---
title: "Transcrire les messages vocaux clients en texte | BroadRouter"
description: "Transformer les messages vocaux de WhatsApp Business et des bots Telegram en transcriptions et tickets : télécharger, transcrire, extraire par LLM, router."
url: https://broadrouter.com/fr/blog/voice-notes-to-text-for-business/
lang: fr
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduit de l’anglais avec l’aide de l’IA. [Lire l’original en anglais](https://broadrouter.com/blog/voice-notes-to-text-for-business/) (mis à jour le 2026-11-16).

# Messages vocaux en texte : de WhatsApp et Telegram aux tickets

Par l’équipe BroadNet Inference · 4 min de lecture · Publié 2026-11-14 · Mis à jour 2026-11-16

Pour transformer les messages vocaux des clients en tickets, téléchargez chaque message depuis la WhatsApp Cloud API ou la Telegram Bot API dès l’arrivée du webhook, convertissez-le en WAV, transcrivez-le avec le bon code de langue, puis demandez à un LLM d’extraire l’intention, l’urgence et les numéros de commande en JSON. Créez le ticket avec la transcription jointe et répondez par écrit.

## À retenir

-   Téléchargez vite : les URL de médias WhatsApp expirent au bout de 5 minutes, et les identifiants de médias des webhooks au bout de 7 jours.
-   Les bots Telegram peuvent télécharger des fichiers jusqu’à 20 Mo, via un lien valable au moins une heure.
-   La transcription est l’étape bon marché : 10 000 messages vocaux en arabe de 30 secondes coûtent $21.00.
-   Un LLM transforme un message décousu en champs de ticket : intention, urgence, numéro de commande, langue et résumé d’une ligne.
-   Conservez la transcription, pas l’audio, sauf si vous avez une raison de stocker la voix.

**Sur cette page**

1.  Comment un message vocal devient-il un ticket de support ?
2.  Étapes 1 et 2 : comment récupérer l’audio depuis WhatsApp ?
3.  Comment récupérer les messages vocaux d’un bot Telegram ?
4.  Étape 5 : comment transformer une transcription en ticket ?
5.  Quels cas particuliers traiter dès le début ?
6.  Ce qu’une équipe y gagne
7.  Combien coûte la transcription des messages vocaux ?
8.  Comment gérer la confidentialité et la conservation ?
9.  La place de BroadNet Inference

_[image: An invoice, a phone showing an audio waveform and the Arabic word "مرحبا", with the text "Speech. Documents. Intelligence."]_

Dans une grande partie du Moyen-Orient, les clients ne tapent pas. Ils envoient un message vocal de 40 secondes en arabe du Golfe ou égyptien, souvent avec un numéro de commande lu au milieu. Les agents écoutent, reviennent en arrière et ressaisissent tout dans l’outil de support. Multipliez par quelques centaines par jour, et les messages vocaux deviennent votre canal le plus lent.

Cet article construit le processus métier autour de la transcription : sortir les messages de WhatsApp et Telegram, les transformer en tickets structurés et garder les données sous contrôle. Pour le code de conversion et de transcription lui-même, consultez notre guide pas à pas pour [transcrire les messages vocaux WhatsApp](https://broadrouter.com/fr/guides/transcribe-whatsapp-voice-notes/). Nous ne le répétons pas ici.

## Comment un message vocal devient-il un ticket de support ?

1.  **Recevez** le webhook de WhatsApp ou Telegram.
2.  **Téléchargez** l’audio immédiatement.
3.  **Convertissez** en WAV mono 16 kHz.
4.  **Transcrivez** avec le bon code de langue.
5.  **Extrayez** les champs du ticket avec un LLM.
6.  **Créez** le ticket avec la transcription, et répondez par écrit.
7.  **Supprimez** le fichier audio.

## Étapes 1 et 2 : comment récupérer l’audio depuis WhatsApp ?

Sur la WhatsApp Business Cloud API, un message vocal entrant arrive sous forme de webhook avec un identifiant de média, pas avec le fichier. La [documentation des médias](https://developers.facebook.com/documentation/business-messaging/whatsapp/business-phone-numbers/media) de Meta fixe les règles :

-   Appelez `GET /<MEDIA_ID>` sur la Graph API pour obtenir une `url`.
-   Téléchargez cette URL avec `Authorization: Bearer <token>`. Sans le jeton, la requête échoue.
-   « Media URLs expire after 5 minutes. » (traduction : « Les URL de médias expirent au bout de 5 minutes. ») Demandez-en une nouvelle si vous arrivez trop tard.
-   Les identifiants de médias issus des webhooks entrants sont valables **7 jours**.

```python
import os, requests

GRAPH = os.environ["GRAPH_BASE"]          # e.g. https://graph.facebook.com/<version>
HDR = {"Authorization": f"Bearer {os.environ['WA_TOKEN']}"}

def download_whatsapp(media_id, path):
    url = requests.get(f"{GRAPH}/{media_id}", headers=HDR, timeout=10).json()["url"]
    with open(path, "wb") as f:
        f.write(requests.get(url, headers=HDR, timeout=30).content)
```

Faites-le dans la tâche de fond du gestionnaire de webhook, pas plus tard dans un lot. Une file traitée une fois par heure tombera sur des URL expirées.

## Comment récupérer les messages vocaux d’un bot Telegram ?

Un bot Telegram reçoit un objet `voice` avec un `file_id`. La [Bot API](https://core.telegram.org/bots/api#getfile) indique que les bots « can download files of up to 20MB » (traduction : « peuvent télécharger des fichiers jusqu’à 20 Mo »), via `https://api.telegram.org/file/bot<token>/<file_path>`, et que le lien est « valid for at least 1 hour » (traduction : « valable au moins 1 heure »).

```python
TG = f"https://api.telegram.org/bot{os.environ['TG_TOKEN']}"

def download_telegram(file_id, path):
    file_path = requests.get(f"{TG}/getFile", params={"file_id": file_id}, timeout=10).json()["result"]["file_path"]
    with open(path, "wb") as f:
        f.write(requests.get(f"https://api.telegram.org/file/bot{os.environ['TG_TOKEN']}/{file_path}", timeout=30).content)
```

En pratique, les deux plateformes livrent les messages vocaux en Ogg/Opus. L’endpoint de transcription accepte le WAV ou le MP3 : convertissez avec la commande ffmpeg d’une ligne du [guide WhatsApp](https://broadrouter.com/fr/guides/transcribe-whatsapp-voice-notes/), puis transcrivez avec `language="ar"` (ou la langue du client).

## Étape 5 : comment transformer une transcription en ticket ?

Une transcription brute reste difficile à trier. Un LLM peut en extraire les champs dont votre outil de support a besoin :

```python
import json
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

FIELDS = ("Return JSON with: intent (refund|delivery|billing|technical|other), urgency (low|normal|high), "
          "order_number (string or null), language, summary_en (one sentence), needs_human (true/false).")

def to_ticket(transcript):
    reply = client.chat.completions.create(
        model="broadnet/qwen3.8-27b",
        response_format={"type": "json_object"},
        messages=[{"role": "system", "content": "You triage customer support voice notes. " + FIELDS},
                  {"role": "user", "content": transcript}],
    ).choices[0].message.content
    return json.loads(reply)
```

[Qwen3.8 27B](https://broadrouter.com/fr/models/qwen3.8-27b/) est le modèle que BroadNet a testé en arabe, y compris les dialectes du Golfe et égyptien. Validez le JSON avant de l’écrire dans l’outil de support, et repliez-vous sur `needs_human: true` si l’analyse échoue ; l’[article sur la sortie structurée](https://broadrouter.com/fr/blog/structured-output-json-schema/) propose une boucle de validation et de réparation. Si un message mentionne des numéros de carte ou de pièce d’identité, masquez-les avant cette étape ; voir [envoyer des données sensibles à une API LLM](https://broadrouter.com/fr/blog/llm-api-sensitive-data/).

## Quels cas particuliers traiter dès le début ?

Les vraies boîtes de réception sont plus désordonnées qu’une démo. Prévoyez ces cas dès la première semaine :

-   **Plusieurs messages d’affilée.** Les clients envoient souvent trois messages courts au lieu d’un long. Regroupez les messages d’un même expéditeur envoyés en quelques minutes dans un seul ticket, et transcrivez-les dans l’ordre.
-   **Messages très courts.** Les messages du type « d’accord » ou « merci » n’ont pas besoin de ticket. Sautez l’extraction quand la transcription fait moins de quelques mots.
-   **Messages transférés.** Dans un message vocal transféré, c’est peut-être quelqu’un d’autre qui parle. Traitez-le comme une pièce jointe, pas comme les propres mots du client.
-   **Langues mélangées.** Les clients du Golfe glissent des noms de produits en anglais. Si votre file sert plusieurs langues, enregistrez avec chaque transcription la langue envoyée, pour que les agents sachent à quoi s’attendre.
-   **Fichiers volumineux.** La documentation des médias de Meta indique une limite audio de 16 Mo, et les bots Telegram peuvent télécharger jusqu’à 20 Mo, deux valeurs inférieures à la limite de transcription de 25 Mio, mais les longs enregistrements prennent quand même plus de temps. Traitez-les en arrière-plan.

## Ce qu’une équipe y gagne

| Avant | Après |
| --- | --- |
| L’agent écoute chaque message, souvent deux fois | L’agent lit une transcription et un résumé d’une ligne |
| Les messages sont impossibles à rechercher | Les transcriptions se recherchent par numéro de commande ou mot-clé |
| Le tri revient à qui est disponible | Routage selon l’intention et l’urgence |
| Les messages en arabe attendent un arabophone | Le résumé en anglais permet à n’importe quel agent de traiter les cas simples |

## Combien coûte la transcription des messages vocaux ?

La transcription est la partie bon marché du pipeline. À $0.0042 la minute, 10 000 messages vocaux en arabe de 30 secondes coûtent $21.00. Le modèle à 14 langues coûte $0.002 la minute. L’étape LLM est facturée au token ; une courte transcription plus l’instruction représentent généralement quelques centaines de tokens. Saisissez vos propres volumes dans le [calculateur de coût speech-to-text](https://broadrouter.com/tools/speech-to-text-cost-calculator/), ou comparez d’autres fournisseurs dans la [comparaison des prix speech-to-text](https://broadrouter.com/fr/blog/speech-to-text-api-pricing-compared/).

## Comment gérer la confidentialité et la conservation ?

Les messages vocaux sont des données personnelles, et ils contiennent souvent plus que ce que le client voulait partager. Trois habitudes aident :

-   **Supprimez l’audio après la transcription**, sauf si une politique impose de le conserver.
-   **Stockez les transcriptions avec le ticket**, sous les contrôles d’accès de l’outil de support, pas dans les logs de l’application.
-   **Utilisez un fournisseur qui ne conserve pas l’audio.** BroadNet ne garde ni audio ni transcription après la requête ; voir [conservation zéro des données](https://broadrouter.com/fr/privacy/).

Répondez en texte simple, et gardez les premières réponses aux nouveaux contacts courtes et sans liens. Les plateformes de messagerie surveillent les comportements de type spam des numéros professionnels.

## La place de BroadNet Inference

BroadNet couvre les étapes de transcription et d’extraction avec une seule clé compatible OpenAI : [BroadNet Transcribe Arabic](https://broadrouter.com/fr/models/cohere-transcribe-arabic/) pour les messages en arabe, BroadNet Transcribe pour l’arabe et 13 autres langues, et des modèles de chat testés en arabe pour les champs du ticket. BroadNet indique pour son modèle arabe le classement suivant sur l’Open Universal Arabic ASR Leaderboard : #2 sur 37 (chiffre de septembre 2026 ; le classement en direct le plaçait #4 sur 39 le 15 novembre 2026). Le crédit de départ de $5 couvre environ 1,190 minutes d’audio en arabe.

BroadNet ne se connecte pas à WhatsApp, Telegram ou votre outil de support à votre place : la gestion des webhooks et la création des tickets relèvent de votre code ou de votre outil d’automatisation. Les appels téléphoniques posent un problème différent, avec deux interlocuteurs et de longs enregistrements : voir [transcrire les enregistrements de centre d’appels](https://broadrouter.com/fr/blog/transcribe-call-center-recordings/).

Outils gratuits sur ce sujet (en anglais)

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[Outils gratuits (en anglais)](https://broadrouter.com/tools/)

## Termes de cet article

[Speech-to-text (reconnaissance vocale)](https://broadrouter.com/fr/glossary/speech-to-text/)

Le speech-to-text, ou reconnaissance automatique de la parole (ASR), est une technologie qui convertit l’audio parlé en texte écrit. Une API speech-to-text accepte un fichier ou un flux audio et renvoie une transcription, généralement facturée à la minute d’audio. La précision se mesure avec le taux d’erreur de mots et varie selon l’accent, le dialecte et la qualité d’enregistrement.

[Token](https://broadrouter.com/fr/glossary/token/)

Un token est l’unité de texte qu’un modèle de langage lit et écrit : un mot, une partie de mot, un signe de ponctuation ou une suite d’octets produite par le tokenizer du modèle. Les API LLM comptent, limitent et facturent généralement l’usage en tokens.

[Ogg Opus](https://broadrouter.com/fr/glossary/ogg-opus/)

L’Ogg Opus est de l’audio encodé avec le codec Opus (RFC 6716) et stocké dans un conteneur Ogg (RFC 7845). Conçu pour la parole et l’audio interactif à faible débit, c’est le format qu’utilise WhatsApp pour les messages vocaux, en général sous forme de fichiers .ogg ou .opus.

[WAV](https://broadrouter.com/fr/glossary/wav/)

Le WAV (Waveform Audio File Format, ou WAVE) est un conteneur audio fondé sur le format RIFF de Microsoft et IBM. Il contient en général des échantillons PCM linéaires non compressés, d’où une taille prévisible : fréquence d’échantillonnage fois octets par échantillon fois canaux, par seconde.

[API compatible OpenAI](https://broadrouter.com/fr/glossary/openai-compatible-api/)

Une API compatible OpenAI est une API HTTP qui accepte les mêmes formats de requête et de réponse que l’API OpenAI, comme POST /v1/chat/completions. Les SDK et outils OpenAI peuvent donc l’utiliser en changeant seulement l’URL de base, la clé d’API et le nom du modèle.

[Appel d’outils (tool calling, function calling)](https://broadrouter.com/fr/glossary/tool-calling/)

L’appel d’outils, aussi appelé function calling, est une fonctionnalité des API LLM dans laquelle le modèle renvoie une demande structurée d’exécution d’une fonction définie par le développeur, avec des arguments JSON. L’application exécute la fonction et renvoie le résultat ; le modèle n’exécute jamais de code lui-même.

[Arabe dialectal (dialectal Arabic)](https://broadrouter.com/fr/glossary/dialectal-arabic/)

L’arabe dialectal est l’arabe parlé au quotidien dans une région ou une ville, comme l’égyptien, l’arabe du Golfe, le levantin ou le maghrébin. Les dialectes diffèrent de l’arabe standard moderne par les sons, les mots et la grammaire, n’ont pas d’orthographe standard et s’écrivent de plus en plus en ligne, ce qui complique la tâche des modèles de langage.

[PII (données d’identification personnelle)](https://broadrouter.com/fr/glossary/pii/)

Les PII (personally identifiable information) sont les informations permettant de distinguer ou de retrouver l’identité d’une personne, comme un nom, un numéro d’identité ou des données biométriques, et toute information qui lui est liée ou rattachable. Le RGPD parle plus largement de données personnelles. Avec les LLM, le masquage des PII les retire des prompts avant qu’ils quittent vos systèmes.

## Questions fréquentes

### Puis-je transcrire automatiquement les messages vocaux WhatsApp ?

Oui. Avec la WhatsApp Business Cloud API, chaque message vocal arrive sous forme de webhook avec un identifiant de média. Votre serveur récupère l’URL du média, télécharge le fichier avec votre jeton d’accès, le convertit et l’envoie à une API de transcription.

### Comment convertir des messages vocaux Telegram en texte ?

Votre bot reçoit un objet voice avec un file\_id. Appelez getFile, téléchargez le fichier depuis le chemin renvoyé, convertissez-le en WAV avec ffmpeg et transcrivez-le. Les bots peuvent télécharger des fichiers jusqu’à 20 Mo.

### Combien coûte la transcription des messages vocaux des clients ?

Avec BroadNet Transcribe Arabic à $0.0042 la minute, 10 000 messages de 30 secondes coûtent $21.00. Le modèle à 14 langues coûte $0.002 la minute.

### Faut-il répondre à un message vocal par un message vocal ?

En support, une courte réponse écrite fonctionne généralement mieux : le client peut la lire n’importe où et elle est consultable par recherche des deux côtés. Gardez la première réponse simple et courte.

### Dois-je conserver l’audio d’origine ?

Souvent non. La transcription suffit pour la plupart des processus de support. Si vous gardez l’audio pour des raisons de qualité ou juridiques, fixez une durée de conservation et restreignez l’accès, car la voix est une donnée personnelle.

## À lire ensuite

-   [Comptes rendus de réunion en arabe depuis l’audio : un pipeline API](https://broadrouter.com/fr/blog/arabic-meeting-minutes-from-recordings/)
-   [API speech-to-text pour l’arabe : comment la choisir en 2026](https://broadrouter.com/fr/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Transcrire les enregistrements d’un centre d’appels, arabe compris](https://broadrouter.com/fr/blog/transcribe-call-center-recordings/)
-   [Prix des API speech-to-text comparés : tarif à la minute en 2026](https://broadrouter.com/fr/blog/speech-to-text-api-pricing-compared/)
-   [Données sensibles et API LLM : masquer, minimiser, moins journaliser](https://broadrouter.com/fr/blog/llm-api-sensitive-data/)
-   [Enregistrer l’audio du navigateur, l’envoyer à une API speech-to-text](https://broadrouter.com/fr/blog/record-browser-audio-transcription-api/)
-   [Vocaliser un texte arabe avec un LLM : prompt, contrôles, DER](https://broadrouter.com/fr/blog/arabic-diacritization-llm/)
-   [Correction grammaticale et orthographique de l’arabe par LLM : guide](https://broadrouter.com/fr/blog/arabic-grammar-spelling-correction-llm/)
-   [Guide : Transcrire les messages vocaux WhatsApp en texte avec une API](https://broadrouter.com/fr/guides/transcribe-whatsapp-voice-notes/)
-   [Guide : API speech-to-text pour l’arabe, étape par étape](https://broadrouter.com/fr/guides/arabic-speech-to-text-api/)

Essayez-le sur votre vraie charge de travail. Les nouveaux comptes démarrent avec USD 5 de crédit pour Gemma et transcription. DeepSeek, GLM et Qwen3.8 nécessitent une recharge.

[Commencer](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-voice-notes-to-text-for-business&utm_content=page-cta) ·

**Sources**

-   [Meta WhatsApp Cloud API, médias (récupérer et télécharger ; consulté le 2026-11-14)](https://developers.facebook.com/documentation/business-messaging/whatsapp/business-phone-numbers/media)
-   [Telegram Bot API, getFile et Voice (consulté le 2026-11-14)](https://core.telegram.org/bots/api#getfile)
-   [Référence de l’API BroadNet Inference, transcription (en anglais)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-voice-notes-to-text-for-business&utm_content=sources)
-   [Prix lisibles par machine de BroadNet Inference (pricing.json) (en anglais)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-voice-notes-to-text-for-business&utm_content=sources)
