Transcription Huma-Num (Whisper / ShareDocs) & Whispurge en Sociologie : Guide, Limites & Alternative (2026)

En résumé (Réponse directe) :
Depuis 2023, l'infrastructure de recherche publique IR* Huma-Num (CNRS) met à disposition des chercheurs en Sciences Humaines et Sociales (SHS) un service gratuit de transcription automatique basé sur OpenAI Whisper, accessible via ShareDocs (hnTools_watchFolder / SpeechToText / Whisper). Si cet outil a démocratisé la pré-transcription automatique dans les laboratoires de sociologie, il impose une chaîne de traitement éclatée : file d'attente aveugle de 1h à 24h+, sortie brute en sous-titres .srt hachés, hallucinations de Whisper sur les silences, diarisation mono-passe fragile et obligation de réimporter l'audio et le .srt dans un outil tiers comme Whispurge ou Sonal avant de pouvoir travailler sous Word.
Pour éliminer ces frictions et diviser par 2 le temps de rédaction et de réécoute au casque (2h à 3h de vérification par heure d'audio au lieu de 5h à 7h de frappe manuelle à partir de zéro), de nombreuses unités de recherche (UMR CNRS, universités, projets ANR) utilisent Le Scribe Audio : notre architecture multimodale en 2 passes divise par 2,6 le nombre de fautes à corriger par rapport à Whisper (47 révisions contre 123 sur notre benchmark CNRS), intègre un lecteur interactif synchronisé par prise de parole et exporte directement un fichier Word (.docx) 100 % modifiable, dès 1,50 € HT / heure (éligible aux bons de commande SIFAC / Geslab / Chorus Pro).

---

Vidéo (2 min 00) : Retranscrire ses Entretiens de Recherche en SHS & Benchmark CNRS (Le Scribe Audio vs Whisper)

Découvrez en 2 minutes comment notre architecture en 2 passes traite les entretiens semi-directifs et les focus groups en sciences sociales, pourquoi notre banc d'essai chronométré sur un entretien du CNRS d'1h16 dénombre 47 révisions sur Le Scribe Audio contre 123 sur Whisper + Pyannote (noScribe) et 151 sur Word 365, et comment exporter directement votre corpus en Word (.docx) :

• 📄 Télécharger les preuves PDF du Benchmark CNRS (entretien Canal-U d'1h16 réécouté au casque) : Le Scribe Audio (47 révisions) · Whisper + Pyannote / noScribe v0.8 (123 révisions) · Microsoft Word 365 (151 révisions)

---

1. Comment fonctionne la transcription Whisper sur Huma-Num (ShareDocs) et Whispurge ?

Pour éviter aux chercheurs d'avoir à installer Python, Anaconda et des bibliothèques lourdes sur leur poste de travail (souvent dépourvu de carte graphique GPU puissante), la TGIR / IR* Huma-Num a mis en place un automate de traitement par « dossier surveillé » (Watch Folder) hébergé au centre de calcul de l'IN2P3 du CNRS.

Les 4 étapes du parcours Huma-Num + Whispurge :

1. Authentification HumanID et ouverture de ShareDocs : Le chercheur (statutaire ou doctorant rattaché à un laboratoire SHS reconnu) doit disposer d'un compte HumanID validé et demander l'accès au service de stockage ShareDocs. Lors de la toute première connexion, le dossier de traitement n'existe pas encore : il faut attendre 20 à 30 minutes puis se reconnecter pour voir apparaître le répertoire hnTools_watchFolder.
2. Dépôt du fichier dans l'arborescence SpeechToText : L'utilisateur navigue dans hnTools_watchFolder / SpeechToText / Whisper / puis choisit un sous-dossier correspondant à la taille du modèle souhaité (small, medium, large) ou à l'option de séparation des locuteurs (with_speaker, qui combine Whisper et la brique open source Pyannote), ainsi que le sous-dossier de langue, avant d'y glisser son fichier .mp3 ou .wav.
3. Attente en file d'attente (1h à 24h+) et récupération des fichiers bruts : Une fois le fichier déposé, aucun indicateur visuel ne permet de suivre la progression. Le fichier entre dans la file d'attente nationale partagée par tous les chercheurs sur les cartes GPU d'Huma-Num. Lorsque le calcul aboutit, un e-mail automatique prévient l'utilisateur qu'il peut télécharger ses fichiers de sortie (.txt, .srt, .vtt, .tsv, .json). Attention : tout fichier laissé dans le watchFolder est automatiquement détruit au bout de 21 jours.
4. Réimportation manuelle dans Whispurge ou Sonal pour la correction : Comme Huma-Num ne propose pas d'interface d'écoute ni d'éditeur synchronisé en ligne, la communauté sociologique (notamment via le réseau Mate-SHS) utilise souvent l'application web locale Whispurge (développée par le sociologue Alex Alber, créateur de Sonal). Le chercheur doit alors charger manuellement son fichier audio d'un côté et le fichier .srt ou .json d'Huma-Num de l'autre pour réécouter l'entretien, fusionner les segments coupés, renommer les codes SPEAKER_00 / SPEAKER_01 et corriger le texte avant de l'exporter.

---

2. Les 6 limites de Whisper sur Huma-Num face aux réalités du terrain sociologique

Si le service SpeechToText d'Huma-Num rend un grand service pour découvrir la reconnaissance vocale sans frais, les sociologues, politistes, anthropologues et ingénieurs d'études se heurtent régulièrement à 6 goulets d'étranglement méthodologiques et pratiques lorsqu'ils traitent un corpus complet de 15 à 50 entretiens :

1. Une chaîne de travail morcelée en 4 outils au lieu d'un environnement unifié

Jongler entre l'arborescence ShareDocs, les notifications par e-mail, le téléchargement d'archives contenant des .srt et .json, le réimport manuel couplé à l'audio dans Whispurge, puis l'export final vers Word ou un CAQDAS multiplie les manipulations de fichiers et les risques d'erreurs de versions sur un corpus de 20 ou 30 entretiens.

2. Une file d'attente aveugle (1h à 24h+) et des échecs silencieux

En période de forte affluence académique (bouclages de mémoires de Master au printemps, dépôts de thèses à l'automne, livrables ANR), la file d'attente sur les serveurs mutualisés s'allonge de plusieurs heures à plus d'une journée. Plus frustrant encore : aucun indicateur d'avancement n'est affiché dans ShareDocs. Si l'enregistrement issu d'un smartphone ou d'un dictaphone comporte un codec audio mal reconnu par ffmpeg ou dépasse une certaine durée, le traitement échoue silencieusement sans message d'erreur explicite.

3. Les « hallucinations » de Whisper et le hachage en sous-titres (.srt)

Le modèle open source OpenAI Whisper présente un défaut structurel bien documenté en sciences sociales :

• Boucles d'hallucinations sur les silences et bruits de terrain : Lorsqu'un entretien comporte de longs silences de réflexion, un bruit de tasse dans un café, un soupir ou un passage à voix basse, Whisper décroche fréquemment en répétant 20 ou 30 fois la même phrase en boucle, ou en insérant des phrases fantômes issues de son entraînement sur des sous-titres YouTube (« Sous-titres réalisés par la communauté d'Amara.org », « Merci d'avoir regardé cette vidéo »).
• Texte saucissonné toutes les 3 à 5 secondes : Conçu à l'origine pour le sous-titrage vidéo (.srt), Whisper découpe la parole en micro-segments temporels au lieu de restituer de véritables paragraphes argumentatifs correspondant aux tours de parole complets de l'enquêté.

4. Une diarisation mono-passe (with_speaker / Pyannote) vite débordée

En sociologie, la distinction rigoureuse entre les relances de l'Enquêteur et le discours de l'Enquêté (ou entre plusieurs participants lors d'un entretien collectif, d'un entretien conjugal ou d'un focus group) est cruciale. Or, l'option with_speaker sur Huma-Num (basée sur un couplage mono-passe Whisper + Pyannote) :

• Crée souvent des locuteurs fantômes (SPEAKER_00, SPEAKER_01, SPEAKER_02, SPEAKER_03 alors qu'il n'y a que deux personnes autour de la table) dès qu'un interlocuteur change d'intonation ou rit ;
• Attribue fréquemment la fin de la question du sociologue au début de la réponse de l'enquêté (M. Martin ou Mme Dubois).

5. L'absence de choix entre Mode Mot à mot (Verbatim strict) et Mode Texte lissé (IRaMuTeQ)

Whisper applique un lissage automatique aléatoire : tantôt il conserve des « euh » et des faux départs, tantôt il les gomme sans règle constante, et il commet régulièrement des fautes d'accord grammatical. Or, un chercheur a besoin d'un contrôle méthodologique clair :

• Soit un Mode Mot à mot (verbatim strict) conservant chaque hésitation et répétition pour l'analyse conversationnelle ou sociolinguistique ;
• Soit un Mode Texte lissé (100 % intégral) normalisant l'orthographe et les accords tout en conservant l'intégralité des propos, indispensable pour éviter la dispersion lexicale lors d'une analyse textuelle sous IRaMuTeQ ou Alceste.

6. L'exclusion des étudiants de Master, vacataires et chercheurs sans HumanID

L'accès au watchFolder de ShareDocs est strictement verrouillé par HumanID. En pratique, les étudiants de Master 1 et Master 2 en sociologie, les enquêteurs vacataires, les jeunes chercheurs entre deux contrats, les praticiens hospitaliers (CHU) ou les chargés d'études de collectivités et bureaux d'études en sciences sociales n'ont souvent pas les droits nécessaires pour activer le service.

---

3. Tableau Comparatif : Huma-Num (Whisper + Whispurge) vs noScribe vs Le Scribe Audio

---

4. Pourquoi les laboratoires CNRS et Universités associent Le Scribe Audio et Huma-Num

Loin d'opposer les outils, de nombreuses équipes de recherche en sociologie, science politique et sciences de gestion utilisent aujourd'hui Le Scribe Audio pour la phase de production et de vérification du corpus, puis Huma-Num (Nakala / Cocoon / Recherche Data Gouv) pour l'archivage pérenne Science Ouverte :

1. Diviser par 2 le temps de relecture humaine au casque (2h à 3h pour 1h d'audio)

En recherche qualitative, la réécoute intégrale au casque reste une étape scientifique indispensable pour vérifier le sens, noter les intonations et pseudonymiser les noms propres cités à l'intérieur des phrases.

• Là où la frappe manuelle à partir de zéro exige 5 à 7 heures de travail au casque pour 1 heure d'entretien, et où la correction d'un fichier .srt issu de Whisper demande encore un lourd travail de nettoyage des erreurs d'homophonie et de recollage des tours de parole ;
• La pré-transcription en 2 passes de Le Scribe Audio vous livre directement un texte structuré par prise de parole complète avec 2,6 fois moins de fautes que Whisper, ramenant votre réécoute intégrale avec corrections et mise en forme finale à 2 à 3 heures de travail par heure d'audio (soit un temps de rédaction divisé par 2).

2. Codage de la diarisation et exports directs vers Sonal, IRaMuTeQ, NVivo et MAXQDA

Depuis le lecteur interactif de Le Scribe Audio :

• Vous renommez globalement chaque intervenant (diarisation) par un code anonymisé (ex. remplacer Intervenant 1 par Enquêteur et Intervenant 2 par Enquêté P1 ou M. Martin) sur l'ensemble de l'entretien en un clic ;
• Vous exportez en Word (.docx) 100 % modifiable (avec option de numérotation continue des lignes pour vos annexes de thèse et l'import dans NVivo ou MAXQDA) ou en texte brut (.txt UTF-8) / .srt directement exploitable dans Sonal, IRaMuTeQ ou ATLAS.ti.

3. Conformité RGPD, Plan de Gestion de Données (PGD / DMP) et Archivage Huma-Num (Nakala)

Notre infrastructure répond avec une transparence absolue aux exigences des Délégués à la Protection des Données (DPO) universitaires et des Comités d'Éthique de la Recherche (CER) :

• Stockage des fichiers en France chez OVHcloud (AES-256) ;
• Inférence via Google Cloud Vertex AI (en région Europe) sans conservation ni entraînement sur vos données (Zero Data Retention) ;
• Suppression immédiate en 1 clic : dès que votre entretien est relu, pseudonymisé et exporté pour être déposé sur votre espace sécurisé ou sur l'entrepôt national Nakala (Huma-Num) / Recherche Data Gouv, vous supprimez définitivement l'audio et le texte de nos serveurs en un clic.

4. Un coût dérisoire pour un laboratoire, payable sur Bon de Commande (SIFAC, Geslab, Chorus Pro)

Alors qu'une prestation de frappe humaine externe coûtait autrefois entre 75 € et 150 € par heure d'entretien (soit plus de 3 000 € pour un corpus de 30 heures), un Pack de 50 heures IA en 2 passes sur Le Scribe Audio ne coûte que 125 € HT au total (2,50 € HT / heure), avec des crédits valables à vie sans aucune date d'expiration partageables entre tous les chercheurs, doctorants et stagiaires de Master d'une même UMR.

• Éditez votre devis officiel PDF Chorus Pro / SIFAC en 10 secondes sur /devis-chorus-pro ;
• Vos crédits sont activés immédiatement dès réception du bon de commande signé, sans attendre le virement administratif.

---

Modèle Word (.docx) Gratuit : Retranscription d'Entretien de Recherche (SHS)

Téléchargez gratuitement notre gabarit Word standard 100 % modifiable conçu pour les entretiens sociologiques et qualitatifs (cartouche de métadonnées anonymisées, séparation Enquêteur / Enquêté, conventions de transcription) :

---

Questions Fréquentes (FAQ — Huma-Num, Whisper, Whispurge & Sociologie)

Pourquoi mon fichier audio déposé dans hnTools_watchFolder / SpeechToText / Whisper sur ShareDocs ne renvoie-t-il aucun résultat ?

Sur ShareDocs (Huma-Num), le traitement s'exécute en file d'attente sur des serveurs GPU mutualisés sans retour visuel. Un délai de 1h à 24h est courant en période d'affluence. Si aucun e-mail n'arrive après 24h, cela provient généralement d'un codec audio non supporté par ffmpeg (certains fichiers .m4a ou .aac de smartphones), d'un nom de fichier comportant des caractères spéciaux, ou d'un fichier trop volumineux ayant déclenché un timeout. Sur Le Scribe Audio, tous les formats audio et vidéo (.mp3, .m4a, .wav, .mp4, .opus jusqu'à 10h et 10 Go) sont acceptés nativement avec une barre de progression en temps réel et un résultat en quelques minutes.

Puis-je utiliser Le Scribe Audio avec les logiciels Sonal ou Whispurge ?

Oui, tout à fait. Si vous avez l'habitude d'analyser vos corpus dans Sonal, vous pouvez exporter vos transcriptions depuis Le Scribe Audio au format .txt, .docx ou .srt horodaté après avoir profité de notre diarisation en 2 passes et de notre lecteur interactif intégré (qui vous évite d'avoir à passer par l'étape intermédiaire de nettoyage dans Whispurge).

Quelle formule mentionner dans le chapitre méthodologique de ma thèse ou dans mon PGD ANR ?

Vous pouvez indiquer en toute transparence : « Les enregistrements d'entretiens ont fait l'objet d'une pré-transcription automatique en deux passes via la plateforme Le Scribe Audio (stockage des fichiers en France chez OVHcloud chiffré en AES-256, inférence via Google Cloud Vertex AI en région Europe sans conservation ni entraînement sur les données — Zero Data Retention, puis suppression définitive après export). Chaque entretien a ensuite fait l'objet d'une réécoute intégrale au casque par le chercheur afin de vérifier l'exactitude du verbatim et de pseudonymiser les données identifiantes avant archivage sur Huma-Num. »

Un étudiant de Master 1 ou Master 2 sans compte HumanID peut-il utiliser Le Scribe Audio gratuitement ?

Oui. Dès l'inscription avec une simple adresse e-mail (universitaire ou personnelle), 60 minutes de transcription en 2 passes sont offertes gratuitement et sans carte bancaire, ce qui permet de retranscrire immédiatement un premier entretien de terrain complet et de tester le lecteur interactif ainsi que l'export Word (.docx).

---

Guides Méthodologiques et Ressources Associées

• Transcription d'Entretiens pour Laboratoires CNRS, Universités & ANR (Chorus Pro / SIFAC) — Packs d'heures valables à vie sur bon de commande et partage multi-chercheurs.
• Préparer et Transcrire un Corpus Audio pour IRaMuTeQ, ATLAS.ti & Alceste — Formatage des lignes étoilées **** *loc_ et normalisation orthographique.
• Protocole d'Enquête Qualitative de Terrain, Codage CAQDAS & Science Ouverte — Du terrain sociologique à l'archivage Nakala / Recherche Data Gouv.
• Guide de l'Entretien Semi-Directif en Sciences Humaines (Grille, Relances & Jefferson) — Conventions académiques et niveaux de verbatim.
• Benchmark 2026 : Whisper vs Speechmatics vs Le Scribe Audio sur 3 entretiens CNRS — Détail des mesures de révisions et preuves PDF.
• Transcription pour Mémoires de Master et Thèses de Doctorat — Tarifs étudiants et normes APA 7.