Mis à jour le 2 septembre 2026 · Par Sumbat.T

Mots par minute à l’oral : ce que la recherche a vraiment mesuré

Il y a un chiffre qui apparaît dans presque chaque article sur le débit de parole, dans la plupart des guides de présentation, et dans le résumé IA que Google affiche au-dessus des résultats de recherche : 150 mots par minute. Il est répété si régulièrement qu’il a la texture d’un fait.

Il n’est pas exactement faux. Mais ce n’est pas non plus une mesure, et la recherche qui a mesuré soigneusement la parole conversationnelle est arrivée ailleurs. Ce texte pose d’où vient réellement chaque chiffre sur ce sujet, lesquels ont une étude et une taille d’échantillon derrière eux, et lesquels sont du folklore copié assez longtemps entre sites pour paraître autoritaire.

La raison pratique de s’y intéresser est l’écart entre parler et taper. Quel que soit le chiffre que vous acceptez pour la parole, il est plusieurs fois plus rapide que quiconque ne tape, et cette différence est toute la base des logiciels de dictée. Elle est aussi régulièrement surestimée, donc la seconde moitié de ce texte porte sur ce que l’écart vaut vraiment une fois la composition et la correction prises en compte.

Ce qui a vraiment été mesuré : 196 mots/min, et 236 sans les pauses

La mesure la plus soignée du débit de parole conversationnel en anglais vient d’un article Interspeech de 2006 de Jiahong Yuan, Mark Liberman et Christopher Cieri à l’University of Pennsylvania et au Linguistic Data Consortium. Ils ont utilisé la version du corpus Switchboard anglais corrigée et alignée à l’ICSI, comprenant 2 438 conversations, ce qui signifie que chaque mot a un horodatage plutôt qu’une transcription posée approximativement sur un fichier audio.

Cet alignement est ce qui rend l’étude utile, parce qu’il permet de calculer le débit de parole de deux façons et de voir à quel point la définition compte. Dans les propres mots des auteurs : additionner le nombre de mots prononcés par les deux participants et diviser par le temps total écoulé des conversations donne « an overall average rate of 196 words per minute ». Utiliser les alignements pour exclure les silences et les bruits non vocaux donne « an average net speaking rate of 236 WPM ».

La distance entre ces deux chiffres est la partie intéressante. Environ 40 mots par minute, à peu près un cinquième du total, est du silence : respirer, réfléchir, attendre l’autre, les petits écarts qui font que la parole sonne comme de la parole plutôt que comme une récitation. Les deux chiffres décrivent les mêmes enregistrements. Ils ne diffèrent que selon que les pauses comptent ou non.

Le même article a trouvé deux effets plus petits qui valent la peine d’être connus. Les hommes parlaient un peu plus vite que les femmes, d’environ 4 à 5 mots par minute ou à peu près 2 %, une différence bien plus petite que le stéréotype ne le laisse croire. Les locuteurs plus âgés étaient plus lents. Et le sujet de conversation déplaçait la moyenne de façon significative : sur les sujets de discussion assignés dans le corpus, le débit moyen allait de 152 mots/min à près de 170 mots/min, donc ce dont vous parlez change la vitesse à laquelle vous en parlez.

D’où viennent les 150 mots/min, et à quoi ils servent

Le chiffre de 150 mots/min est réel, au sens où il apparaît vraiment là où les gens disent qu’il apparaît. Le National Center for Voice and Speech, une organisation de recherche respectable, affirme sur une page tutoriel que le débit moyen de parole des anglophones aux États-Unis est d’environ 150 mots par minute. C’est la source que presque tout le monde cite en bout de chaîne, qu’on le sache ou non.

Ce que cette page n’inclut pas, c’est une taille d’échantillon, une méthodologie, un corpus, ou une citation vers une étude. C’est une règle empirique offerte dans un contexte éducatif, et une règle parfaitement sensée. Ce n’est simplement pas le même type d’objet qu’une mesure de corpus sur 2 438 conversations alignées, et les deux sont cités de façon interchangeable comme s’ils l’étaient.

Il y a aussi une bonne raison pour laquelle 150 semble juste aux gens, et il vaut mieux le dire clairement plutôt que de traiter le chiffre comme simplement faux. Les présentations sont plus lentes que les conversations. Quand vous parlez à un public, vous marquez des pauses pour souligner, vous ralentissez sur les passages qui comptent, et vous laissez de la place pour suivre. Quelque part autour de 130 à 150 mots/min est un rythme confortable pour un exposé préparé. Le chiffre est un bon conseil pour la situation dont il vient. L’erreur est de le généraliser de la tribune au téléphone.

Un autre ensemble de chiffres mérite du scepticisme. Cherchez le débit de parole et vous trouverez des tableaux assurés donnant des chiffres séparés pour la narration de livres audio, le podcasting, les informations radiodiffusées et les commissaires-priseurs. Ces tableaux se contredisent d’un site à l’autre, et aucun de ceux qui circulent largement ne cite une étude. Ils semblent être du folklore qui se propage entre blogs. Le seul chiffre solidement mesuré dans ce territoire est la lecture à voix haute à 183 mots/min, d’après une méta-analyse de Marc Brysbaert de 2019 couvrant 77 études et 5 965 participants, un ancrage raisonnable pour toute livraison scriptée.

L’autre moitié de la comparaison : frappe à 51,6 mots/min

Le côté frappe de cette comparaison est sur un terrain bien plus ferme, parce que quelqu’un a mené la plus grande étude jamais tentée sur la question. En 2018, Vivek Dhakal, Anna Feit, Per Ola Kristensson et Antti Oulasvirta ont publié « Observations on Typing from 136 Million Keystrokes » à CHI, sur la base de 168 000 volontaires de plus de 200 pays.

Le chiffre phare est une moyenne de 51,56 mots par minute, avec un écart type de 20,20. La plage allait de 4 à 158 mots/min, et les participants les plus rapides atteignaient environ 120 mots/min. Comme pour la parole, la dispersion est l’histoire : la moyenne ne décrit presque personne, et la différence entre un dactylo lent et un dactylo rapide est bien plus grande que celle entre un locuteur lent et un locuteur rapide.

Deux résultats de cette étude valent d’être répétés parce qu’ils contredisent ce que la plupart des gens supposent. Le premier : la formation formelle comptait à peine. Les participants ayant suivi un cours de dactylographie performaient de façon très similaire à ceux qui n’en avaient jamais suivi, malgré l’usage de davantage de doigts chez le groupe formé. Le second : ce qui séparait vraiment le groupe rapide, c’était le rollover, le chevauchement d’une frappe avec la suivante. Les dactylos rapides ne bougeaient pas tellement les doigts plus vite qu’ils ne les faisaient tourner en parallèle.

Le chiffre mobile vient d’une étude companion, « How do People Type on Mobile Devices? », couvrant 37 370 volontaires. Elle a trouvé une moyenne de 36,2 mots/min avec 2,3 % d’erreurs non corrigées, plus de 74 % des gens tapant avec les deux pouces, ce qui était significativement plus rapide que toute autre technique. Les dactylos mobiles les plus rapides avaient entre 10 et 19 ans, ce qui ne surprendra personne qui a vu un adolescent envoyer un texto.

Alors, de combien la parole est-elle plus rapide ? Environ trois à quatre fois

Mettez les deux côtés ensemble et l’arithmétique est simple. Face au chiffre conversationnel de 196 mots/min, la parole tourne à peu près 3,8 fois plus vite que le clavier physique moyen et environ 5,4 fois plus vite qu’un clavier de téléphone. Face à la convention plus conservatrice de 150 mots/min, on est plus proche de 2,9 fois.

Ce sont toutefois des comparaisons approximatives entre études séparées, et un meilleur chiffre existe. En 2016, une équipe de Stanford, Baidu et de l’University of Washington a mené la comparaison correctement : mêmes personnes, même tâche, les deux méthodes d’entrée. Sherry Ruan, Jacob Wobbrock, Kenny Liou, Andrew Ng et James Landay ont fait saisir à 32 participants de courts messages sur un iPhone 6 Plus, à la voix et au clavier, et ont mesuré les deux.

Il y a un détail dans cette étude que presque chaque article qui la cite présente mal, et il vaut mieux le dire clairement. Le clavier battu trois contre un était un clavier tactile de smartphone, pas un clavier physique, et la tâche était de transcrire de courts messages plutôt que de composer un texte original. L’article est souvent cité sous son titre de travail d’origine, « Speech Is 3x Faster than Typing », ce qui invite à le lire comme une affirmation sur la frappe bureau en général. Ce n’est pas ça. Le résultat est solide et l’étude est bonne ; le périmètre est plus étroit que le titre ne le suggère.

L’écart, en pratique

Tapez à la vitesse à laquelle vous parlez

BlabbyAI transforme la parole en texte dans n’importe quelle application Windows avec Ctrl+Espace, ou dans n’importe quel onglet de navigateur via l’extension Chrome. Whisper large v3 turbo, pas d’entraînement vocal, pas de facturation à la minute. 60 crédits par semaine gratuits, sans carte.

Add BlabbyAI to Chrome

Pourquoi la dictée ne semble pas trois fois plus rapide en pratique

Quiconque a vraiment utilisé la dictée pour du vrai travail a remarqué qu’elle ne livre pas un 3x propre. L’explication honnête a deux parties, et les comprendre est ce qui sépare les gens qui tirent de la valeur de la dictée de ceux qui l’essaient une semaine et s’arrêtent.

La première est la composition. Transcrire un texte déjà existant est une tâche différente de décider quoi dire, et l’écart est énorme dans les deux modalités. Une étude IBM de 1999 de Karat et collègues a mesuré les utilisateurs de clavier autour de 33 mots/min en transcrivant, mais seulement 19 mots/min en composant. Le goulot d’étranglement passe des doigts à la tête. Si vous regardez un document vide en décidant ce que vous pensez, la dictée ne peut pas vous faire penser plus vite, et le débit d’entrée cesse d’être le facteur limitant.

La seconde est la correction. Chaque erreur que vous corrigez mange le temps que vous avez gagné. C’est là que la reconnaissance vocale moderne a le plus changé l’arithmétique, parce que les chiffres de 1999 venaient d’une époque où dicter voulait dire entraîner un profil vocal pendant vingt minutes et corriger en permanence. Les modèles d’aujourd’hui n’ont besoin d’aucun entraînement. Mais le principe tient : la vitesse que vous obtenez est la vitesse d’entrée moins le nettoyage, et le nettoyage dépend du micro, de l’accent et du bruit de fond dans lequel vous travaillez.

Une note sur la précision, parce que les chiffres marketing sont optimistes

La précision de la reconnaissance vocale est en général citée comme un taux d’erreur de mots, et le chiffre qui circule tourne autour de 2 %. Ce chiffre est réel, mais il vient de LibriSpeech test-clean, un benchmark de passages de livres audio lus clairement dans de bonnes conditions. C’est le cas facile, par conception.

Sur les jeux de données mixtes de l’Open ASR Leaderboard, le Whisper large-v3 d’OpenAI affiche en moyenne un taux d’erreur de mots de 7,44. Sur AMI, un corpus d’enregistrements de réunions réelles avec locuteurs qui se chevauchent et bruit de salle, le même modèle atteint 15,95. Donc un seul pourcentage de précision ne dit presque rien sans savoir sur quoi il a été mesuré, et quiconque cite 99 % de précision cite le meilleur cas.

La bonne nouvelle pour la dictée spécifiquement, c’est que la dictée est proche du cas facile. Une personne, qui parle délibérément, dans un micro près de la bouche, dans une pièce qu’elle a choisie. C’est bien plus proche du benchmark livre audio que de celui de la salle de réunion, c’est pourquoi la précision de dictée en pratique tend à être bonne et pourquoi la précision est rarement ce qui fait abandonner.

Le résultat qui recentre toute la question : 39 bits par seconde

Une étude de plus vaut la peine d’être connue, parce qu’elle suggère que les mots par minute sont une chose un peu étrange à mesurer pour commencer.

En 2019, Christophe Coupé, Yoon Mi Oh, Dan Dediu et François Pellegrino ont publié un article dans Science Advances examinant 17 langues de 9 familles, avec 170 locuteurs natifs adultes et environ 240 000 syllabes. Ils ont mesuré deux choses : à quelle vitesse les gens produisent des syllabes, et combien d’information chaque syllabe porte.

Le débit syllabique variait énormément, de 4,3 à 9,1 syllabes par seconde selon la langue et le locuteur. Mais les langues parlées rapidement se sont avérées porter moins d’information par syllabe, et les plus lentes davantage. Les deux effets s’annulaient. Le taux d’information réellement transmis aboutissait à environ 39 bits par seconde sur les 17 langues, avec un écart type de seulement 5,1.

Combler l’écart : dictée sous Windows et dans le navigateur

Si les chiffres ci-dessus plaident pour parler plutôt que taper, la question pratique est ce qui tape réellement les mots. BlabbyAI est construit exactement pour le cas que cet article décrit : non pas transcrire un enregistrement après coup, mais remplacer le clavier pendant que vous travaillez.

Sous Windows, c’est une app de bureau avec un raccourci global. Appuyez sur Ctrl+Espace dans n’importe quelle application, parlez, appuyez à nouveau, et le texte apparaît dans le champ où se trouve le curseur. Ça marche dans Word, dans Slack, dans un onglet de navigateur, dans un IDE, dans un système de dossiers médicaux, partout où Windows accepte des caractères tapés. La transcription tourne sur Whisper large v3 turbo, qui gère ponctuation et majuscules sans qu’on le lui dise, et il n’y a pas de profil vocal à entraîner avant de commencer.

Le panneau des raccourcis. Ctrl+Espace par défaut, et vous pouvez lier d’autres touches à des modes spécifiques.

Le second produit est une extension Chrome, et ce n’est pas une version moindre du premier. C’est la bonne réponse pour un portable de travail verrouillé où vous ne pouvez pas installer de logiciel de bureau, pour un Chromebook, et pour quiconque sur macOS. Elle fait le même travail dans le navigateur, ce qui pour beaucoup de gens est de toute façon là où se passe l’essentiel de la frappe : Gmail, Google Docs, Notion, Linear, un CRM, une file de support.

La fonctionnalité qui compte le plus pour le problème de composition décrit plus haut, ce sont les modes personnalisés. Un mode est une instruction en français clair appliquée à ce que vous avez dit, donc au lieu de vous transcrire mot pour mot, il peut nettoyer les hésitations, restructurer une idée décousue en puces, ou formater la même phrase parlée comme un e-mail formel dans un mode et un court message Slack dans un autre. Ça vise directement l’écart entre parler vite et produire un texte utilisable, qui est le vrai goulot d’étranglement plutôt que le débit brut de mots.

Un mode personnalisé s’écrit comme une instruction, pas comme une macro programmée.

Côté prix, l’offre gratuite est de 60 crédits par semaine, soit environ 2 000 mots de transcription et assez pour savoir si la dictée convient à votre façon de travailler. L’usage illimité est à 8,49 $ par mois. Il n’y a pas de facturation à la minute, parce que c’est un outil de dictée plutôt qu’un service de transcription.

Quoi d’autre est disponible, et ce que ça coûte

Les logiciels de dictée forment désormais une catégorie assez remplie, et les options se divisent assez clairement par plateforme et par prix. L’option intégrée gratuite vaut vraiment d’être essayée en premier, parce que si la simple transcription est tout ce dont vous avez besoin, vous l’avez déjà.

Outil	Prix	Plateforme	Notes
BlabbyAI	Offre gratuite, puis 8,49 $/mois	App Windows + extension Chrome	Whisper large v3 turbo, modes personnalisés, Ctrl+Espace
Windows Win+H	Gratuit, intégré	Windows 11 et 10	Illimité, mais sans vocabulaire ni contrôle du formatage
Wispr Flow	Offre gratuite, puis 15 $/mois	macOS, Windows, mobile	L’offre gratuite plafonne à 2 000 mots par semaine
Superwhisper	Offre gratuite, Pro 8,49 $/mois	macOS, Windows, iOS	Peut exécuter des modèles en local
Dragon Professional v16	Sur devis uniquement, pas de prix publié	Windows	Vendu via une conversation commerciale

La dictée Windows sur Win+H est gratuite, illimitée et déjà installée, et pour de la transcription directe elle est correcte. Ce qu’elle ne vous donne pas, c’est le contrôle sur la sortie : pas de vocabulaire personnalisé pour les termes que vous utilisez toute la journée, pas de règles de formatage, et aucun moyen de transformer ce que vous avez dit plutôt que de simplement le transcrire. C’est la ligne entre l’outil intégré et un outil payant, et ça vaut le test avant de dépenser quoi que ce soit.

Dictée Windows sur Win+H. Gratuite et illimitée, mais les mots arrivent bruts.

Comment mesurer votre propre débit, et quoi en faire

Chaque chiffre de cet article est une moyenne sur d’autres personnes. Votre propre débit est plus utile, et il faut deux minutes pour le trouver.

Parlez pendant une minute de quelque chose que vous devez vraiment écrire, pas d’un passage préparé, et comptez les mots. Puis tapez le même contenu pendant une minute et comptez ceux-là. Le rapport entre les deux est votre version personnelle de la comparaison dont parle tout cet article, et il sera plus informatif que 196 contre 51,6, parce qu’il inclut votre accent, votre clavier, votre sujet et vos habitudes.

• Mesurez la parole spontanée, pas la lecture. La lecture à voix haute a son propre benchmark, 183 mots/min, et elle est plus rapide et plus régulière que d’élaborer une idée en parlant.
• Comptez une minute complète. La parole vient par rafales, et un échantillon de dix secondes vous flatte ou vous pénalise selon où tombent les pauses.
• Faites-le sur du vrai travail. Le débit qui compte est celui que vous atteignez sur les vrais e-mails, notes et documents que vous produisez, pas sur un passage choisi pour être facile à dire.

Si l’écart que vous trouvez est grand et que l’essentiel de ce que vous écrivez est du contenu que vous savez déjà vouloir dire, la dictée se rentabilisera vite. Si vous passez l’essentiel de votre temps d’écriture à décider ce que vous pensez, le gain sera plus petit et viendra d’ailleurs : sortir plus vite une première version brouillonne de votre tête, et la ranger ensuite.

Questions fréquentes

Sources

• Yuan, J., Liberman, M. and Cieri, C. (2006). Towards an Integrated Understanding of Speaking Rate in Conversation. Interspeech 2006. Les chiffres 196 et 236 mots/min, issus de 2 438 conversations Switchboard alignées mot à mot.
• Dhakal, V., Feit, A., Kristensson, P.O. and Oulasvirta, A. (2018). Observations on Typing from 136 Million Keystrokes. CHI 2018. 168 000 participants, moyenne 51,56 mots/min.
• Palin, K., Feit, A., Kim, S., Kristensson, P.O. and Oulasvirta, A. (2019). How do People Type on Mobile Devices? MobileHCI 2019. 37 370 participants, moyenne 36,2 mots/min.
• Ruan, S., Wobbrock, J.O., Liou, K., Ng, A. and Landay, J. (2016). Comparing Speech and Keyboard Text Entry for Short Messages in Two Languages on Touchscreen Phones. La comparaison contrôlée parole contre clavier à 2,93×.
• Coupé, C., Oh, Y.M., Dediu, D. and Pellegrino, F. (2019). Different languages, similar encoding efficiency. Science Advances. 17 langues, ~39 bits par seconde.
• Brysbaert, M. (2019). How many words do we read per minute? A review and meta-analysis of reading rate. Journal of Memory and Language. Lecture orale à 183 mots/min.
• National Center for Voice and Speech, Voice Qualities tutorial. La source de la convention des 150 mots/min.
• OpenAI, Whisper large-v3 model card. Chiffres de taux d’erreur de mots.

Pour aller plus loin sur la transformation de l’avantage de débit de parole en logiciel qui marche, logiciel de dictée est l’aperçu de la catégorie, Windows speech to text couvre le côté bureau, et l’extension Chrome couvre la dictée dans le navigateur.