MAI-Transcribe-2 est le modèle de reconnaissance vocale de Microsoft AI, qui convertit l'audio en texte dans 60 langues, français compris. Lancé le 3 septembre 2026 en préversion publique, il se facture 0,10 $ l'heure d'audio (environ 0,09 €), un tarif de lancement valable jusqu'à fin 2026. À sa sortie, il a pris la tête du classement multilingue FLEURS. Une précision utile, il s'agit d'une API pour développeurs, pas d'une application à télécharger.
MAI-Transcribe-2 sépare les personnes qui parlent dans un enregistrement, attribue chaque phrase à la bonne voix et pose un repère temporel sur chaque mot. Vous chargez l'audio d'un comité de pilotage à quatre voix, vous récupérez un texte étiqueté, prêt pour la recherche, la citation ou le sous-titrage.
La détection de langue est automatique et le modèle suit les conversations qui basculent d'une langue à l'autre en pleine phrase (le hinglish, mélange de hindi et d'anglais, figure dans les démonstrations de Microsoft). L'éditeur le présente aussi comme la couche d'écoute des agents vocaux, en tandem avec son modèle de synthèse MAI-Voice-2 Flash.
Sur le banc d'essai multilingue FLEURS, MAI-Transcribe-2 a décroché la première place à son lancement avec un taux d'erreur moyen de 5,2 % sur 60 langues, devant Whisper-Large-V3, GPT-Transcribe d'OpenAI, Scribe v2 d'ElevenLabs et Gemini 3.5 Transcribe de Google. Le testeur indépendant Artificial Analysis l'a aussi mesuré jusqu'à dix fois plus rapide que ses rivaux sur l'audio long.
Trois versions en cinq mois, voilà le rythme de cette gamme. Microsoft bâtit sa propre pile de reconnaissance vocale en interne et réduit pas à pas sa dépendance aux modèles d'OpenAI.
| Version | Sortie | Langues | Points marquants |
|---|---|---|---|
| MAI-Transcribe-1 | avril 2026 | 25 | lancement à 0,36 $ l'heure |
| MAI-Transcribe-1.5 | juin 2026 | 43 | keyword biasing, vitesse accrue |
| MAI-Transcribe-2 | septembre 2026 | 60 | diarisation, horodatage, styles de sortie |
MAI-Transcribe-2 revient à 0,10 $ par heure d'audio (environ 0,09 €), un montant promotionnel valable jusqu'au 31 décembre 2026. La première génération se facturait 0,36 $, la baisse atteint donc 72 %. À titre de repère, Artificial Analysis situe Scribe v2 autour de 0,22 $ l'heure, GPT-Transcribe vers 0,27 $ et Gemini 3.5 Transcribe vers 0,30 $.
L'accès passe par Microsoft Foundry avec un compte Azure (gratuit à créer, on vous rassure), par le MAI Playground pour des essais sans code, ou par OpenRouter. Pas d'interface en français pour l'instant, mais le modèle transcrit très bien notre langue. Le tarif définitif de janvier n'étant pas annoncé, vérifiez la page officielle avant de budgéter l'année prochaine.
Non, le modèle se facture 0,10 $ par heure d'audio (environ 0,09 €), un tarif promotionnel valable jusqu'à fin 2026. La création d'un compte Azure ne coûte rien et le MAI Playground permet de tester le modèle sans écrire de code. Microsoft n'a pas encore communiqué le prix standard qui suivra.
Whisper reste la référence open source à héberger soi-même, pratique quand l'audio doit rester sur vos machines. Sur le classement FLEURS, MAI-Transcribe-2 affiche un taux d'erreur plus bas que Whisper-Large-V3 et intègre d'origine la diarisation et l'horodatage, des fonctions que Whisper ne fournit pas seul.
Microsoft le classe en préversion publique, sans garantie de service, et déconseille officiellement les charges de production pour le moment. Détail à connaître, MAI-Transcribe-1 a été retiré cinq mois après sa sortie, prévoyez donc des fenêtres de migration si vous construisez sur cette gamme.
WAV, MP3 et FLAC, dans la limite de 300 Mo ou deux heures par fichier. Les repères temporels au mot et les étiquettes de locuteurs s'activent par paramètres d'API, et la diarisation en mode enrichi accepte des enregistrements plus courts que la transcription simple.
Verdict : Pas d'application clé en main ici, une API à brancher. Développeurs et équipes data qui traitent l'audio multilingue au kilomètre y gagneront des transcriptions étiquetées pour deux à trois fois moins cher que chez les rivaux, le MAI Playground rendant le premier essai indolore.
