SpeakoFlow — La dictée locale sans fil à la patte, ni espion dans la bécane

État des lieux

C'est une rengaine que les tontons de la Silicon Valley adorent nous sussurer à l'oreille : pour causer à son ordinateur, il faudrait impérativement envoyer ses moindres soupirs dans leurs serveurs géants du Delaware ou de l'Oregon. Autrement dit, pour que votre bécane écrive ce que vous lui dictez, il faut accepter qu'un cénacle d'algorithmes américains passe votre vie privée au peigne fin. C'est là que débarque Abhishek Barali avec sa dernière mouture sous le bras, baptisée SpeakoFlow. Né sur les cendres fertiles de Handy, un projet libre initié par CJ Pais, ce canard rebelle refuse de prêter allégeance aux géants du nuage.

Lancé en version v1.0.0 au tournant de l'année 2025 et fraîchement requinqué en version v1.1.0 durant l'été 2026, SpeakoFlow se pose là comme l'alternative couillue aux machines à picaillons que sont Wispr Flow ou Superwhisper. Ici, pas de serveur distant, pas de télémétrie sournoise. C'est du local, du pur, du dur, tricoté serré avec du Rust derrière un habit de lumière en React, le tout propulsé par la mécanique de Tauri 2. L'ambition ? Offrir aux professionnels de la plume, aux pisseurs de code et aux paranoïaques du cryptage une dictée vocale impeccable, un assistant interactif et même de la génération de texte, sans qu'un seul octet ne franchisse le paillasson de votre connexion réseau.

La carte des menus

Dans la grande foire aux assistants vocaux intelligents, les étiquettes ont tendance à donner le vertige. Prenez Wispr Flow : gratuit le temps de bafouiller deux mille mots, puis facturé la bagatelle de quinze dollars mensuels pour continuer la causette. Du côté de chez Superwhisper, on vous déleste de plus de huit dollars par mois pour débloquer les fonctions un peu sérieuses.

Chez SpeakoFlow, la carte des menus est d'une sobriété qui laisse les comptables sur le flanc. Le tarif ? Zéro franc, zéro centime. Le logiciel est publié sous licence MIT, libre comme l'air, gratuit à l'usage et ouvert aux quatre vents du développement collaboratif. Vous installez le bousin sur votre machine — que vous tourniez sous Windows, macOS avec silicium maison, ou sur une distribution Linux rustique — et vous roulez jeunesse.

Évidemment, si vous insistez pour brancher le système sur les API d'OpenAI ou d'ElevenLabs pour la synthèse vocale, il faudra sortir votre propre carnet de chèques pour payer les jetons de ces messieurs. Mais pour ce qui est de la mécanique interne, du moteur Whisper.cpp pour la dictée au tout récent Kokoro pour le retour de voix locale, tout est fourni d'office sans débourser un malheureux kopeck.

Ce que la bête sait vraiment faire

Sous le capot, SpeakoFlow n'est pas un simple gadget pour feignants du clavier. La bête s'appuie sur le portage C++ de Whisper (le fameux Whisper.cpp) couplé à la détection de silence Silero VAD version 4. Dès que vous pressez la combinaison magique — Option et Espace sur Mac, Contrôle et Super sur Windows, ou Contrôle et Espace sous Linux —, le microphone s'éveille et la moulinette locale se met à tourner. L'accélération matérielle (Metal pour les pommes, CUDA pour les cartes vertes) prend le relais pour transcrire vos paroles en moins de cinq cents millisecondes par segment de cinq secondes. C'est vif, c'est précis, et ça ne mange pas de pain.

Mais là où Barali fait fort, c'est en greffant un véritable assistant conversationnel dans la boîte à outils. Grâce à un runner Llama.cpp intégré, SpeakoFlow peut exécuter n'importe quel modèle au format GGUF directement sur votre processeur. L'outil propose également la fonction « Hey Flow » : vous prononcez la phrase magique, vous formulez votre requête, et l'IA rédige la réponse qu'elle insère directement là où se trouve votre curseur, que ce soit dans un éditeur de code ou un client mail.

Mieux encore, si vous lui donnez l'autorisation, l'assistant peut analyser une capture d'écran locale pour comprendre le contexte de votre travail. Vous lui dites : « Explique-moi ce bug à l'écran », et le singe s'exécute sans broncher. Ajoutez à cela un traducteur multilingue offline capable de digérer du français, de l'espagnol ou du japonais pour cracher de l'anglais impeccable, et vous obtenez un arsenal de productivité tout à fait redoutable.

Les couleuvres à avaler

Ne nous emballons pas, le paradis du logiciel libre a parfois des airs de chantier à ciel ouvert. Si SpeakoFlow aligne des promesses mirifiques, il faut accepter de mettre un peu les mains dans le cambouis. La première friction, et non des moindres, concerne l'absence de signature numérique du code sur Windows et macOS. Au premier lancement, vous aurez droit aux grands cris d'effroi de Microsoft SmartScreen ou de Gatekeeper vous expliquant que vous installez un outil de pirate informatique. C'est un point inscrit sur la feuille de route du créateur, mais en attendant, il faut forcer le passage.

Du côté de Linux, l'installation n'est pas non plus une partie de plaisir : selon les environnements de bureau, l'overlay visuel de l'enregistrement refuse de rester au premier plan, et l'affectation des raccourcis globaux peut nécessiter de tripoter les autorisations système pour éviter un humiliant refus de service.

Enfin, la promesse de l'assistant offline à cent pour cent se heurte à la dure réalité des lois de la physique. Faire tourner un modèle de langage digne de ce nom sur une machine de bureau ordinaire demande du temps. Si vous utilisez le minuscule modèle fourni par défaut, attendez-vous à des temps de génération oscillant entre cinq et dix secondes par phrase. Pour retrouver un peu d'allant, il faudra passer par un serveur local de type Ollama ou LM Studio, ce qui ajoute une couche de complexité technique propre à décourager le quidam moyen. De plus, aucune certification de sécurité indépendante n'est venue auditer le code pour garantir l'étanchéité absolue promise par le marketing du projet.

Verdict

Malgré ses quelques rugosités de jeunesse et son onboarding un brin abrupt pour les non-initiés, SpeakoFlow est une véritable bouffée d'oxygène dans un paysage technologique asphyxié par le tout-cloud et les abonnements mensuels obligatoires. Abhishek Barali nous livre là un outil d'une solidité technique impressionnante, mariant avec brio la rapidité de Rust et la puissance des modèles locaux de dictée.

Pour les professionnels qui manipulent des données sensibles ou les développeurs soucieux de garder la main sur leurs outils, c'est un choix royal. Le projet, extrêmement actif avec des mises à jour régulières sur son dépôt GitHub, mérite largement qu'on s'y attarde, ne serait-ci que pour envoyer un signal fort aux marchands de soupe de la Silicon Valley.