Jeudi, Microsoft a sorti MAI-Transcribe-2 et l'a facturé 10 centimes de dollar l'heure d'audio, offre valable jusqu'à fin 2026 d'après Microsoft AI. Une journée entière de réunions transcrite pour le prix d'un café. Le sujet n'est plus « combien coûte la transcription », c'est « qu'est-ce qu'on fait du texte ».

Cet article vous donne les trois usages qui rapportent vraiment dans une PME, le montage en quatre étapes, et le prompt de compte rendu qu'on utilise chez nous.

Ce qui a changé jeudi, sans le jargon

La transcription automatique existe depuis des années. Ce qui bloquait, c'était le trio prix, qualité, et fonctions annexes vendues à part. Il fallait payer un supplément pour savoir qui parle, un autre pour les horodatages, et corriger la moitié des noms propres à la main.

MAI-Transcribe-2 met tout dans le même paquet : distinction des interlocuteurs, horodatage au mot près, biais de vocabulaire (vous lui donnez vos noms de produits et de clients, il les reconnaît), style mot à mot ou nettoyé, et le français parmi les langues couvertes. Côté précision, Microsoft AI annonce un taux d'erreur de mot moyen de 5,2 % sur le benchmark FLEURS, soit une erreur tous les vingt mots environ. C'est le niveau d'un humain pressé qui prend des notes.

Le prix précédent, sur le modèle sorti en avril, était de 36 centimes l'heure. Google, OpenAI et ElevenLabs vont suivre, ils n'ont pas le choix. Retenez l'essentiel : d'ici Noël, la transcription sera gratuite ou presque chez tout le monde.

Ce qui reste payant, et c'est là que se joue la valeur, c'est ce que vous branchez derrière.

Les trois usages qui payent dans une PME

On a monté ce type de chaîne chez plusieurs clients. À chaque fois, les mêmes trois usages sortent du lot. Les autres (transcrire les podcasts du dirigeant, archiver les webinaires) sont sympathiques mais ne font gagner de temps à personne.

1. Le compte rendu de réunion interne

Disons une PME de 40 personnes avec un point équipe hebdo, un comité de direction et deux ou trois réunions projet par semaine. Chacune produit aujourd'hui un compte rendu écrit par la personne la moins gradée de la salle, envoyé deux jours plus tard, lu par un tiers des destinataires.

Avec la chaîne décrite plus bas, le compte rendu tombe dans la boîte mail de tous les participants dix minutes après la fin. Décisions, actions avec un responsable et une date, points ouverts. Le gain n'est pas le temps de rédaction, c'est le fait que les actions sont enfin écrites quelque part le jour même.

2. L'appel commercial ou client qui finit dans le CRM

C'est l'usage qui rapporte le plus. Un commercial qui sort d'un appel de 30 minutes met rarement à jour sa fiche. Quand il le fait, c'est trois lignes le soir. Le besoin réel du client, l'objection, le concurrent cité, le budget évoqué : tout ça reste dans sa tête.

Transcrire l'appel puis en extraire une note structurée qui se colle dans le CRM change la donne pour la qualification des leads. Le manager voit ce qui s'est dit, pas ce que le commercial a bien voulu noter. Et la relance suivante s'appuie sur des faits.

3. Les notes terrain dictées

Artisans, bureaux d'études, techniciens de maintenance, agents immobiliers : ils passent leur journée à constater des choses et leur soirée à les taper. Un mémo vocal de deux minutes dans la voiture, transcrit et mis en forme, devient un rapport de visite, une liste de réserves ou un devis préparé.

C'est aussi l'usage où le biais de vocabulaire fait la différence. Donnez au modèle vos références produits et vos termes métier, et « le placo en BA13 sur rail R48 » sort correctement du premier coup.

Le montage, étape par étape

Aucune de ces étapes ne demande de développeur. Il faut une personne qui sait créer un scénario dans Make ou n8n, ou un prestataire qui le fait pour vous.

Étape 1 : capturer l'audio

• Réunions en visio : Teams, Google Meet et Zoom enregistrent nativement. Activez l'enregistrement automatique sur les réunions concernées et récupérez le fichier dans le cloud associé.
• Réunions en salle : un téléphone posé au milieu de la table avec l'application dictaphone suffit. Un micro de conférence à 100 euros fait mieux si la salle résonne.
• Appels : la plupart des standards VoIP (Aircall, Ringover, 3CX) enregistrent sur demande et exposent le fichier par API ou webhook.
• Terrain : un mémo vocal envoyé sur une adresse mail dédiée ou dans un canal Teams ou Slack.

Étape 2 : transcrire

Le fichier audio part vers le modèle. Trois options selon ce que vous avez déjà :

• Vous êtes sur Microsoft 365 : MAI-Transcribe-2 est accessible depuis Microsoft Foundry, dans votre tenant, avec vos règles d'accès existantes.
• Vous voulez rester neutre : le même modèle est disponible sur OpenRouter, une clé API et c'est branché. Pratique pour changer de fournisseur quand la guerre des prix s'installera.
• Vous voulez zéro montage : Teams Premium, Google Meet avec Gemini et Zoom AI Companion transcrivent et résument déjà les visios. Moins souple, mais c'est un bouton à activer.

Dans le paramétrage, activez la distinction des interlocuteurs et ajoutez la liste de vos noms propres dans le biais de vocabulaire. Ce sont les deux réglages qui séparent une transcription lisible d'une bouillie.

Étape 3 : résumer avec un prompt stable

C'est ici que tout se joue. La transcription brute n'intéresse personne. Ce qu'on veut, c'est une note courte, toujours structurée pareil, qu'on peut lire en 40 secondes. Voici le prompt qu'on utilise, à adapter à votre vocabulaire :

Tu es l'assistant de direction d'une PME française.
Voici la transcription d'une réunion. Les interlocuteurs sont identifiés
par leur nom. Rédige un compte rendu en français, en suivant exactement
cette structure et sans rien inventer :

## Contexte (2 phrases maximum)
## Décisions prises
- [décision] (proposée par : [nom])
## Actions
| Action | Responsable | Échéance |
## Points ouverts
- [question restée sans réponse et qui doit la trancher]
## Chiffres et engagements cités
- [montant, délai, quantité, avec qui l'a dit]

Règles :
- Si une information manque (pas de responsable, pas de date), écris
  « à préciser », n'invente pas.
- Ne cite que ce qui a été dit. Pas d'interprétation.
- Longueur totale : 250 mots maximum.

Transcription :
[coller ici]

Pour un appel commercial, remplacez les sections par : Besoin exprimé, Objections, Concurrents cités, Budget et délai, Prochaine étape convenue. Le format tableau pour les actions n'est pas un caprice, c'est ce qui permet de les copier dans un outil de suivi sans retouche.

Étape 4 : livrer au bon endroit

• Compte rendu de réunion : email aux participants, plus une page dans votre wiki ou votre Notion.
• Note d'appel : création d'une activité dans le CRM, rattachée au contact.
• Note terrain : document dans le dossier client, notification au responsable.

Cette dernière étape est celle qu'on oublie et c'est celle qui fait vivre l'usage. Un compte rendu qu'il faut aller chercher n'est pas lu. Il doit arriver là où la personne regarde déjà. Pour les équipes qui pilotent l'activité à partir de ces notes, c'est aussi la matière première d'un reporting qui ne dépend plus de la mémoire de chacun.

Où ça coince en production

Trois points nous ont coûté du temps sur de vrais déploiements.

Le consentement. Enregistrer une réunion ou un appel n'est pas anodin. Les participants doivent être informés avant, et pour les appels clients, l'annonce en début de conversation est la règle. Prévoyez une phrase dans l'invitation de réunion et un message d'accueil sur le standard. Sans ça, vous avez un problème RGPD et, en interne, un problème de confiance.

La conservation. Une transcription de comité de direction contient des salaires, des noms de clients, des projets non annoncés. Décidez qui y accède et combien de temps vous la gardez. Notre règle : l'audio est supprimé après transcription, le compte rendu vit dans l'outil métier, la transcription brute est purgée après 30 jours.

Le prix de janvier. Le tarif de lancement court jusqu'au 31 décembre. Microsoft n'a pas dit ce qui suit. Montez la chaîne de façon à pouvoir changer de modèle en un paramètre, c'est exactement ce que permet le passage par OpenRouter ou un scénario Make bien découpé.

Et le dernier point, moins technique : la première semaine, relisez chaque compte rendu à côté de l'audio. Le modèle ne se trompe pas souvent, mais quand il se trompe sur un chiffre ou attribue une décision à la mauvaise personne, c'est le genre d'erreur qui déclenche une réunion pour corriger la réunion.

Par où commencer

Prenez un seul type de réunion, celle dont le compte rendu traîne toujours. Enregistrez-la la semaine prochaine, passez la transcription dans le prompt ci-dessus, envoyez le résultat aux participants. Si personne ne le lit, vous avez appris quelque chose sur cette réunion. Si tout le monde le lit, vous savez quoi automatiser ensuite.

Sources :

• Microsoft AI, "MAI-Transcribe-2 is the fastest, most accurate and cheapest speech recognition model in the world", septembre 2026. https://microsoft.ai/news/mai-transcribe-2-is-the-fastest-most-accurate-and-cheapest-speech-recognition-model-in-the-world/, consulté le 5 septembre 2026.
• VentureBeat, "Microsoft AI's MAI-Transcribe-2 undercuts OpenAI, Google and ElevenLabs on price and speed", septembre 2026. https://venturebeat.com/infrastructure/microsoft-ais-mai-transcribe-2-undercuts-openai-google-and-elevenlabs-on-price-and-speed, consulté le 5 septembre 2026.