En Chine, la saisie vocale apprend à écrire à votre place : de la dictée au texte prêt à l'emploi

L'outil dont « tout le monde se contentait » est devenu en un an l'une des arènes les plus encombrées de l'IA chinoise. Entre novembre 2025 et mai 2026, au moins trois nouveaux claviers IA de grands acteurs ont vu le jour, et WeChat a ajouté à sa saisie la fonction « 隔空傳送 » (« transmission par les airs »). Le principal front est désormais la saisie vocale, et le pari repose sur un changement de tâche : le système n'écoute plus les mots, mais l'intention de l'utilisateur, et renvoie aussitôt un texte prêt à l'emploi.

Chronologie : quatre lancements en sept mois

Le compte à rebours commence à l'automne 2025. Voici ce que l'on sait du déroulé :

• Doubao Input : lancé en novembre 2025. Doubao est l'assistant IA de ByteDance, et le clavier lui offre un nouveau point d'entrée sur le téléphone.
• Saisie IA de Zhipu pour le poste de travail : décembre 2025. Zhipu est connue comme développeur de ses propres grands modèles, et elle a visé non pas le mobile, mais le poste de travail.
• Saisie vocale de Qianwen : mai 2026. Qianwen est la marque d'IA grand public de l'écosystème Alibaba, et l'accent est cette fois mis sur la voix.
• Saisie WeChat avec la fonction « 隔空傳送 » : un outil pour transférer rapidement ce que l'on a saisi d'un appareil à l'autre. Il s'appuie sur l'immense audience de la messagerie.

Les lancements s'enchaînent presque sans pause, à raison d'un tous les un à deux mois. Pour un marché qui évoluait auparavant sur des années, le rythme est très rapide.

Pourquoi le clavier est devenu une tête de pont stratégique

Le clavier se trouve au début de presque tous les scénarios d'usage : message, e-mail, requête de recherche, note, prompt pour un chatbot. Celui qui contrôle cette couche voit l'intention de l'utilisateur avant n'importe quelle application et peut intégrer le modèle au moment même où le texte est créé. Pour une entreprise qui possède son propre LLM, c'est le chemin le plus court entre le modèle et l'habitude quotidienne : inutile de demander à l'utilisateur d'ouvrir un chat à part.

La voix amplifie l'effet. La dictée classique est entrée dans les mœurs depuis longtemps, mais elle exige des corrections : on parle avec des pauses, des répétitions, des lapsus, et on saute d'une idée à l'autre. La nouvelle génération de saisies IA prend ce travail en charge. L'utilisateur énonce l'essentiel, par exemple « écris à mon collègue que la réunion est reportée à jeudi, et excuse-moi », et reçoit un message soigné, sur le ton voulu. La transcription devient génération ; la qualité ne dépend donc plus seulement de la reconnaissance vocale, mais aussi d'un modèle de langage qui comprend le contexte et le style.

Ce que cela change pour le marché

Ce schéma a aussi ses points faibles. Générer au lieu de transcrire signifie que le système peut reformuler les propos autrement que ne le voulait l'auteur. Se pose alors une question de confiance : dans quelle mesure le texte final rend-il fidèlement la pensée, et où passe la frontière entre aide et substitution ? Le second problème concerne les données. La saisie voit tout ce que la personne écrit et dit ; le traitement sur l'appareil ou dans le cloud devient donc, pour les claviers, aussi important que la précision de la reconnaissance.

Par ailleurs, la concurrence ne se joue pas sur un seul axe. Doubao et Qianwen sont liés aux écosystèmes de leurs assistants IA, Zhipu a choisi le poste de travail, tandis que WeChat exploite le lien entre appareils et son audience intégrée. Le gagnant sera, selon toute vraisemblance, celui qui réunira le mieux la qualité du modèle, la rapidité de réponse et la commodité dans les applications du quotidien.

Que regarder au moment de choisir

Si vous testez ces saisies, vérifiez trois points. Premièrement : comment le système se comporte avec une parole qui mélange plusieurs langues et des termes professionnels. Deuxièmement : peut-on afficher rapidement la transcription d'origine à côté du texte final, afin de repérer les déformations. Troisièmement : où la voix est traitée et ce qui est conservé. Pour les équipes et les entreprises qui développent des produits à base de LLM, la conclusion est plus simple : le point où le modèle rencontre l'utilisateur au moment de la création du texte s'est révélé aussi précieux que la fenêtre de chat, et la concurrence n'y fait que commencer.