Le besoin est précis : après une réunion de 60 minutes, les participants veulent des conclusions, des tâches et des responsables, pas une transcription mot à mot. L'intérêt d'une API de comptes rendus par IA est de transformer un enregistrement en un compte rendu structuré, consultable, assignable et traçable. En production, la difficulté vient rarement du modèle : elle vient de la qualité de transcription, du découpage des longues réunions, des limites de la séparation des locuteurs et du contrôle d'accès aux contenus.

Cet article propose un plan d'entreprise exécutable : architecture, choix des modèles, prompt, permissions, coûts et tests.

Remarque : les interfaces de reconnaissance vocale et de modèles de langage varient selon les fournisseurs ; l'article prend l'exemple courant d'une « API de transcription + interface de dialogue compatible OpenAI ». Modèles et prix sont sur la page Tarifs des modèles.

1. Architecture d'ensemble

Une chaîne complète de comptes rendus comporte cinq segments :

Enregistrement / flux de réunion
  → stockage objet (chiffrement, cycle de vie)
  → transcription ASR (horodatage, séparation des locuteurs)
  → nettoyage et segmentation du texte
  → résumé LLM (JSON structuré)
  → base de comptes rendus (permissions, recherche, export)

Points d'ingénierie :

  1. Stocker séparément l'audio d'origine et le texte transcrit, avec des durées de conservation différentes.
  2. Conserver les horodatages dans la transcription, pour que chaque conclusion renvoie à la phrase d'origine.
  3. Exécuter le résumé en asynchrone et afficher « transcription en cours / résumé en cours » côté interface.
  4. Rendre les tentatives idempotentes, pour éviter double facturation et double écriture.

2. La couche de transcription : bien choisir l'ASR

Deux catégories de transcription pour les réunions :

Type Cas d'usage Avantages Limites
Transcription en temps réel Réunions en ligne, direct, sous-titres Faible latence, suivi pendant la réunion Ponctuation et locuteurs parfois instables
Transcription de fichiers Réunions physiques, entretiens, débriefs Meilleure précision et segmentation Nécessite d'attendre, adapté à l'asynchrone

Critères de choix :

  • Performances sur le français et les accents.
  • Retour des horodatages, de la ponctuation et du format des nombres.
  • Prise en charge de la séparation des locuteurs (diarisation).
  • Limites de durée, format et fréquence d'échantillonnage par fichier.
  • Vocabulaire personnalisé (noms de personnes, produits, acronymes).
  • Conservation des données et conformité géographique.

Si la réunion contient beaucoup de termes spécialisés, un lexique personnalisé est souvent plus efficace qu'un changement de modèle. Une liste des sociétés, noms de projets et produits réduit nettement les homophones mal transcrits dans le résumé.

3. Choix des modèles : séparer transcription et résumé

Ne confiez pas transcription et résumé au même modèle. Répartition raisonnable :

  • L'ASR « entend » : taux d'erreur de caractères, horodatages, locuteurs.
  • Un petit modèle nettoie, segmente et retire les hésitations.
  • Un modèle fort produit le résumé final, extrait les actions et repère les contradictions.

Une réunion de deux heures peut représenter 20 000 à 30 000 caractères. Envoyer tout le texte à un modèle fort coûte cher et allonge la latence. L'approche courante : segmenter par sujet et compresser avec un petit modèle, puis faire la synthèse avec le modèle fort. Disponibilité, longueur de contexte et prix sont sur la page Tarifs des modèles.

4. Découper les longues réunions

L'objectif n'est pas de découper uniformément, mais de ne pas couper le sens. Procédez ainsi :

  1. Découper d'abord par ordre du jour ou chapitre.
  2. Sans ordre du jour, découper selon les silences et les changements de sujet.
  3. Viser 8–15 minutes par segment, avec un léger recouvrement.
  4. Résumer chaque segment, puis fusionner en compte rendu global.
  5. Dédupliquer à la fusion, en conservant désaccords et points ouverts.

Le map-reduce « résumés de segments + synthèse globale » est plus maîtrisable qu'un unique long contexte et permet de localiser l'erreur. Conservez à la fusion le rôle et la plage horaire de chaque segment, sinon les attributions se mélangent.

5. Les limites réelles de la séparation des locuteurs

La séparation indique « qui parle », pas l'identité. Limites pratiques :

  • Les interruptions et chevauchements fusionnent ou attribuent mal les voix.
  • Les micros lointains et la réverbération dégradent le résultat.
  • Plus il y a de participants, plus le taux d'erreur augmente.
  • Une même personne peut avoir un timbre différent selon l'appareil ou la réunion.
  • Le lien avec l'annuaire réel de l'entreprise n'est pas automatique.

Prévoyez donc une correction manuelle : permettre de renommer « Locuteur 1 » pour cette réunion, sans écrire silencieusement dans une base d'identités globale. En communication, parlez de « séparation des locuteurs », pas de « reconnaissance automatique des participants ».

6. Prompt et structure de sortie

Le prompt de résumé doit imposer une structure et exiger des références au texte. Exemple :

Tu es un assistant de comptes rendus. À partir de la transcription horodatée, produis un JSON :
{
  "title": "Sujet de la réunion",
  "summary": "Conclusions en 200 caractères maximum",
  "decisions": [{"content": "", "time": ""}],
  "action_items": [{"task": "", "owner": "", "due": "", "time": ""}],
  "risks": [{"content": "", "time": ""}],
  "open_questions": [{"content": "", "time": ""}]
}
Règles :
1. Utilise uniquement la transcription, sans ajouter de faits externes.
2. Si le responsable ou l'échéance est indéterminé, mets null et note « à confirmer ».
3. Ajoute si possible un horodatage à chaque conclusion.
4. Distingue « décidé » et « à discuter », sans les confondre.

Ajoutez une validation JSON Schema : en cas de champ manquant ou de mauvais type, relancez une fois, puis dégradez en résumé texte avec relecture humaine.

7. Permissions et confidentialité

Les réunions contiennent souvent des informations sensibles : RH, contrats, acquisitions. Les permissions doivent être appliquées côté serveur, pas laissées au modèle.

  • Accès par participant : seuls les présents et les personnes disposant d'un droit d'accès voient le compte rendu.
  • Isolation par tenant : index, stockage objet et cache portent l'identifiant du tenant.
  • Moindre privilège : le service de résumé ne lit que la réunion courante, sans recherche transversale.
  • Chiffrement : en transit et au repos, avec gestion distincte des clés.
  • Conservation : durées distinctes pour audio, transcription et résumé, avec suppression à échéance.
  • Audit : journaliser qui consulte, exporte ou partage, et quand.
  • Réunions sensibles : permettre à l'administrateur d'interdire le traitement IA ou d'imposer un traitement local.
  • Conditions du fournisseur : vérifier si audio et texte servent à l'entraînement et combien de temps ils sont conservés.

Avec un modèle tiers, informez les participants avant la réunion du traitement et prévoyez un mécanisme de retrait. C'est une exigence de conformité et une condition d'adoption interne.

8. Estimer les coûts

Le coût se compose de trois parties :

Coût par réunion =
  durée audio × prix de transcription
+ tokens d'entrée × prix d'entrée
+ tokens de sortie × prix de sortie
+ tentatives et stockage

Leviers courants :

  1. N'activer que pour les réunions nécessitant un compte rendu, sans enregistrement systématique.
  2. Transcrire d'abord, résumer ensuite ; un échec de résumé ne doit pas relancer la transcription.
  3. Petit modèle pour les résumés de segments, modèle fort pour la synthèse finale.
  4. Modéliser les réunions récurrentes pour réduire prompt et contexte.
  5. Fixer des plafonds par réunion et par mois, avec alerte sur les durées anormales.

Les prix exacts sont sur la page Tarifs des modèles ; n'utilisez pas de montant fixe du type « quelques centimes par minute » pour un budget de long terme, car les tarifs des modèles et de la transcription évoluent.

9. Tests et mise en ligne

Préparez 30 à 50 réunions réelles comme jeu d'évaluation, couvrant :

  • en ligne / physique, un seul / plusieurs participants ;
  • audio clair / bruyant, français standard / avec accent ;
  • avec / sans ordre du jour, avec / sans termes spécialisés ;
  • réunion courte / longue, avec / sans chevauchements.

Indicateurs clés :

Indicateur Description
Taux d'erreur de transcription Échantillon corrigé à la main, statistiques par vocabulaire métier
Précision des locuteurs Segmentation correcte et corrigeable manuellement
Rappel des actions Les vraies tâches sont-elles toutes extraites ?
Précision des actions Responsable et échéance correctement associés
Taux d'hallucination Conclusions absentes du texte d'origine

Déployez d'abord sur un service, avec relecture humaine pendant deux semaines, puis élargissez. Une réunion de démonstration réussie ne représente pas la qualité globale.

Questions fréquentes

Une API de comptes rendus peut-elle identifier directement les noms des participants ?

Généralement non. La séparation des locuteurs distingue « voix A / voix B » ; associer un nom réel nécessite l'annuaire de l'entreprise ou une correction manuelle.

Quelle durée de réunion convient au résumé automatique ?

Les réunions de 30 à 90 minutes donnent des résultats assez stables. Au-delà de deux heures, découpez par ordre du jour, sinon des détails se perdent.

Faut-il forcément envoyer l'audio dans le cloud ?

Cela dépend des exigences de conformité. Pour les réunions sensibles, envisagez un déploiement local ou une transcription privée ; en cloud, vérifiez les clauses de conservation et d'entraînement.

Que faire si le résumé contient une erreur ?

Conservez les liens vers les horodatages, prévoyez l'édition manuelle et journalisez les modifications. Ajoutez une confirmation des actions avant écriture dans le système de tâches.

Les dialectes et langues étrangères sont-ils pris en charge ?

Cela dépend du modèle ASR. Pour une réunion franco-anglaise, testez d'abord les accents et termes réels avant de décider du déploiement.

Pour aller plus loin

Si votre équipe déploie des comptes rendus, faites d'abord un POC sur une vraie chaîne de réunion : transcription, segmentation, résumé, permissions et export, puis évaluez le coût. Pour une entrée de modèles et une gestion d'usage unifiées, vous pouvez créer un compte ZSQH AI Gateway ; modèles et prix sont sur la page Tarifs des modèles.

Lectures associées :