J'ai un dossier sur mon disque qui s'appelle « Réunions ». Il contient des dizaines de fichiers audio : des comptes-rendus d'entretiens, des notes vocales dictées entre deux rendez-vous, des enregistrements de visioconférences que je me suis promis de réécouter un jour. Ce jour n'arrive jamais. Réécouter prend le même temps que l'enregistrement original, et un fichier baptisé REC_20260812_143301.m4a ne raconte strictement rien sur son contenu. Résultat : ces fichiers dorment jusqu'au moment où j'ai besoin d'un détail précis évoqué en passant, trois semaines plus tôt, pendant une réunion d'une heure.
Le projet Speakr s'attaque directement à ce problème. Je m'y suis penché d'assez près pour vous expliquer comment il fonctionne concrètement, ce qu'il envoie réellement à l'extérieur une fois installé, et ce qui a changé depuis sa sortie.
Le principe : transformer l'audio en texte qu'on peut vraiment utiliser
Le fonctionnement de base est simple. On dépose ses fichiers audio dans Speakr, ou on enregistre directement depuis le navigateur en captant le micro, le son du système, ou les deux mélangés, ce qui est pratique pour garder la voix des autres participants d'une visioconférence sans jongler avec un logiciel tiers. En sortie, on récupère un texte en clair, cherchable, découpé par intervenant, accompagné d'un résumé et d'une liste d'actions à retenir.
Un détail que j'apprécie particulièrement : cliquer sur une ligne du texte transcrit relance la lecture audio à cet instant précis. On peut donc vérifier en quelques secondes si le résumé a bien interprété ce qui a été dit, sans chercher à l'oreille pendant cinq minutes.
Inquire : poser une question à toute sa bibliothèque d'un coup
C'est la fonctionnalité qui m'a le plus surpris. Plutôt que d'ouvrir chaque enregistrement un par un pour retrouver une information, Inquire permet de poser une question directement à l'ensemble de sa bibliothèque, du genre « qu'est-ce qu'on avait décidé sur le tarif, et qui n'était pas d'accord ? ».
Un mode agent, encore en bêta, va plus loin : il lit les enregistrements concernés un par un avant de répondre, et fournit des liens numérotés qui ouvrent chaque extrait cité à la seconde exacte. Chaque utilisateur décide si ses résumés et ses notes privées peuvent être consultés par cet agent, ce qui laisse un minimum de contrôle sur ce qui circule d'un compte à l'autre.
Auto-hébergé ne veut pas dire que tout reste chez vous
Dans la configuration par défaut, deux flux sortent de votre serveur. L'audio est envoyé à un service tiers pour la transcription (une clé OpenAI dans l'exemple fourni par le projet), et le texte de la transcription est envoyé à un autre service pour générer les résumés, les titres et les réponses du chat (OpenAI ou OpenRouter). Votre serveur, lui, ne stocke que les fichiers.
C'est le point sur lequel je voulais être clair avant d'aller plus loin. Speakr se présente comme une solution auto-hébergée, donc privée, et c'est vrai pour le stockage. Mais tant qu'on n'a rien changé à la configuration de base, deux morceaux de la chaîne passent par un tiers. Si la confidentialité est votre priorité, mieux vaut le savoir avant d'importer six mois d'entretiens que par la suite.
Passer en local avec Ollama, et ce que ça coûte
Pour que rien ne sorte de la machine, il faut brancher Ollama à la place d'OpenAI et d'OpenRouter pour la partie résumé et chat. Ça se fait sans difficulté particulière. La partie transcription, en revanche, se paie plus cher : il faut une carte graphique correcte et un modèle Whisper de taille conséquente pour obtenir une qualité comparable, comme l'explique le guide d'installation. Sans carte graphique, l'application tourne quand même, mais la transcription devient nettement plus lente, ce qui peut poser problème si vous accumulez plusieurs heures d'enregistrement par semaine.
Ce qui a changé depuis la sortie du projet
Speakr a pas mal évolué depuis sa première version, et plusieurs changements récents méritent d'être détaillés si vous hésitez encore à l'installer.
Côté sécurité, la dernière version stable (v0.10.2-alpha) corrige trois failles signalées par la communauté : une injection XSS stockée via la couleur des étiquettes, une faille SSRF sur les webhooks exploitable par DNS rebinding, et une prise de contrôle de compte via SSO liée à une adresse email non vérifiée. Le projet est passé à Flask 3.1 et Werkzeug 3.1 à cette occasion, ce qui referme au passage deux failles de déni de service côté Werkzeug.
Côté connecteurs de transcription, l'offre s'est élargie. Au-delà d'OpenAI et d'Ollama, Speakr sait maintenant parler à Mistral (modèle Voxtral, en cloud), à AssemblyAI (cloud, pensé pour les longues réunions à plusieurs voix, avec des crédits gratuits à l'inscription) et à VibeVoice, un moteur auto-hébergé qui tourne via vLLM sur votre propre serveur GPU. Un connecteur fait toutefois exception : il passe par un service tiers appelé MOSI, qui envoie l'audio à l'extérieur même si le reste de votre installation est locale. À garder à l'œil si l'auto-hébergement complet est votre objectif.
Côté stockage, les enregistrements peuvent désormais être conservés sur un espace compatible S3 (AWS S3, MinIO, Backblaze B2, Cloudflare R2, Wasabi) plutôt que sur le disque local, ou en complément. Le stockage local reste la valeur par défaut, donc les installations existantes ne sont pas affectées si vous ne touchez à rien.
Côté image Docker, une version allégée (environ 725 Mo contre 4,4 Go pour l'image complète) fait l'impasse sur PyTorch. Toutes les fonctions marchent normalement, sauf la recherche sémantique d'Inquire, qui repasse alors sur une recherche texte classique, un peu moins fine sur les questions formulées de façon indirecte.
L'infrastructure nécessaire côté serveur
Pour le reste, c'est un déploiement Docker classique, avec SQLite ou PostgreSQL selon la taille de votre installation, et environ 2 Go de RAM annoncés pour l'application seule, sans compter la transcription locale qui demande davantage de ressources. On retrouve tout ce qu'on attend d'un outil pensé pour une équipe : gestion de comptes, authentification unique via n'importe quel fournisseur OIDC (Keycloak, Azure AD, Google, Auth0, Pocket ID), partage de contenu entre utilisateurs, API complète avec documentation Swagger, et webhooks signés pour brancher des automatisations dans n8n, Zapier ou Make.
La licence
Speakr est distribué sous licence AGPLv3, doublée d'une licence commerciale pour les organisations qui ne souhaitent pas s'y soumettre, typiquement celles qui veulent redistribuer une version modifiée sans en publier le code source.
Speakr face à Scriberr et Meetily
Sur ce créneau des outils de transcription auto-hébergés, deux autres projets reviennent souvent dans les discussions.
| Critère | Speakr | Scriberr | Meetily |
|---|---|---|---|
| Cible | Serveur d'équipe | Serveur ou poste personnel | Poste de travail individuel |
| Traitement par défaut | API cloud (transcription et résumé) | 100 % local | 100 % local |
| Bascule vers du local complet | Oui, via Ollama et WhisperX/VibeVoice | Natif, dès l'installation | Natif, dès l'installation |
| Diarisation (séparation des voix) | Oui, y compris en local | Oui, via pyannote | Réservée à l'offre payante |
| Licence | AGPLv3 + licence commerciale | MIT | MIT (offre Pro payante à part) |
| État du développement | Actif | En pause, non abandonné | Actif |
| Comparatif établi début septembre 2026, susceptible d'évoluer avec les prochaines versions. | |||
Scriberr reste l'option la plus radicale question confidentialité : tout tourne en local, sans jamais rien envoyer dehors par défaut. Son développement est cependant en pause depuis que son créateur a été touché par une vague de licenciements chez eBay. Le projet n'est pas abandonné selon ses propres mots, mais les mises à jour se sont arrêtées le temps qu'il retrouve une situation stable.
Meetily prend une direction différente : c'est une application de poste de travail, pensée pour macOS et Windows plutôt que pour un serveur d'équipe. La diarisation, c'est-à-dire la séparation automatique des voix, reste réservée à son offre payante, la version gratuite se contentant d'une transcription sans distinction entre les intervenants.
Foire aux questions
- Speakr est-il gratuit ?
- Oui, le code est open source sous licence AGPLv3. Vous payez uniquement les services tiers que vous choisissez d'utiliser, comme une API de transcription cloud, ou le matériel si vous optez pour un traitement entièrement local.
- Mes enregistrements restent-ils privés ?
- Le stockage des fichiers reste sur votre serveur. Dans la configuration par défaut, l'audio et le texte transitent en revanche par des API tierces pour la transcription et les résumés. Pour une confidentialité complète, il faut basculer sur Ollama et un moteur de transcription auto-hébergé comme WhisperX ou VibeVoice.
- Faut-il une carte graphique pour utiliser Speakr ?
- Pas obligatoirement si vous passez par des API cloud. Une carte graphique devient nécessaire pour transcrire en local avec un modèle Whisper ou WhisperX de bonne qualité, sous peine de temps de traitement très longs.
- Quelle est la différence principale avec Scriberr ou Meetily ?
- Scriberr vise le traitement 100 % local dès l'installation, mais son développement est en pause. Meetily cible le poste de travail individuel plutôt que le serveur d'équipe, et réserve la diarisation à son offre payante. Speakr se positionne entre les deux : pensé pour une équipe, avec un socle par défaut qui passe par des API cloud, mais entièrement débrayable vers du local.
Pourquoi j'ai décidé de lui laisser sa chance
Speakr ne résout pas le problème par magie : il faut quand même configurer ses connecteurs, décider ce qu'on accepte d'envoyer à l'extérieur, et éventuellement investir dans une carte graphique si le tout-local est non négociable pour vous. Mais une fois cette configuration faite, Inquire change vraiment la manière dont j'aborde mes archives audio. Je ne cherche plus un enregistrement au hasard, je pose une question, et la réponse arrive avec la source exacte pour vérifier. Si vous avez, vous aussi, un dossier plein de fichiers jamais réécoutés, ça vaut le coup d'y jeter un œil.