilisent des assistants d’IA comme ChatGPT, Gemini et Alexa+ ?

Les plus grands assistants comptent des centaines de millions d’utilisateurs, voire plus d’un milliard. Ces chiffres mesurent l’utilisation des agents conversationnels, et non celle de la voix, mais montrent combien de personnes parlent déjà à l’IA sous une forme ou une autre.

  • ChatGPT domine l’utilisation des agents conversationnels aux États-Unis, avec 44 % des adultes, devant Gemini à 24 %, Copilot à 17 %, Meta AI à 14 % et Claude à 6 % (Pew Research Center, juin 2026).
  • Environ un quart des adultes américains utilisent des agents conversationnels tous les jours (Pew Research Center, juin 2026).
  • 52 % des Américains âgés de 18 ans et plus utilisent au moins un agent conversationnel d’IA chaque semaine, et beaucoup en utilisent plusieurs (Edison Research at SSRS, mars 2026).
  • ChatGPT compte plus de 900 millions d’utilisateurs actifs chaque semaine et plus de 50 millions d’abonnés grand public (OpenAI, févr. 2026).
  • L’application Gemini a dépassé le milliard d’utilisateurs mensuels ; Google la qualifie de produit à la croissance la plus rapide de son histoire (Google, août 2026).
  • AI Mode dans Google Search a dépassé le milliard d’utilisateurs mensuels un an après son lancement, et le nombre de requêtes a plus que doublé chaque trimestre (Google, mai 2026).
  • En juin 2025, la rédaction représentait 40 % des messages professionnels envoyés à ChatGPT, et environ deux tiers des demandes de rédaction lui demandaient de modifier ou de retravailler un texte déjà rédigé par l’utilisateur plutôt que de partir de zéro (Chatterji et al., NBER 2025, sept. 2025).
  • L’utilisation hebdomadaire des agents conversationnels d’IA pour s’informer est passée de 7 % à 10 % dans les marchés étudiés, et le groupe d’âge le plus jeune y recourt trois fois plus souvent que le plus âgé, soit 17 % contre 5 % (Reuters Institute, juin 2026).

Les gens parlent-ils à l’IA à la voix, et pendant combien de temps ?

Oui. Les plateformes qui publient des données vocales indiquent que les sessions vocales sont plus longues que les échanges textuels, et la voix se répand dans les usages de la caméra et du partage d’écran.

  • Une interaction sur cinq avec Gemini Live va au-delà de la voix et comprend un flux vidéo en direct ou le partage d’écran (Google, août 2026).
  • OpenAI a commencé à déployer les conversations vocales bidirectionnelles dans ChatGPT en septembre 2023, d’abord auprès des utilisateurs Plus et Enterprise sur iOS et Android, avec cinq voix et son modèle Whisper pour transcrire les propos des utilisateurs (OpenAI, sept. 2023).
  • Le modèle vocal en temps réel gpt-realtime d’OpenAI a obtenu un score de 82,8 % au test de raisonnement audio Big Bench dans l’évaluation d’OpenAI, contre 65,6 % pour son modèle de décembre 2024 (OpenAI, août 2025).
  • Lors du lancement général de son API Realtime, OpenAI a réduit de 20 % les prix de gpt-realtime, à $32 par million de jetons audio entrants et $64 par million de jetons audio sortants (OpenAI, août 2025).

Alexa, Siri et Google Assistant sont-ils en train d’être reconstruits autour de l’IA générative ?

Oui. Depuis 2025, les trois ont été reconstruits sur la base de grands modèles de langage ou remplacés par l’un d’eux, et Amazon est la première entreprise à communiquer des chiffres d’utilisation à grande échelle.

  • Alexa+ coûte $19,99 par mois ou est incluse sans frais avec Prime, est disponible pour tous les clients aux États-Unis et au Canada, et est proposée en accès anticipé dans huit autres pays : le Brésil, le Royaume-Uni, le Mexique, l’Italie, l’Espagne, l’Allemagne, l’Autriche et la France (Amazon, juill. 2026).
  • Des centaines de millions de clients utilisent désormais les nouvelles expériences Alexa et, aux États-Unis, les clients qui ont essayé Alexa+ s’abonnent à Prime à un taux près de 25 % supérieur (Amazon, juill. 2026).
  • Alexa for Shopping, qui associe Alexa+ à l’assistant d’achat Rufus d’Amazon, a presque doublé son nombre d’utilisateurs actifs d’une année sur l’autre au T2 2026, et ses interactions ont plus que quintuplé (Amazon, juill. 2026).
  • Apple a commencé à déployer Siri AI, une version reconstruite de Siri reposant sur Apple Foundation Models, développée en collaboration avec Google et ses modèles Gemini, en version bêta en anglais le 14 septembre 2026 ; cinq autres langues devaient suivre le mois suivant (Apple, sept. 2026).
  • Apple Intelligence fonctionne dans 16 langues et, sous iOS 27, sur les modèles iPhone 16 et ultérieurs, ainsi que sur l’iPhone 15 Pro et l’iPhone 15 Pro Max (Apple, sept. 2026).
  • Google a commencé à transférer les utilisateurs de Google Assistant sur mobile vers Gemini en mars 2025, date à laquelle l’application Gemini était disponible dans plus de 40 langues et 200 pays ; l’entreprise a indiqué que la version classique d’Assistant ne serait plus accessible sur la plupart des téléphones plus tard dans l’année (Google, mars 2025).

Quelle est la précision de la reconnaissance vocale en 2026 ?

En 2017, les machines ont égalé les transcripteurs professionnels sur un test de référence de conversations téléphoniques, et les meilleurs modèles ont progressé depuis. Les taux d’erreur varient surtout selon la personne qui parle : ils sont bien plus élevés pour les locuteurs noirs, les personnes en situation de handicap de la parole, les enfants et les conversations cliniques que sur des tests de référence avec un son net, comme le montrent les études ci-dessous.

Diagrammes en boîtes des taux d’erreur de mots par origine raciale pour les services de transcription générale et médicale d’Amazon et Whisper, sur des enregistrements de visites infirmières auprès de patients noirs et blancs recevant des soins à domicile
Figure 4 : Sur les mêmes enregistrements de visites infirmières, les deux services d’Amazon ont commis davantage d’erreurs pour les patients noirs que pour les patients blancs ; une bonne précision moyenne ne dit donc pas grand-chose sur les personnes dont la parole est mal comprise. Source : Zolnoori et al., JAMIA Open, Decoding disparities: evaluating automatic speech recognition system performance in transcribing Black and White patient verbal communication with nurses in home healthcare, déc. 2024. Graphique publié par la source (fig. 2, CC BY 4,0), consulté le 2 oct. 2026.

Quels taux d’erreur de mots atteignent les meilleurs modèles de reconnaissance vocale ?

Sur les tests d’anglais avec un son net, les meilleurs systèmes commettent désormais à peu près autant d’erreurs que des transcripteurs professionnels attentifs. La précision baisse sur les enregistrements longs et les sons qui diffèrent des tests de référence, et tous les outils de reconnaissance vocale par IA reposant sur ces modèles héritent de ces limites. Les taux d’erreur de mots ne peuvent être comparés qu’au sein d’un même test ; c’est pourquoi chacun des tests ci-dessous est nommé.

  • En août 2017, le système de Microsoft a atteint un taux d’erreur de mots de 5,1 % sur le test de référence Switchboard de conversations téléphoniques, égalant un processus faisant appel à plusieurs transcripteurs ; un an plus tôt, il avait atteint le taux de 5,9 % mesuré par Microsoft pour des transcripteurs professionnels travaillant seuls (Microsoft Research, août 2017).
  • Une étude d’IBM a montré qu’après vérification de la qualité, le meilleur transcripteur professionnel commettait 5,1 % d’erreurs sur Switchboard et 6,8 % sur le jeu plus difficile CallHome, tandis que le système d’IBM obtenait respectivement 5,5 % et 10,3 % (Saon et al., IBM Research 2017, mars 2017).
  • OpenAI a entraîné Whisper sur 680 000 heures d’enregistrements audio du Web transcrits, dont 117 000 heures dans 96 langues autres que l’anglais (Radford et al., Whisper 2022, déc. 2022).
  • Les résultats des tests de référence surestiment la précision en conditions réelles : un modèle Whisper et un modèle entraîné uniquement sur des livres audio LibriSpeech ont obtenu des scores à 0,1 % près sur LibriSpeech, mais Whisper a commis en moyenne 55,2 % d’erreurs de moins sur 13 autres jeux de test (Radford et al., Whisper 2022, déc. 2022).
  • Sur 25 enregistrements d’émissions, d’appels téléphoniques et de réunions, le meilleur des cinq services de transcription professionnels, un service assisté par ordinateur, affichait un taux d’erreur de mots global inférieur de seulement 1,15 point de pourcentage à celui de Whisper (Radford et al., Whisper 2022, déc. 2022).
  • L’Open ASR Leaderboard, créé par des chercheurs de Hugging Face avec des coauteurs de NVIDIA et de l’Université de Cambridge, compare 86 systèmes de reconnaissance vocale de 26 organisations, dont 74 à code source ouvert, sur les mêmes 12 jeux de données (Srivastav et al., Open ASR Leaderboard v4, mars 2026).
  • Pour les enregistrements longs, comme les conférences sur les résultats financiers, les conférences TED et les entretiens, les systèmes commerciaux fermés sont en tête : ElevenLabs Scribe v2 affiche un taux d’erreur de mots moyen de 7,32 %, contre 9,73 % pour le meilleur modèle ouvert (Srivastav et al., Open ASR Leaderboard v4, mars 2026).
  • Google a préentraîné son Universal Speech Model sur 12 millions d’heures de contenu audio non étiqueté dans plus de 300 langues et, selon ses propres tests, a égalé ou dépassé Whisper avec un jeu de données d’entraînement étiqueté sept fois plus petit (Zhang et al., Google USM 2023, mars 2023).

Les taux d’erreur varient-ils selon l’accent, l’origine raciale et la langue ?

Oui, et dans de fortes proportions. Les taux d’erreur dépendent de la personne qui parle et de la quantité de données audio d’entraînement disponibles pour sa langue ; un réglage fin à partir des données vocales adaptées réduit considérablement une grande partie de l’écart.

  • Sur cinq systèmes commerciaux d’Amazon, Apple, Google, IBM et Microsoft, le taux d’erreur de mots moyen était de 0,35 pour les locuteurs noirs et de 0,19 pour les locuteurs blancs (Koenecke et al., PNAS 2020, mars 2020).
  • L’écart était le plus marqué chez les hommes noirs, avec une moyenne de 0,41 pour les cinq systèmes, contre 0,17 chez les femmes blanches (Koenecke et al., PNAS 2020, mars 2020).
  • Cette tendance se retrouvait dans une étude de 2024 portant sur des enregistrements de visites de soins à domicile : sur 860 énoncés de 10 patients, le service de transcription générale d’Amazon affichait un taux d’erreur de mots médian de 50 % pour les patients noirs s’entretenant avec des infirmières, contre 33 % pour les patients blancs (Zolnoori et al., JAMIA Open 2024, déc. 2024).
  • Un réglage fin à partir de la parole de personnes atteintes de dysarthrie liée à la maladie de Parkinson a ramené à 23,7 % le taux d’erreur de référence du Speech Accessibility Project pour leur parole (Hasegawa-Johnson et al., JSLHR 2024, sept. 2024).
  • Les enfants sont plus difficiles à transcrire : prêt à l’emploi, Whisper Large v3 affichait un taux d’erreur de mots de 19,9 % sur le jeu de test de parole scriptée CSLU OGI Kids, qui est tombé à 1,4 % après un réglage fin à partir de la parole d’enfants (Fan et al., Interspeech 2024, sept. 2024).
  • Pour les langues du test de référence FLEURS, le taux d’erreur de mots de Whisper est divisé par deux chaque fois que le volume de données audio d’entraînement est multiplié par 16 ; sur une échelle logarithmique, le coefficient de corrélation entre les deux est de 0,83 (Radford et al., Whisper 2022, déc. 2022).
  • Le projet Massively Multilingual Speech de Meta a créé un modèle de reconnaissance vocale pour 1 107 langues qui a réduit de plus de moitié le taux d’erreur de mots de Whisper sur 54 langues de FLEURS, tout en s’entraînant sur une petite partie des données étiquetées de Whisper (Pratap et al., Meta MMS 2023, mai 2023).
  • Dans sa version de septembre 2026, le jeu de données collaboratif Common Voice de Mozilla comptait 42 593 heures d’enregistrements vocaux dans 295 langues, dont 29 295 heures validées par d’autres bénévoles (Mozilla Common Voice, sept. 2026).
  • D’après notre décompte à partir du fichier de publication de Mozilla, 108 des 295 langues de Common Voice 27,0 comptent moins de 10 heures validées, et 31 en comptent moins d’une (Mozilla Common Voice, sept. 2026).

Quelle est la précision de la conversion de la parole en texte en contexte médical et bruyant ?

Elle est moindre que sur les tests de référence, et le résultat doit être vérifié par un humain. Le bruit, les microphones éloignés, la présence de plusieurs interlocuteurs et le vocabulaire clinique font tous augmenter les taux d’erreur.

  • Dans 217 notes cliniques provenant de deux systèmes de santé américains, les résultats de la reconnaissance vocale comportaient 7,4 erreurs pour 100 mots ; ce chiffre tombait à 0,4 après la révision des notes par des transcripteurs médicaux et à 0,3 dans les notes finales signées par les médecins (Zhou et al., JAMA Network Open 2018, juill. 2018).
  • Dans cette étude, 96,3 % des brouillons issus de la reconnaissance vocale contenaient au moins une erreur, et 5,7 % des erreurs ont été jugées cliniquement significatives (Zhou et al., JAMA Network Open 2018, juill. 2018).
  • Une revue systématique de 122 études sur la reconnaissance vocale pour la documentation clinique, menées de 1990 à 2018, a relevé des taux d’erreur de mots allant de 7,4 % à 38,7 % et une proportion de documents comportant des erreurs allant de 4,8 % à 71 % (Blackley et al., JAMIA 2019, avr. 2019).
  • Une revue de 2025 portant sur 29 études de la transcription par IA en contexte clinique a relevé des taux d’erreur de mots allant de 8,7 % pour une dictée contrôlée à plus de 50 % dans des conversations réunissant plusieurs interlocuteurs (Ng et al., BMC Medical Informatics and Decision Making 2025, juill. 2025).
  • Lors de visites infirmières à domicile, le plus précis des quatre systèmes testés affichait un taux d’erreur de mots médian de 39 %, et son taux d’erreur moyen atteignait 86 % pour les énoncés de moins de cinq mots (Zolnoori et al., JAMIA Open 2024, déc. 2024).
  • Dans un test de 2025 portant sur 10 configurations de reconnaissance vocale et 200 dossiers orthodontiques dictés, les taux d’erreur de mots allaient de 3,7 % (transcription avec GPT-4o corrigée par GPT-4o) à 33,9 % (Dragon Professional Anywhere) ; le bruit ambiant augmentait les erreurs dans tous les systèmes, et des erreurs cliniquement significatives ont été observées avec chacun d’eux (O'Kane et al., Journal of Dental Research 2025, nov. 2025).
  • Les textes inventés par Whisper touchaient davantage les personnes atteintes d’aphasie : 1,7 % de leurs segments audio produisaient des hallucinations, contre 1,2 % dans le groupe témoin, tandis que les modèles de conversion de la parole en texte et Chirp de Google n’en produisaient aucune sur les mêmes enregistrements (Koenecke et al., ACM FAccT 2024, juin 2024).
  • Whisper Large v2 affichait un taux d’erreur de mots de 2,7 % sur des livres audio LibriSpeech, mais de 25,5 % sur des enregistrements de repas entre amis de CHiME-6, et de 36,4 % sur des réunions enregistrées par un seul microphone éloigné, contre 16,9 % pour les mêmes réunions enregistrées avec des microphones-casques (Radford et al., Whisper 2022, déc. 2022).

La dictée vocale remplace-t-elle le clavier ?

Les tests en laboratoire montrent que la parole est plus rapide que la frappe au pouce, et les téléphones représentent désormais la majeure partie du trafic Web. C’est dans le domaine médical que l’utilisation de la dictée est la mieux mesurée.

Graphique linéaire du nombre de mots par minute saisis au clavier et dictés sur un téléphone à écran tactile, en anglais et en mandarin, selon une étude en laboratoire
Figure 5 : Dans les deux langues, la parole était bien plus rapide que le clavier du téléphone ; l’avantage se vérifie donc avec deux claviers très différents. Source : Ruan et al., IMWUT 2017, Comparing Speech and Keyboard Text Entry for Short Messages in Two Languages on Touchscreen Phones, déc. 2017. Graphique publié par la source (fig. 5, recadré à partir du PDF), consulté le 2 oct. 2026.

À quel point parler est-il plus rapide que taper ?

Les tests en laboratoire montrent que la parole est bien plus rapide, en anglais comme en mandarin, même si elle laisse légèrement plus d’erreurs dans le texte final. L’étude en laboratoire de Ruan et al. a chronométré 48 étudiants qui transcrivaient de courtes phrases ; les auteurs qualifient ces résultats de performances maximales, car rédiger un message tout en réfléchissant prend plus de temps. Pour les vitesses de frappe selon l’âge, l’appareil et l’entraînement, consultez nos statistiques sur la vitesse de frappe.

  • Lors du test en laboratoire de Ruan et al. sur des téléphones à écran tactile, la parole atteignait 123 mots par minute en chinois mandarin, contre 43 sur le clavier pinyin, soit une vitesse 2,87 fois supérieure (Ruan et al., IMWUT 2017, déc. 2017).
  • La parole générait également moins d’erreurs pendant la saisie : pour les deux langues, le taux d’erreur après correction était de 5,30 % avec la parole, contre 11,22 % au clavier (Ruan et al., IMWUT 2017, déc. 2017).
  • La parole laissait légèrement plus d’erreurs dans le texte final : le taux d’erreur non corrigé était de 1,30 %, contre 0,79 % au clavier (Ruan et al., IMWUT 2017, déc. 2017).
  • Les volontaires qui tapaient sur leur téléphone atteignaient une moyenne de 36,2 mots par minute, avec un taux d’erreur non corrigé de 2,3 %, sur 37 370 personnes ayant passé un test de frappe en ligne (Palin et al., MobileHCI 2019, oct. 2019).
  • Sur un clavier physique d’ordinateur, 168 960 volontaires ayant passé un test de frappe en ligne atteignaient une moyenne de 51,56 mots par minute, et les plus rapides atteignaient au moins 120 mots par minute (Dhakal et al., CHI 2018, avr. 2018).
  • Les gens parlent plus vite que ne le permettent l’un ou l’autre des claviers : dans 2 438 conversations téléphoniques enregistrées aux États-Unis, les locuteurs parlaient en moyenne à 164 mots par minute pendant leurs tours de parole ; dans un ensemble plus important d’appels enregistrés entre inconnus, le sujet de la conversation faisait varier cette moyenne entre 152 et près de 170 (Yuan et al., Interspeech 2006, sept. 2006).

Combien de personnes tapent et dictent sur leur téléphone ?

Presque tous les adultes américains possèdent un smartphone, et les téléphones représentent la majeure partie du trafic Web mondial. Aucune source primaire publique récente ne mesure la part des personnes qui dictent du texte au lieu de le taper ; la dernière mesure américaine distinguant l’utilisation des assistants vocaux selon l’appareil remonte à 2017.

  • 91 % des adultes américains possèdent un smartphone, contre 35 % lors de la première mesure de Pew en 2011 (Pew Research Center, nov. 2025).
  • 16 % des adultes américains accèdent à Internet uniquement depuis un smartphone : ils en possèdent un, mais n’ont pas de connexion Internet à domicile. Cette proportion monte à 27 % chez les adultes âgés de 18 à 29 ans et à 34 % chez ceux vivant dans des ménages dont le revenu est inférieur à $30 000 (Pew Research Center, nov. 2025).
  • On estime que 262 millions d’Américains âgés de 12 ans et plus possèdent un smartphone (Edison Research at SSRS, mars 2026).
  • En 2017, 42 % des adultes américains utilisaient un assistant vocal sur leur smartphone, soit trois fois plus que les 14 % qui en utilisaient un sur ordinateur ou tablette (Pew Research Center, déc. 2017).
  • Aux États-Unis, le partage est presque égal : en septembre 2026, les appareils mobiles représentaient 49,1 % du trafic Web et les ordinateurs de bureau 48,47 %. C’était le premier mois depuis au moins septembre 2025 où les mobiles étaient en tête (StatCounter, sept. 2026).

Quels professionnels dictent le plus, et combien de temps cela leur fait-il gagner ?

Les médecins sont le groupe pour lequel les données sont les plus fiables. Les assistants de rédaction ambiants à base d’IA, qui écoutent une consultation et rédigent un brouillon de note, font gagner quelques minutes de documentation lors des essais, mais leurs brouillons doivent encore être vérifiés.

  • Au moment où Microsoft a accepté de la racheter en 2021, les produits de Nuance étaient utilisés par plus de 55 % des médecins américains et 75 % des radiologues américains, ainsi que dans 77 % des hôpitaux américains, selon les chiffres des deux entreprises (Microsoft, avr. 2021).
  • Les États-Unis comptaient 42 000 postes de transcripteurs médicaux en 2025, et le BLS prévoit une baisse de l’emploi de 4 % d’ici 2035 ; il cite les logiciels de reconnaissance vocale, qui produisent un brouillon de compte rendu à vérifier par le transcripteur, comme la technologie la plus couramment utilisée dans ce métier (US Bureau of Labor Statistics, août 2026).
  • Lors d’un essai randomisé mené auprès de 238 médecins ambulatoires de UCLA, un assistant de rédaction ambiant à base d’IA (Nabla) a réduit de 9,5 % le temps consacré aux notes par rapport aux soins habituels, tandis que l’autre (DAX Copilot de Microsoft) n’a entraîné aucune différence significative (Lukac et al., NEJM AI 2025, nov. 2025).
  • L’utilisation est restée partielle, même dans cet essai : DAX a été utilisé pour 33,5 % des 24 696 consultations et Nabla pour 29,5 % des 23 653 ; environ 15 % des médecins ayant reçu un assistant de rédaction ne l’ont jamais utilisé (Lukac et al., NEJM AI 2025, nov. 2025).
  • Avant un essai randomisé mené en 2024 et 2025 dans des cliniques de deux États, 59 % des 66 cliniciens inscrits utilisaient déjà le logiciel de reconnaissance vocale Fluency Direct pour leurs notes, et 4,5 % recouraient à la dictée traditionnelle (Afshar et al., NEJM AI 2025, nov. 2025).
  • Dans le même essai, les cliniciens consacraient 0,36 heure de moins par jour à leurs notes avec un assistant de rédaction ambiant à base d’IA, un indicateur secondaire ; les auteurs ne rapportent aucune détérioration du diagnostic, de la conformité de la facturation ou de la qualité des notes (Afshar et al., NEJM AI 2025, nov. 2025).
  • Lors d’un essai croisé randomisé auprès de 160 cliniciens ambulatoires comparant deux assistants de rédaction ambiants, l’un faisait gagner 3,19 minutes de plus par jour que l’autre pour la rédaction des notes, et les deux ne présentaient pas de différence notable concernant le temps consacré à la documentation en dehors des heures de travail (Chowdhury et al., JAMIA 2026, févr. 2026).
  • Sur 198 178 passages aux urgences dans quatre hôpitaux en 2025, des assistants de rédaction ambiants à base d’IA ont été utilisés dans 4,3 % des cas et ont été associés à une baisse de 1,6 minute du temps médian consacré par les médecins à chaque note, soit environ la moitié de la réduction de 3,3 minutes associée aux transcripteurs humains (Dutta et al., Annals of Emergency Medicine 2026, juin 2026).
  • Parmi les médecins généralistes britanniques qui utilisaient un assistant de rédaction ambiant, 80 % ont déclaré qu’il réduisait le temps consacré à la documentation, mais 32 % ont signalé des erreurs souvent ou toujours, et 14 % ont fait état d’erreurs ayant des conséquences importantes ou critiques (Blease et al., BMJ Health and Care Informatics 2026, juill. 2026).

Quelle est la taille du marché de la reconnaissance vocale ?

Les estimations de la taille du marché de la reconnaissance vocale varient et celles publiées pour 2025 diffèrent presque du simple au double. Les documents réglementaires et les prix des acquisitions sont plus clairs : les entreprises ont déboursé des milliards pour les technologies vocales, et les entreprises cotées spécialisées dans l’IA vocale affichent une croissance de leur chiffre d’affaires à deux chiffres.

Graphique à barres de l’estimation par Mordor Intelligence de la taille du marché de la reconnaissance vocale, en milliards de dollars US, en 2025 et 2026, et de ses prévisions pour 2031
Figure 6 : Mordor Intelligence prévoit une forte croissance, mais son estimation de départ pour 2025 est nettement supérieure à celle d’une autre société pour la même année. C’est pourquoi chaque chiffre de marché de cette page indique la société qui l’a produit. Source : Mordor Intelligence, Voice Recognition Market Size, Share and Growth, 2031, sept. 2026. Graphique publié par la source (CC BY 4,0), consulté le 2 oct. 2026.

Quelle est la valeur du marché de la reconnaissance de la parole et de la voix ?

Tout dépend de la société à qui vous posez la question. Les trois estimations ci-dessous définissent le marché de manière légèrement différente et ne doivent jamais être moyennées ; elles s’accordent uniquement sur une croissance d’environ un cinquième par an.

  • MarketsandMarkets évaluait le marché mondial de la reconnaissance de la parole et de la voix à $9,66 milliards en 2025 et prévoit qu’il atteindra $23,11 milliards d’ici 2030, soit un taux de croissance annuel composé de 19,1 % (MarketsandMarkets, août 2025).
  • MarketsandMarkets désigne la recherche vocale comme la principale application du marché, portée par les smartphones, les enceintes connectées et les assistants d’IA (MarketsandMarkets, août 2025).
  • Fortune Business Insights estime la valeur du même marché à $19,09 milliards en 2025 et à $23,70 milliards en 2026, et prévoit qu’elle atteindra $104,05 milliards d’ici 2034, soit un taux de croissance annuel composé de 20,30 % (Fortune Business Insights, sept. 2026).
  • Fortune Business Insights prévoit que le marché américain de la reconnaissance de la parole et de la voix atteindra $6,01 milliards en 2026 (Fortune Business Insights, sept. 2026).
  • Selon Fortune Business Insights, la reconnaissance de la parole, à distinguer de la reconnaissance de la voix (du locuteur), représentera 66,40 % du marché en 2026 (Fortune Business Insights, sept. 2026).
  • Mordor Intelligence évalue le marché de la reconnaissance vocale à $18,39 milliards en 2025 et à $22,51 milliards en 2026, et prévoit qu’il atteindra $61,78 milliards d’ici 2031, soit un taux de croissance annuel composé de 22,38 % (Mordor Intelligence, sept. 2026).
  • Selon Mordor Intelligence, l’Asie-Pacifique est la principale région, avec 37,64 % du chiffre d’affaires de la reconnaissance vocale en 2025 (Mordor Intelligence, sept. 2026).
  • Selon Mordor Intelligence, les smartphones et les tablettes représentaient 39,17 % du chiffre d’affaires de la reconnaissance vocale en 2025, soit la plus grande catégorie d’appareils (Mordor Intelligence, sept. 2026).
  • Selon les prévisions de Mordor Intelligence, la documentation médicale est l’application de reconnaissance vocale qui connaît la croissance la plus rapide, avec un taux de croissance annuel composé de 23,39 % d’ici 2031 (Mordor Intelligence, sept. 2026).

À quelle vitesse les entreprises d’IA vocale se développent-elles ?

Rapidement. Les entreprises cotées spécialisées dans la voix déclarent une croissance de leur chiffre d’affaires à deux chiffres, et la valorisation d’ElevenLabs a doublé en sept mois.

  • Le chiffre d’affaires de SoundHound AI s’élevait à $168,9 millions en 2025, soit une hausse de 99 % par rapport à 2024 (SoundHound AI, févr. 2026).
  • Le chiffre d’affaires de SoundHound AI au deuxième trimestre 2026 était de $61,9 millions, en hausse de 45 % d’une année sur l’autre ; son PDG indique qu’il est 10 fois supérieur au chiffre d’affaires trimestriel de l’entreprise lors de son entrée en Bourse en 2022 (SoundHound AI, août 2026).
  • Cerence, qui fournit des assistants vocaux aux constructeurs automobiles, a déclaré un chiffre d’affaires de $251,8 millions pour l’exercice 2025 et prévoit entre $300 millions et $320 millions pour l’exercice 2026, soit une hausse de 23 % au point médian, qui comprend un paiement de licence de brevet de Samsung (Cerence, nov. 2025).
  • Les voitures fabriquées avec la technologie de Cerence représentaient 50 % de la production automobile mondiale au cours des 12 mois précédant juin 2026 (Cerence, août 2026).
  • ElevenLabs a terminé l’année 2025 avec $350 millions de revenus récurrents annuels et a dépassé $500 millions au cours des quatre premiers mois de 2026 (ElevenLabs, mai 2026).
  • En septembre 2026, une offre de rachat d’actions destinée aux employés de $300 millions a valorisé ElevenLabs à $22 milliards, soit le double de sa valorisation lors de son financement de série D de février 2026 (ElevenLabs, sept. 2026).
  • Les agents vocaux d’ElevenLabs gèrent plus de 15 millions de conversations par semaine, soit trois fois plus qu’en février 2026, et les clients d’entreprise génèrent 55 % de son chiffre d’affaires (ElevenLabs, sept. 2026).

Combien les grandes entreprises technologiques ont-elles payé pour les technologies vocales ?

L’acquisition de Nuance par Microsoft a établi une référence, et des entreprises d’IA vocale plus petites rachètent désormais des sociétés spécialisées dans le service à la clientèle.

  • Microsoft a déclaré que l’acquisition de Nuance doublerait son marché adressable auprès des prestataires de soins de santé, portant à près de $500 milliards son marché total adressable dans la santé (Microsoft, avr. 2021).
  • À la clôture de l’acquisition, le 4 mars 2022, Microsoft a comptabilisé un prix d’achat total de $18,8 milliards pour Nuance, dont $16,3 milliards d’écart d’acquisition (Microsoft, juill. 2022).
  • SoundHound AI a évalué provisoirement à $76,1 millions l’acquisition d’Interactions, une entreprise d’IA spécialisée dans le service à la clientèle, en septembre 2025 (SoundHound AI, mars 2026).
  • LivePerson, dont SoundHound AI a accepté l’acquisition en avril 2026, gère des services numériques d’engagement de la clientèle qui traitent un milliard de messages de clients par mois (SoundHound AI, avr. 2026).
  • SoundHound AI a finalisé l’acquisition de LivePerson le 4 septembre 2026, donnant à la société issue du rapprochement une clientèle comprenant 25 entreprises du Fortune 100 et plus de 750 brevets (SoundHound AI, sept. 2026).

Glossaire

  • ASR : reconnaissance automatique de la parole, logiciel qui convertit un enregistrement vocal en texte.
  • Taux d’erreur de mots (WER) : proportion de mots qu’un système reconnaît incorrectement (substitués, supprimés ou ajoutés) par rapport à une transcription de référence réalisée par un humain. Plus le taux est bas, mieux c’est ; les taux ne sont comparables qu’au sein d’un même jeu de test.
  • Switchboard, CallHome, LibriSpeech, CHiME-6, AMI, FLEURS : jeux de test de référence pour la parole : conversations téléphoniques (Switchboard, CallHome), livres audio lus à voix haute (LibriSpeech), enregistrements de repas entre amis (CHiME-6), réunions (AMI) et test de référence multilingue (FLEURS).
  • Réglage fin : entraînement supplémentaire d’un modèle existant sur un jeu de données audio plus restreint et ciblé, comme des enregistrements de parole d’enfants.
  • Hallucination : texte produit par un modèle de reconnaissance vocale qui n’a jamais été prononcé.
  • Enceinte connectée : enceinte dotée d’un assistant vocal intégré, comme Amazon Echo, Google Nest ou Apple HomePod.
  • Assistant de rédaction ambiant à base d’IA : logiciel qui écoute une consultation clinique et rédige un brouillon de note que le clinicien peut vérifier.
  • Dysarthrie : trouble moteur de la parole dans lequel des muscles faibles ou mal contrôlés rendent la parole difficile à comprendre.
  • Aphasie : trouble du langage, souvent causé par un AVC, qui affecte la capacité à parler et à comprendre le langage.
  • Médecin généraliste : médecin de famille au Royaume-Uni.
  • API : interface de programmation d’applications, qui permet aux développeurs de connecter leur logiciel à un modèle.
  • ARR : revenus récurrents annuels.
  • Marché total adressable : marché total adressable.
  • Taux de croissance annuel composé : taux de croissance annuel constant qui ferait passer un marché de sa valeur de départ à sa valeur prévue.

Méthodologie et sources

Chaque chiffre de cette page provient de l’organisation qui l’a produit : instituts de sondage (Edison Research, Pew Research Center, BrightLocal, Adobe), agences statistiques et organismes de réglementation (Eurostat, BLS, FTC), articles de recherche évalués par des pairs ou prépubliés, documents et salles de presse d’entreprises, ainsi que sociétés d’études de marché identifiées comme telles. Aucun chiffre ne provient d’un autre recueil de statistiques. Chaque lien a été consulté le 2 oct. 2026 et le chiffre a été vérifié sur la page ou dans le rapport téléchargé. Les estimations du marché divergent ; chacune est donc attribuée à la société qui l’a produite et présentée séparément, sans moyenne. Les études de 2017 à 2022 sont incluses lorsqu’aucune étude plus récente ne mesure le même phénomène, et leur année est indiquée dans la phrase. Cette page est révisée et actualisée chaque mois.

Sources

Citer cette page

Chaque chiffre renvoie à l’étude dont il est issu. Vous pouvez le citer en ajoutant un lien vers cette page ou vers la source originale.

WriteVoice. "139 statistiques sur la recherche vocale en novembre 2026." WriteVoice, novembre 2026. https://www.writevoice.io/fr/statistics/voice-search-statistics/
<a href="https://www.writevoice.io/fr/statistics/voice-search-statistics/">Stats recherche vocale</a> (WriteVoice, novembre 2026)
Français