4 min de lecture

Par la rédaction d’Azure Informatique

Rumble-2-Flash : Reson8 libère un modèle de transcription vocale à exécuter chez soi

Le 18 novembre 2026, la jeune entreprise Reson8, fondée à Amsterdam, a publié Rumble-2-Flash sous la licence libre Apache 2.0. Ce modèle de reconnaissance vocale, c’est-à-dire un programme d’intelligence artificielle (IA) qui convertit la parole en texte, comprend plus de 40 langues et détecte seul celle qui est parlée. Pour une association ou une PME, il ouvre une piste : transcrire des enregistrements sur ses propres machines, sans les confier à un service en ligne.

Le modèle compte 0,5 milliard de paramètres, ces réglages internes appris pendant l’entraînement qui donnent une idée de sa taille. Ses fichiers sont déposés sur Hugging Face, une plateforme de partage de modèles d’IA. Ils fonctionnent directement avec Transformers et vLLM, deux logiciels qui font tourner ces modèles. Nul besoin d’en installer une version modifiée, ni d’autoriser l’exécution de code fourni par le dépôt.

Pour le concevoir, Reson8 a eu recours à la distillation : son grand modèle de production, Rumble-2, a servi de professeur à cette version compacte. Rumble-2-Flash reprend l’architecture de Qwen3-ASR, une famille de modèles de transcription déjà prise en charge par ces logiciels. Plusieurs réglages pilotent le texte produit : nombres en chiffres ou en lettres, hésitations et répétitions conservées ou supprimées, langue imposée.

Des scores mesurés par l’éditeur

Photo de Bernie Goldbach, licence CC BY-SA 2.0 — via Flickr

Les performances annoncées viennent des propres tests de Reson8, publiés sur le blog de Hugging Face. Sur le classement multilingue Open ASR, qui compare les outils de reconnaissance automatique de la parole, le modèle affiche un taux d’erreur moyen de 6,96 % sur des langues comme le chinois, le français, l’hindi ou le néerlandais. Ce taux mesure la part de mots mal transcrits. Rumble-2-Flash devance ainsi omniASR-LLM 7B de Meta, un modèle 15 fois plus gros, et Whisper large-v3 d’OpenAI.

Sur 302 heures d’appels à des lignes d’assistance, en anglais avec 14 accents différents, il atteint 7,86 % d’erreurs. Ces enregistrements, compressés et bruyants, sont plus difficiles à transcrire. Nemotron 3.5 Transcribe de NVIDIA obtient 7,78 %, et Qwen3-ASR 1.7B fait mieux avec 7,4 %. Sur dix langues, dont le maltais, le basque et le bengali, le billet de Reson8 annonce un taux moyen de 17,60 %, contre 39,82 % pour Whisper Large V3, trois fois plus gros. En maltais, l’écart va de 13 % à 72 %.

Un modèle de reconnaissance vocale de 0,5 milliard de paramètres pour plus de 40 langues, qui rivalise avec des modèles 3 à 60 fois plus gros.

— Reson8, éditeur de Rumble-2-Flash (traduction de la rédaction)

Côté vitesse, l’éditeur annonce une heure d’audio traitée en une demi-seconde environ. Ce débit dépend toutefois du remplissage des lots, c’est-à-dire du nombre de fichiers traités en même temps. La fiche du modèle précise que ses évaluations ont tourné sur une carte graphique H200, avec vLLM, et n’indique aucune configuration minimale. Même dans une réunion animée ou une pièce bruyante, le modèle reconnaîtrait environ 9 mots sur 10. Reson8 conseille d’ailleurs à quiconque évalue un outil de transcription de le tester sur ses propres enregistrements.

Ce que la version libre ne fait pas

Reson8 assume les limites d’un modèle qu’elle a voulu léger. La distinction des voix, appelée diarisation, la détection de fin de prise de parole et le vocabulaire personnalisé restent réservés à Rumble-2. La transcription des conversations en direct est renvoyée à un modèle plus gros. Pour un compte rendu à plusieurs voix, il faudra donc attribuer chaque intervention à la main. Un point reste flou : le billet de Reson8 du 3 novembre range aussi la détection automatique de la langue parmi les ajouts de Rumble-2, alors que l’annonce du 18 novembre l’attribue au modèle libre.

Une ouverture sous conditions

Cette ouverture s’inscrit dans une stratégie commerciale. Depuis le 3 novembre 2026, Reson8 vend Rumble-2-Flash par une interface de programmation (API), un accès en ligne facturé à l’usage, à partir de 0,01 euro par heure d’audio. La société a levé 5 millions d’euros en mars 2026, lors d’un tour d’amorçage mené par le fonds Balderton Capital. Elle dit exploiter ses propres serveurs de calcul aux Pays-Bas, ne conserver ni audio ni transcription et ne jamais entraîner ses modèles sur les données de ses clients.

Avant tout téléchargement, un point mérite vérification. Le 18 novembre, TokenPost relevait que le dépôt Hugging Face imposait d’accepter des conditions d’accès avant d’obtenir les fichiers. Le site britannique TechRound rappelle de son côté que les poids ouverts, c’est-à-dire les fichiers du modèle mis à disposition de tous, donnent plus de maîtrise qu’un service en ligne. Ils exigent en revanche des compétences techniques pour les faire tourner.

Pour qui

À notre avis, Rumble-2-Flash intéresse d’abord les structures qui comptent une personne à l’aise avec la ligne de commande. Transcrire des entretiens, des dictées ou des notes vocales sans que l’audio quitte l’ordinateur devient alors accessible. TechRound observe que la plupart des principaux modèles de reconnaissance vocale sont entraînés surtout sur l’anglais et tournent sur des infrastructures américaines. Un modèle libre, européen et exécutable en local répond à ce constat.

Pour une TPE, une association ou un particulier, la démarche raisonnable consiste à tester le modèle sur quelques enregistrements réels avant de l’adopter. Relisez de près les noms propres et les chiffres, et vérifiez les conditions d’accès au dépôt avant de vous lancer. Si vous souhaitez l’essayer sur votre propre ordinateur, nous pouvons vous aider à l’installer dans le cadre de notre accompagnement bénévole et gratuit, dans la mesure de nos disponibilités.

Parlons de votre besoin

Aide entièrement gratuite et bénévole, selon nos disponibilités. Professionnel ou particulier, la démarche est la même.