Le clavier WeChat transforme un enregistrement en page web

Le produit IA le plus intéressant sorti en Chine la semaine dernière n'est pas un modèle. C'est une touche sur un clavier.

Le 27 octobre, la chaîne officielle de WeChat a annoncé que le clavier WeChat — celui avec lequel un très grand nombre d'utilisateurs chinois tape déjà — intègre un « enregistreur vocal IA ». Vous enregistrez. Il transcrit en temps réel. Puis, au lieu de vous tendre un mur de texte, il vous rend une page web structurée : fautes corrigées, tics de langage supprimés, logique de la conversation réorganisée, points clés extraits.

Et puis la partie qui m'a fait dresser l'oreille. Selon l'annonce, il peut associer des graphiques, des schémas et des prototypes interactifs à ce qui a été dit.

Pourquoi le clavier est la partie intéressante

Toutes les sociétés de productivité de la planète ont livré un enregistreur de réunion. La plupart exigent d'installer quelque chose, d'accorder des permissions, de choisir un espace de travail et de penser à appuyer sur enregistrer. L'adoption reste à un chiffre parce que la friction tombe exactement au moment où vous avez le moins d'attention à donner.

La version de WeChat n'a aucun problème d'adoption à résoudre. Le clavier est déjà installé, a déjà accès au micro, et constitue déjà la surface où cent millions de personnes commencent à écrire. Les points d'entrée le reflètent : sur mobile, on l'ouvre depuis la barre d'outils du clavier ou l'application de saisie. Sur ordinateur, il y a un raccourci, plus la barre de menus du Mac et la barre d'outils Windows.

C'est un avantage de distribution qu'aucune startup ne peut acheter, et c'est la raison pour laquelle ça vaut la peine d'en parler. La fonction en elle-même n'a rien de nouveau. Son emplacement, si.

Ce que « page web structurée » implique vraiment

La transcription est un problème à peu près résolu. Transformer de la parole en quelque chose que vous liriez volontairement, non.

Quiconque a fait passer une réunion dans un modèle ASR connaît la sortie : des mots exacts, aucune forme. Les gens se répètent, partent dans le vide, disent « bon, alors, bref » quatorze fois, et enterrent la décision au milieu d'une digression sur le parking. Le nettoyage, c'est là qu'est la valeur, et c'est là que la plupart des outils abandonnent discrètement en vous rendant la transcription avec un résumé agrafé en haut.

Les comportements annoncés — corriger les fautes, filtrer les tics sans contenu, organiser la logique et les points saillants à partir du contexte — décrivent un pipeline qui traite l'enregistrement comme matière première et non comme livrable. La sortie est une page, donc elle a des sections, une hiérarchie, et probablement un titre que vous n'avez pas dit à voix haute.

Les méthodes de saisie chinoises ont ici un avantage facile à sous-estimer. La saisie en pinyin signifie que le clavier fait déjà tourner un modèle de langue sur tout ce que vous tapez, toute la journée, pour corriger et prédire. Appliquer cette même classe de modèle à la parole est un saut plus court que pour un éditeur de clavier occidental, parce que la couche de correction est déjà une infrastructure porteuse et non un bonus.

La promesse des schémas mérite un examen

Associer graphiques, illustrations et prototypes interactifs à un enregistrement, c'est une grosse promesse dans une petite phrase, et elle se scinde en deux capacités très différentes.

La version modeste : vous parlez d'un processus en trois étapes, et l'outil dessine un schéma en trois étapes parce qu'il a entendu « d'abord, ensuite, enfin ». C'est de la sélection de gabarit, c'est vraiment utile, et c'est à portée.

La version ambitieuse : vous décrivez un parcours produit, et l'outil produit un prototype interactif sur lequel on peut cliquer. Il faut alors que le modèle déduise états, transitions et mise en page depuis une parole non structurée, et qu'il ait raison assez souvent pour que l'utilisateur ne le supprime pas dans la minute.

Mon pari, et c'est un pari, est que la version livrée est plus proche de la première. Ce n'est pas une critique. Un schéma généré à peu près juste est un bon premier jet ; un prototype généré à peu près juste est une session de débogage.

La question de confidentialité que personne ne pose tout haut en Chine

Un clavier voit tout. Les mots de passe, les messages bancaires, les disputes familiales, la recherche que vous avez tapée puis effacée. Ajouter un enregistreur à cette surface rend la relation de confiance plus dense, pas plus simple.

L'annonce ne dit rien du traitement des données, ce qui est normal pour un billet produit et peu rassurant pour une décision produit. Les hypothèses raisonnables : la transcription tourne sur l'appareil ou dans le cloud de WeChat, la page obtenue est stockée dans l'écosystème WeChat, et la conservation est régie par les mêmes conditions que tout le reste dans cet écosystème.

Pour un particulier en Chine, cet échange est familier et globalement acceptable. Pour une entreprise, « nos comptes rendus de réunion vivent dans WeChat » est une conversation de conformité, pas de productivité. La fonction se répandra par l'usage personnel et sera bloquée en entreprise, ce qui est le parcours standard de l'IA grand public sur ce marché.

Face à un enregistreur dédié

Sur le papier, les applications spécialisées gagnent : meilleure séparation des locuteurs, sessions plus longues, intégrations avec agendas et CRM, export correct. En pratique, la plupart perdent sur la seule métrique qui compte au début d'une réunion : avez-vous pensé à l'ouvrir.

Le compromis, c'est que vous perdez du contrôle. Un enregistreur dédié vous laisse choisir où va l'audio. Un clavier, non, et l'annonce ne le dit pas. Pour une note personnelle, l'échange est correct. Pour un appel client sous NDA, ce n'est pas un échange que vous pouvez décider seul.

La répartition réaliste est donc celle-ci : le clavier pour ce que vous auriez de toute façon noté à la va-vite, l'application spécialisée pour ce qui finit dans un contrat. Les deux existeront, et le clavier absorbera bien plus de volume.

Lecture stratégique

WeChat a passé une décennie à se faire reprocher de ne pas livrer de fonctions IA assez vite. Ici, le mouvement est inverse : plutôt que de construire un chatbot, il glisse de petits modèles dans les surfaces que les gens touchent déjà cent fois par jour. Un clavier. Un message vocal. Un fichier.

C'est une stratégie plus difficile à démontrer et bien meilleure à distribuer. Un chatbot suppose que vous ayez envie de discuter. Un enregistreur dans le clavier est là au moment où vous alliez taper de toute façon.

Elle explique aussi le format de sortie. Une page structurée se partage dans WeChat. Une transcription est un fichier qu'on exporte et qu'on oublie. En rendant l'artefact natif de l'écosystème, la fonction crée du contenu qui circule là où WeChat est déjà chez lui.

Ce qu'il faut surveiller

Si la page structurée survit à l'édition. Si vous pouvez corriger une phrase et que la mise en page tient, c'est un outil documentaire. Si l'édition casse la structure, c'est une capture d'écran.

Si les schémas sont éditables comme des objets ou arrivent en images à plat. Le premier cas est un workflow. Le second, de la décoration.

Et si l'enregistreur obtient une API. Si oui, les produits intéressants ne seront pas des applications de prise de notes : ce seront des outils qui transforment une conversation en livrable sans que personne n'ouvre un portable.

La fonction elle-même sera copiée en un trimestre. Baidu, iFlytek et Alibaba en ont toutes les briques. Ce qui ne sera pas copié vite, c'est l'emplacement, parce que personne d'autre ne possède le clavier sur lequel tape la moitié d'un pays.

Voilà la leçon à retenir de cette sortie, et elle n'a rien à voir avec la qualité des modèles. Le meilleur canal de distribution pour une fonction IA, c'est l'objet que vos utilisateurs ont déjà entre les mains.