L'ESSENTIEL EN 30 SECONDES

  • SOV-Transcribe-1, publié le 12 novembre 2026, transcrit l'anglais, le français, l'allemand, l'espagnol, l'italien, le portugais et le néerlandais.
  • Ce modèle à mélange d'experts compte 26,6 milliards de paramètres, dont 4,6 milliards actifs par token, et il est distribué sous licence Apache 2.0.
  • Il affiche un taux d'erreur de 2,28 % sur l'indice d'Artificial Analysis, le meilleur parmi les modèles ouverts ; la plupart des autres chiffres viennent de Salesforce.

Salesforce fait son entrée parmi les éditeurs de modèles vocaux ouverts avec SOV-Transcribe-1, un modèle de reconnaissance automatique de la parole dont les poids ont été mis en ligne sur Hugging Face le 12 novembre 2026. Conçu par l'équipe Sovereign Intelligence de l'entreprise, il est publié sous la licence permissive Apache 2.0. Le qualificatif « souverain » renvoie à son principal argument : une organisation peut le télécharger et l'exécuter sur ses propres serveurs, sans confier ses enregistrements à un service de transcription extérieur.

Ce que contient le modèle

SOV-Transcribe-1 associe un encodeur audio dérivé de Whisper large-v3, d'OpenAI, à un décodeur de texte fondé sur Gemma 4 26B A4B, un modèle à mélange d'experts de Google. L'ensemble totalise 26,6 milliards de paramètres, dont environ 4,6 milliards sont sollicités pour chaque token. Sept langues sont prises en charge : anglais, français, allemand, espagnol, italien, portugais et néerlandais.

Le modèle traite des fichiers enregistrés d'une durée maximale de 30 minutes, échantillonnés à 16 kHz ; il ne transcrit pas les flux en direct. On peut lui indiquer en langage courant si l'on veut une transcription mot à mot, hésitations comprises, ou un texte plus propre. Il accepte aussi des glossaires ou un bref résumé du sujet afin de restituer correctement noms propres et termes techniques, sans réentraînement. Il s'utilise avec Hugging Face Transformers ou avec vLLM grâce à un module d'extension, et un petit modèle auxiliaire est proposé pour accélérer le décodage.

Des performances à relativiser

Sur l'indice de taux d'erreur par mot du cabinet indépendant Artificial Analysis, SOV-Transcribe-1 obtient 2,28 %. Il se classe ainsi premier des modèles à poids ouverts et septième au total, services propriétaires compris, selon TokenPost et CASRAI. Les mêmes comparaisons situent Nemotron 3.5 Transcribe, de Nvidia, et Voxtral Small, de Mistral, autour de 2,8 %. Salesforce met aussi en avant des résultats sur un test de centre d'appels couvrant 14 accents anglais et sur un banc d'essai de reconnaissance d'entités ; ces chiffres émanent de l'entreprise et n'ont pas été vérifiés de façon indépendante.

Contexte et questions ouvertes

Salesforce rattache ce lancement à Missionforce, sa division destinée aux administrations et à la sécurité nationale, créée en septembre 2025. Même si seule une fraction des paramètres est active à la fois, les 26,6 milliards doivent être chargés en mémoire : une exécution locale exige donc des GPU bien dotés. La précision réelle sur des enregistrements bruyants ou très spécialisés ne sera connue qu'à l'usage, lorsque des utilisateurs extérieurs l'auront testé.