- ▸ SpeechAnalyzer descend à 2,12 % d'erreur, Whisper Small à 3,74 %
- ▸ Trois fois plus rapide que Whisper Small, à précision supérieure
- ▸ En audio bruité, Whisper Small tient à 7,95 %, SpeechAnalyzer à 4,56 %
- ▸ Le remplacement de SFSpeechRecognizer, chiffré par le benchmark
La nouvelle API SpeechAnalyzer d’Apple a été mesurée face aux modèles Whisper et à l’ancien SFSpeechRecognizer, tous exécutés en local. Sur le test propre, l’engine d’Apple affiche 2,12 % d’erreur de mot, devant Whisper Small et loin devant l’API historique. Ce comparatif s’appuie sur un benchmark public publié le 13 juillet 2026, arrêté à cette date — il ne remplace pas votre propre test avant de choisir un moteur.
Ce qu’il faut retenir – SpeechAnalyzer atteint 2,12 % de taux d’erreur de mot (WER) sur audio propre, le meilleur score des moteurs embarqués testés dans ce benchmark. – Le moteur d’Apple tourne environ trois fois plus vite que Whisper Small par seconde d’audio, tout en étant plus précis sur le même fichier. – L’ancien SFSpeechRecognizer plafonne à 9,02 % de WER sur audio propre, soit un taux d’erreur 3,5 à 4 fois supérieur à son remplaçant. – Le choix dépend du besoin : précision maximale embarquée, portabilité multiplateforme, ou compatibilité avec du code existant.
Voici la fiche de synthèse, telle qu’elle ressort du benchmark publié par Inscribe le 13 juillet 2026. Tous les moteurs y ont été exécutés entièrement en local, sur un Apple M2 Pro (32 Go, macOS 26).
| Moteur | WER audio propre (test-clean) | WER audio bruité (test-other) |
|---|---|---|
| Apple SpeechAnalyzer (iOS/macOS 26) | 2,12 % | 4,56 % |
| Whisper Small (WhisperKit CoreML) | 3,74 % | 7,95 % |
| Whisper Base (WhisperKit CoreML) | 5,42 % | 12,51 % |
| Whisper Tiny (WhisperKit CoreML) | 7,88 % | 17,04 % |
| Apple SFSpeechRecognizer (legacy) | 9,02 % | 16,25 % |
Le taux d’erreur de mot (WER) mesure le pourcentage de mots qu’un moteur substitue, invente ou omet par rapport à la transcription de référence. Plus il est bas, mieux c’est. Un point de méthode utile : d’après le benchmark, un moteur qui ne renvoie rien pour une phrase écope de 100 % de WER sur cette phrase. Ce détail explique en partie l’écart de l’ancien moteur d’Apple, sujet aux silences.
SpeechAnalyzer descend à 2,12 % d’erreur, Whisper Small à 3,74 %
Sur le jeu d’audio propre, l’écart entre les deux meilleurs moteurs est net. SpeechAnalyzer affiche 2,12 % de WER, contre 3,74 % pour Whisper Small compilé via WhisperKit CoreML. En clair, le moteur d’Apple commet environ 43 % d’erreurs de mots en moins que la meilleure variante Whisper testée en local, sur exactement le même corpus.
Les variantes plus légères de Whisper décrochent logiquement. Whisper Base tombe à 5,42 % de WER sur audio propre, et Whisper Tiny — un modèle de 40 Mo — à 7,88 %. Chaque cran de taille de modèle coûte plusieurs points de précision.
Le résultat le plus parlant concerne l’ancienne API d’Apple. SFSpeechRecognizer termine dernier sur audio propre, à 9,02 % de WER, derrière Whisper Tiny lui-même. Autrement dit, l’engine historique d’Apple fait moins bien qu’un modèle de 40 Mo sur les enregistrements les plus faciles. C’est un renversement pour une brique intégrée depuis des années à iOS et macOS.
Cet écart n’a rien d’anecdotique pour un développeur d’application de dictée, de sous-titrage ou de prise de notes vocale. Passer de 9 % à 2 % d’erreur, c’est diviser par plus de quatre le nombre de corrections manuelles que l’utilisateur devra faire sur une transcription. Sur un paragraphe de cent mots, cela revient à passer de neuf fautes à deux.
Un point de prudence s’impose. Ces scores proviennent d’un seul benchmark, sur un seul type de matériel, avec des jeux de test standards issus de LibriSpeech (test-clean et test-other). Ils ne préjugent pas des performances sur de l’audio téléphonique, des accents non couverts par ces corpus, ou des environnements très bruités du quotidien. Le classement relatif reste néanmoins cohérent d’un jeu de test à l’autre.
Trois fois plus rapide que Whisper Small, à précision supérieure
L’exactitude ne fait pas tout : la vitesse d’inférence détermine l’expérience réelle, surtout pour de la transcription en direct ou du traitement par lots. Sur ce plan, le benchmark donne un avantage clair à Apple.
D’après les mesures publiées, SpeechAnalyzer traite l’audio environ trois fois plus vite que Whisper Small, par seconde d’audio, tout en le battant sur la précision. La combinaison est rare : les moteurs plus rapides sacrifient souvent la qualité, et inversement. Ici, le moteur d’Apple gagne sur les deux tableaux face à la variante Whisper la plus précise de la comparaison.
Cet avantage tient probablement à l’intégration d’Apple à sa propre puce. SpeechAnalyzer est conçu pour le Neural Engine des puces Apple Silicon, alors que Whisper, même compilé en CoreML via WhisperKit, reste un portage d’un modèle tiers. Le benchmark ne détaille pas la répartition CPU/GPU/Neural Engine, mais l’écart de débit va dans le sens d’une optimisation matérielle native.
Pour une application de sous-titrage temps réel, un facteur trois de vitesse change la faisabilité même du produit. Il conditionne la latence perçue, l’autonomie de la batterie, et la capacité à traiter plusieurs flux en parallèle sur un même appareil. Un développeur qui hésitait à embarquer Whisper Small pour des raisons de performance dispose désormais d’une alternative plus rapide et plus juste, à condition de rester dans l’univers Apple.
En audio bruité, Whisper Small tient à 7,95 %, SpeechAnalyzer à 4,56 %
Le jeu test-other regroupe des enregistrements plus difficiles : bruit de fond, débit rapide, prononciations moins nettes. C’est là que les moteurs se départagent vraiment, parce que la reconnaissance facile ne prouve pas grand-chose.
SpeechAnalyzer y maintient un WER de 4,56 %, ce qui reste sous la barre des 5 %. Whisper Small monte à 7,95 %, presque le double d’erreurs. L’écart relatif de 43 % observé sur l’audio propre se retrouve donc quasi à l’identique en conditions dégradées — le moteur d’Apple ne doit pas son avance à un corpus facile.
Les variantes légères de Whisper souffrent nettement plus dès que l’audio se complique. Whisper Base grimpe à 12,51 % de WER sur test-other, et Whisper Tiny à 17,04 %. Le modèle de 40 Mo perd donc plus d’un mot sur six sur les enregistrements difficiles : utilisable pour une commande vocale courte, risqué pour une transcription longue destinée à être lue.
Le cas de l’ancien SFSpeechRecognizer mérite un regard à part. Il grimpe à 16,25 % de WER sur audio bruité, un niveau proche de Whisper Tiny. L’engine historique d’Apple se comporte donc, sur le difficile comme sur le facile, à hauteur du plus petit modèle Whisper — pas de celui qu’on attendrait d’une API système mise à jour pendant des années.
Ces chiffres rappellent une évidence souvent oubliée : la taille du modèle importe surtout sur l’audio réel. Sur un enregistrement propre, l’écart entre Whisper Tiny et Whisper Small est de quatre points ; sur l’audio bruité, il grimpe à neuf points. C’est en conditions dégradées qu’un moteur performant se rentabilise.
Le remplacement de SFSpeechRecognizer, chiffré par le benchmark
Apple ne cache pas que SpeechAnalyzer vient remplacer SFSpeechRecognizer. Le benchmark quantifie l’ampleur du saut, et il est important pour les développeurs qui maintiennent des applications existantes.
Sur audio propre, le WER passe de 9,02 % à 2,12 % : une division par plus de quatre du taux d’erreur. Sur audio bruité, il chute de 16,25 % à 4,56 %, soit un facteur d’environ 3,5. Le benchmark résume ce gain par une réduction de 3,5 à 4 fois du taux d’erreur de mot sur le même audio. C’est l’un des plus grands écarts jamais mesurés entre deux générations d’une même API de reconnaissance vocale grand public.
Concrètement, une application qui reposait sur SFSpeechRecognizer et migre vers SpeechAnalyzer peut espérer diviser par trois à quatre le volume de corrections que ses utilisateurs subissent. Pour une app de dictée médicale, de transcription de réunions ou de sous-titrage, ce genre d’amélioration justifie à lui seul le coût d’ingénierie de la migration.
Deux réserves tempèrent l’enthousiasme. D’abord, SpeechAnalyzer suppose iOS 26 ou macOS 26 : les appareils plus anciens resteront sur l’ancienne API, et le code devra prévoir un chemin de repli. Ensuite, ce gain est établi sur un unique benchmark, avec des corpus anglophones standards ; le comportement sur d’autres langues, notamment le français, n’est pas couvert par ces mesures et devra être vérifié séparément.
Reste que la direction est sans ambiguïté. Là où SFSpeechRecognizer terminait dernier, derrière un modèle de 40 Mo, son successeur prend la tête du classement embarqué. Pour un développeur Apple, continuer à s’appuyer sur l’ancienne API devient difficile à justifier dès lors que la cible tourne sous iOS 26 ou macOS 26.
Ce qui distingue vraiment les trois options
Au-delà des scores, trois différences structurelles orientent le choix. La portabilité d’abord : Whisper reste multiplateforme et open source, exécutable sous Linux, Windows ou Android, quand SpeechAnalyzer est verrouillé à l’écosystème Apple récent. Un projet cross-plateforme ne peut pas s’appuyer sur le moteur d’Apple pour ses versions non-Apple.
L’intégration matérielle ensuite : l’avance de SpeechAnalyzer en vitesse tient à son optimisation native pour Apple Silicon, un avantage impossible à répliquer pour un moteur tiers. Enfin la compatibilité : les applications déjà bâties sur SFSpeechRecognizer héritent d’un chemin de migration officiel, mais devront gérer deux API pour couvrir le parc d’appareils anciens et récents.
Quel moteur pour quel profil
Trois cas d’usage se dessinent à partir des chiffres du benchmark.
Développeur d’app Apple, priorité à la précision embarquée. SpeechAnalyzer s’impose : 2,12 % de WER sur audio propre, 4,56 % sur audio bruité, et une vitesse trois fois supérieure à Whisper Small. Pour une cible iOS 26 / macOS 26, aucun autre moteur testé ne fait mieux sur les deux critères à la fois. C’est le choix par défaut si l’écosystème est déjà Apple.
Projet multiplateforme ou serveur. Whisper reste la réponse, faute d’alternative aussi portable. Whisper Small offre le meilleur compromis de la gamme, à 3,74 % (propre) et 7,95 % (bruité), utilisable là où SpeechAnalyzer n’existe pas. Les variantes Tiny et Base ne se justifient que sous forte contrainte de mémoire, avec le coût en précision documenté plus haut.
Mainteneur d’une app existante sous SFSpeechRecognizer. La migration vers SpeechAnalyzer se justifie par les données : un taux d’erreur divisé par 3,5 à 4 sur le même audio. À condition de conserver un repli vers l’ancienne API pour les appareils sous iOS ou macOS antérieurs à la version 26.
Questions fréquentes
SpeechAnalyzer fonctionne-t-il sur tous les appareils Apple ?
Le benchmark a été réalisé entièrement en local sur un Apple M2 Pro (32 Go) sous macOS 26. L’API cible iOS 26 et macOS 26 : les appareils sous versions antérieures conservent l’ancien SFSpeechRecognizer. Un développeur doit donc prévoir un chemin de repli pour couvrir le parc plus ancien, selon les données disponibles à ce jour.
Que signifie un taux d’erreur de mot (WER) de 2 % ?
Le WER exprime le pourcentage de mots qu’un moteur substitue, invente ou omet par rapport à la transcription de référence. Un WER de 2,12 % correspond à environ deux mots erronés sur cent. À noter : selon le benchmark, une phrase pour laquelle le moteur ne renvoie rien compte pour 100 % de WER sur cette phrase.
Whisper reste-t-il pertinent face à SpeechAnalyzer ?
Oui, hors écosystème Apple. Whisper est open source et multiplateforme, exécutable sous Linux, Windows ou Android, là où SpeechAnalyzer est réservé aux appareils Apple récents. Whisper Small, à 3,74 % de WER sur audio propre, reste le meilleur compromis de la gamme pour ces environnements.
Pour prolonger, notre dossier sur la reconnaissance vocale embarquée face au cloud détaille les arbitrages de confidentialité, et notre comparatif des modèles Whisper open source revient sur les variantes et leurs coûts mémoire. Les chiffres cités ici proviennent intégralement du benchmark d’Inscribe daté du 13 juillet 2026, à recouper avec vos propres tests avant tout choix technique.
