Voxtral 3 de Mistral : 0,21 $ l'heure de réunion transcrite, mais pas encore pour vos vraies réunions

Voxtral 3 réunit cinq briques, détaillées dans l'annonce de Mistral. Les trois premières écoutent, la quatrième parle, la cinquième fait les deux.

• Voxtral Small Transcribe 3, le plus précis, pour les fichiers audio : il indique qui a parlé et quand (la diarisation) et accepte une liste de termes clés, noms de clients, de produits ou sigles maison, pour mieux les reconnaître (le biais contextuel). 0,004 $ la minute.
• Voxtral Mini Transcribe 3, 4 milliards de paramètres, les mêmes fonctions de transcription de fichiers pour un prix plus bas : 0,0035 $ la minute.
• Voxtral Mini Transcribe Realtime 3, la transcription en direct, avec un délai réglable de 80 millisecondes à 2,4 secondes (plus il est court, plus les erreurs augmentent, selon les mesures de Mistral), dans 45 langues et dialectes selon la documentation : 0,008 $ la minute.
• Voxtral Mini TTS 3, la voix de synthèse : elle règle l'émotion, le débit et l'accentuation, et peut copier une voix à partir d'un court enregistrement, ou plus fidèlement (« Pro Voice ») à partir de 30 minutes d'audio, selon Mistral. 13 $ le million de caractères.
• Un kit pour assistants vocaux, bâti sur LiveKit, qui enchaîne l'écoute, le raisonnement et la réponse parlée, au téléphone ou sur le web. L'API d'agent vocal de Mistral est facturée 0,04 $ la minute avec Mistral Small 4 pour le raisonnement, 0,08 $ avec un modèle plus grand.

La transcription couvre 50 langues, dont les 24 langues officielles de l'Union européenne selon Mistral, qui dit obtenir avec Small des résultats « à l'état de l'art », y compris en français. Sur le test FLEURS (45 langues), il annonce 4,0 à 4,1 % de mots erronés pour Small, à égalité avec Microsoft AI Transcribe 2, contre 5,6 à 6,3 % pour GPT Transcribe d'OpenAI et 14,9 à 16 % pour Whisper large-v3, un modèle ouvert plus ancien du même éditeur : ce sont ses propres mesures. Le classement indépendant d'Artificial Analysis, relevé le 22 octobre 2026, place Small 3e (2,1 % de mots erronés) et Mini 5e (2,2 %), derrière Fun-Realtime-ASR-preview d'Alibaba Cloud (1,7 %) et MAI-Transcribe-2 de Microsoft (2,0 %), le « Microsoft AI Transcribe 2 » des graphiques de Mistral. Ces deux modèles y sont aussi affichés moins chers : 2,82 $ et 1,67 $ les 1 000 minutes, contre 3,50 $ pour Mini et 4 $ pour Small.

Trois limites à connaître. Les poids ne sont pas publiés : Next indique qu'aucune version ouverte n'a été annoncée, et la documentation range ces modèles parmi les modèles « Premier » de Mistral, alors que des versions précédentes, Voxtral Small (25.07) et Voxtral Mini Transcribe Realtime (26.02), sont sous licence Apache 2.0. Pour installer Voxtral 3 sur vos serveurs ou dans un cloud privé, Mistral invite à contacter son équipe. La documentation précise aussi que l'horodatage se fait par segment, pas mot à mot. Enfin, elle affiche les quatre modèles en « Public Preview », c'est-à-dire en préversion publique, ce qui change tout pour vos données (voir les précautions).

Les prix publics de l'API se comptent à la minute d'audio, en dollars. Quelques calculs, faits par nous à partir de la grille de Mistral, au prix du point d'accès par défaut :

• Une réunion d'une heure : 0,21 $ avec Mini, 0,24 $ avec Small.
• Un comité de direction d'1 h 30 chaque semaine pendant un an, soit 52 réunions et 78 heures : 16,38 $ avec Mini, 18,72 $ avec Small.
• Quarante rendez-vous clients de 45 minutes dans le mois, soit 30 heures : 6,30 $ avec Mini.
• Une heure de transcription en direct : 0,48 $.
• Un texte de 10 000 caractères lu par la voix de synthèse : 0,13 $.

Sur ses points d'accès régionaux, dont l'européen, Mistral facture les tokens 10 % plus cher, sans préciser si c'est aussi le cas pour la minute d'audio. La transcription n'est que la première étape. Le compte rendu, la liste des actions ou la fiche client sont rédigés ensuite par un modèle de langage, facturé à part, au volume de texte. Le vrai coût d'un projet tient dans la mise en place et la relecture, pas dans la minute d'audio.

Ce sont des pistes, pas des fonctions que nous avons testées pour vous : les modèles viennent de sortir. Tant que dure la préversion, préparez-les avec des enregistrements fictifs, puis passez aux vrais quand Voxtral 3 en sera sorti. Dans chaque cas, l'IA prépare et une personne valide.

• Le compte rendu de la réunion d'équipe ou du comité de direction, intervenant par intervenant, puis un résumé et la liste des actions. Vous gardez la main sur les décisions consignées et sur ce qui est diffusé.
• Le rendez-vous de découverte avec un client, en visio ou au téléphone, s'il a accepté l'enregistrement au début de l'échange : besoins, objections et prochaines étapes, prêts à entrer dans le CRM. S'il refuse, prenez des notes. Vous gardez la main sur ce qui est inscrit dans la fiche client.
• Les notes vocales du terrain : le technicien ou le commercial dicte en sortant d'un chantier ou d'un rendez-vous, le texte arrive dans le bon dossier. Vous gardez la main sur la validation du rapport.
• Les vidéos de formation interne et les webinaires : transcription, sous-titres calés sur les segments, puis un article ou une fiche pratique. Vous gardez la main sur les termes techniques et les chiffres.
• Le savoir-faire d'un expert avant son départ : quelques heures d'entretien transcrites, puis rangées dans une base de connaissances. Vous gardez la main sur ce qui est exact et à jour.
• Les réunions avec une filiale ou un fournisseur à l'étranger : transcription dans la langue parlée, puis traduction par un modèle de langage. Vous gardez la main sur la version qui fait foi.
• Les appels du service client, pour former l'équipe et améliorer la qualité : sur une partie des appels seulement, jamais tous, avec une annonce en début d'appel et le droit de s'y opposer (voir les précautions). Vous gardez la main sur l'évaluation des salariés, qui reste humaine.
• Le message d'accueil du standard ou la voix d'un module de formation, avec la voix de synthèse. Vous gardez la main sur la voix choisie : jamais celle d'une personne sans son accord écrit, pour un usage et une durée précis.

Dans tous ces cas, fournissez la liste de vos noms de produits, de clients et de sigles : c'est le biais contextuel. Sur un test tiré de conférences de résultats financiers, Mistral annonce que Small retrouve 94,6 % des termes clés avec cette liste, contre 81,4 % sans.

Voxtral 3 est d'abord une brique pour développeurs. Pour une PME, trois portes :

• Pour essayer : les bacs à sable (« playgrounds ») de Mistral Studio permettent de tester la transcription, la voix de synthèse, le clonage de voix et les assistants vocaux, selon l'annonce. Pendant la préversion, avec des enregistrements fictifs. D'après les conditions de Mistral pour les particuliers de l'Espace économique européen, Studio et l'API sont réservés aux clients professionnels.
• Pour s'en servir chaque semaine : une automatisation, par exemple avec n8n ou Make. Un enregistrement déposé dans un dossier part vers l'API de Voxtral, la transcription passe à un modèle de langage qui rédige le compte rendu, et le résultat arrive par e-mail ou dans votre outil. Rien à installer sur les postes des salariés.
• Dans Mistral Vibe (ex-Le Chat) : la page des tarifs de Mistral décrit un mode vocal pour enregistrer ou déposer un fichier audio, obtenir une transcription, poser des questions ou générer un résumé. Mistral ne précise pas s'il fonctionne avec Voxtral 3. Pour un usage professionnel, souscrivez au nom de l'entreprise : ce sont alors les conditions commerciales de Mistral qui s'appliquent, quand les conditions grand public de Vibe ne visent, dans l'Espace économique européen, que l'usage personnel. Avec Team, un administrateur peut couper l'entraînement pour toute l'organisation ; avec Enterprise, il est coupé par défaut.

Votre outil de visioconférence transcrit peut-être déjà vos réunions dans votre abonnement : vérifiez-le d'abord. Voxtral 3 prend son intérêt pour ce qui se passe hors visio (téléphone, terrain, vidéos), pour les gros volumes, ou quand vous voulez un éditeur européen et un traitement en Europe.

1. Prévenez avant d'enregistrer. Une voix est une donnée personnelle, et sa transcription aussi. Participants à une réunion, clients au téléphone : dites-leur avant qui enregistre, pourquoi, qui reçoit l'audio, combien de temps il est gardé et comment s'y opposer (RGPD, article 13). Pour vos salariés, la base est en général l'intérêt légitime de l'entreprise, pas leur consentement, rarement libre au travail. Jamais d'enregistrement ni de transcription en direct à l'insu des personnes : capter sans leur accord des paroles privées ou confidentielles est un délit (Code pénal, article 226-1).
2. Informez vos salariés et, dès 50 salariés, consultez le CSE. Aucune information concernant personnellement un salarié ne peut être collectée par un dispositif qui n'a pas été porté préalablement à sa connaissance (Code du travail, article L. 1222-4), quel que soit l'effectif. Dans une entreprise d'au moins 50 salariés, le CSE est informé et consulté avant la décision de mettre en place un outil qui permet de contrôler l'activité des salariés, ou une nouvelle technologie (articles L. 2312-38 et L. 2312-8). Un test sur de vrais enregistrements peut déjà compter : consultez avant. Enfin, l'outil doit être justifié par la tâche et proportionné au but recherché (article L. 1121-1).
3. Méfiez-vous de la préversion. La documentation de Mistral classe Voxtral 3 en « Public Preview ». Or ses conditions commerciales (version du 25 septembre 2026, articles 4.2 et 4.3) l'autorisent à entraîner ses modèles avec les données et les résultats des modèles en préversion, et précisent que le refus d'entraînement et la conservation zéro choisis pour ses autres produits ne s'y appliquent pas. Mistral l'écrit lui-même : si vous ne voulez pas que vos données servent à l'entraînement, n'utilisez pas ces modèles. Tant que dure la préversion, n'y envoyez ni vraies réunions ni appels de clients : testez avec des enregistrements fictifs, par exemple une réunion jouée sur un sujet inventé par des volontaires prévenus de cette réutilisation, sauf accord écrit différent avec Mistral.
4. Après la préversion, coupez l'entraînement et demandez la conservation zéro. Le contrat de sous-traitance de Mistral (version du 27 juillet 2026, article 2.3) l'autorise à entraîner ses modèles avec vos données, pour son propre compte, sauf si vous l'avez refusé. Sans ce refus, vos enregistrements serviraient aussi à Mistral, et il faudrait le dire et le justifier aux personnes enregistrées. Dans Studio, désactivez l'option « Anonymous improvement data » du menu Privacy avant le premier envoi. Le réglage de Vibe est distinct : coupez les deux. Les réponses que vous notez d'un pouce levé ou baissé servent, elles, à l'entraînement dans tous les cas : n'en laissez pas sur de vrais enregistrements. Sur les offres payantes, Mistral peut aussi accorder une conservation zéro des données (« ZDR ») sur la transcription (/v1/audio/transcriptions) et la voix de synthèse (/v1/audio/speech), sur demande motivée et après examen. Elle ne couvre ni les fichiers déposés sur la plateforme, ni les traitements par lots, ni les agents, ni les conversations, et l'API d'agent vocal n'est pas dans la liste.
5. Restez en Europe. L'API de Voxtral 3 a des points d'accès européens, américains et mondiaux. Le point par défaut (api.mistral.ai) n'engage Mistral sur aucun lieu de traitement : faites appeler le point européen (api.eu.mistral.ai) par votre automatisation, après avoir vérifié que Voxtral 3 y est proposé, et envoyez l'audio directement dans la requête, car l'API Files et les traitements par lots n'y sont pas disponibles. Ce point couvre le traitement de l'audio, pas toutes les données du compte, et le contrat de sous-traitance autorise, avec des garanties, des transferts hors de l'Union (article 8.1).
6. Encadrez toute la chaîne. Chaque outil du circuit traite vos enregistrements : le dossier de dépôt, Make ou n8n, le modèle qui rédige, la messagerie. Pour chacun, vérifiez le contrat de sous-traitance (RGPD, article 28) et le lieu d'hébergement, et inscrivez le traitement à votre registre (article 30).
7. Gardez peu, et peu longtemps. Supprimez l'audio dès que le compte rendu est validé, et la transcription mot à mot dès qu'elle ne sert plus, chez vous comme dans les outils du circuit. Évitez de transcrire les échanges qui touchent à la santé ou à l'activité syndicale, des données sensibles (RGPD, article 9). Pour les appels enregistrés au travail, la CNIL exclut l'écoute ou l'enregistrement permanent ou systématique, sauf texte légal. Son référentiel des durées de conservation pour la gestion des ressources humaines (2 avril 2026, mis à jour le 20 mai 2026) recommande d'écouter les enregistrements dans les jours qui suivent, de les supprimer ensuite à bref délai, six mois au plus, et de ne garder que les documents d'analyse, un an au plus. Une analyse d'impact s'impose si le traitement présente un risque élevé (RGPD, article 35) : c'est souvent le cas dès que l'IA traite régulièrement les paroles de vos salariés, ou sert à les évaluer. Faites-la avant le lancement.
8. Séparer les voix, oui. Reconnaître les personnes à leur voix, non. Par défaut, la diarisation distingue « intervenant 1 » et « intervenant 2 », sans savoir qui parle. La documentation de Mistral décrit une option qui va plus loin : vous fournissez un court extrait de la voix de chaque personne (de 3 à 15 secondes), et l'outil met son nom sur ses paroles. C'est un traitement de données biométriques destiné à identifier une personne, interdit par principe sauf exceptions, comme le consentement explicite (RGPD, articles 4 et 9). Au travail, ce consentement est rarement libre : laissez cette option de côté et mettez les noms à la relecture.
9. N'analysez pas les émotions de vos salariés. Depuis le 2 février 2025, l'AI Act interdit d'utiliser un système d'IA pour déduire les émotions d'une personne sur son lieu de travail, sauf pour des raisons médicales ou de sécurité (article 5, paragraphe 1, f).
10. Une voix ne se reproduit pas sans l'accord de la personne. Un court extrait suffit à la cloner. La voix est protégée comme un attribut de la personnalité (Code civil, article 9), et diffuser sans son accord un contenu généré qui reproduit les paroles d'une personne est un délit, sauf s'il est évident ou indiqué que le contenu est généré (Code pénal, article 226-8). Pour un salarié, prévoyez un accord écrit qui précise les usages et la durée. La politique d'usage de Mistral interdit aussi d'utiliser la voix de quelqu'un sans son accord préalable.
11. Annoncez l'IA. Une voix de synthèse qui ressemble à celle d'une personne réelle et peut passer pour authentique est un hypertrucage : celui qui la diffuse doit indiquer qu'elle est générée par IA (AI Act, article 50, paragraphe 4). Un assistant vocal qui répond à vos clients doit leur dire qu'ils échangent avec une IA, sauf si c'est évident (article 50, paragraphe 1, applicable depuis le 2 août 2026) : si vous le mettez en service sous votre nom, même avec le kit de Mistral, c'est à vous de le prévoir.
12. Relisez. Noms propres, chiffres, négations : même à 2 % de mots erronés, le meilleur score cité, il reste en moyenne une erreur tous les cinquante mots, et nettement plus quand les voix se chevauchent. Sur ses tests de réunions, où chaque mot doit aussi être attribué au bon intervenant, Mistral mesure 18,4 % d'erreurs pour Small.

Information générale arrêtée au 22 octobre 2026, d'après les textes et les pages de Mistral cités en fin d'article. Ce n'est pas une consultation juridique.

Voxtral 3 vient de sortir : personne n'a encore de recul, nous compris, et nous le testerons avec vous sur des enregistrements de test choisis ensemble tant que dure la préversion. Chez NOCODE IA, nous formons les équipes aux outils d'IA générative et construisons des automatisations pour les PME, à Toulouse et partout en France. Nous sommes indépendants de Mistral AI : ni partenaire, ni revendeur. Notre méthode, en trois étapes :

1. Choisir les bons usages. En atelier, nous passons en revue vos réunions, vos appels et vos contenus audio, et retenons ceux où la transcription fait gagner du temps. Nous listons aussi les points à faire valider par votre DPO ou votre avocat : information des personnes, CSE, durée de conservation. C'est le cœur de notre audit IA.
2. Construire le circuit. Nous montons l'automatisation qui va de l'enregistrement au compte rendu, avec n8n ou Make : voyez notre agence d'automatisation et nos intégrations IA.
3. Former vos équipes. La formation Mistral niveau débutant pose les bases : comprendre les modèles de Mistral, bien formuler ses demandes, intégrer Mistral dans ses outils par API ou en no-code, créer un assistant métier (1 jour, à partir de 450 € HT par participant, soit 540 € TTC, en inter-entreprises, dates sur demande). La formation Mistral niveau expert va jusqu'à la base de connaissances, au déploiement dans Slack, Notion ou sur le web, et à la sécurité et au RGPD (1 jour, à partir de 650 € HT par participant, soit 780 € TTC, en inter-entreprises, dates sur demande ; il faut avoir déjà utilisé un assistant d'IA). Leur programme ne comprend pas de module consacré à Voxtral 3 : en intra, pour votre seule équipe, le programme s'adapte sur devis. La prise en charge est possible sous conditions, notamment pour les entreprises de moins de 50 salariés, et dépend des règles de chaque OPCO.

• Mistral AI : « Voxtral 3 : SDK vocal et modèles pour la voix en 50+ langues » (modèles, langues, mesures, prix, hébergement, Studio) et sa publication sur X du 20 octobre 2026.
• Mistral AI, documentation : vue d'ensemble des modèles (licences), transcription (diarisation, horodatage, biais contextuel), langues, clonage de voix, fiche du modèle en direct (délai, préversion publique), diarisation et extraits de voix, points d'accès régionaux et conservation zéro des données.
• Mistral AI, centre d'aide : « Can I opt out of my input or output data being used for training? », mis à jour le 3 septembre 2026.
• Mistral AI : conditions commerciales, en vigueur depuis le 25 septembre 2026 (articles 4.2, 4.3 et 10.3) ; contrat de sous-traitance (Data Processing Addendum), en vigueur depuis le 27 juillet 2026 ; conditions pour les consommateurs de l'EEE, en vigueur depuis le 8 octobre 2026 ; politique d'usage, en vigueur depuis le 11 juin 2026 ; page des tarifs (mode vocal de Vibe).
• Artificial Analysis : classement Speech to Text, relevé le 22 octobre 2026.
• Next, Vincent Hermann : « Mistral revient sur l'audio avec Voxtral 3 et entre dans les prévisions avec Timestral », 21 octobre 2026.
• Presse-citron, Setra : « Mistral vient de lancer la 3e meilleure IA du monde dans ce domaine très précis », 21 octobre 2026.
• CNIL : « Le contrôle de l'activité des personnes employées » (9 juillet 2026), référentiel des durées de conservation pour la gestion des ressources humaines (2 avril 2026, mis à jour le 20 mai 2026) et « L'écoute et l'enregistrement des appels sur le lieu de travail » (2009, signalée par la CNIL comme obsolète et en cours de mise à jour).
• Textes : Code du travail, articles L. 1121-1, L. 1222-4, L. 2312-8 et L. 2312-38 ; Code pénal, articles 226-1 et 226-8 ; Code civil, article 9 ; RGPD, articles 4, 9, 13, 28, 30 et 35 ; règlement (UE) 2024/1689 sur l'intelligence artificielle, articles 5 et 50.

Les 8 usages de la partie 03 sont des pistes proposées par NOCODE IA, pas des fonctions testées, et les coûts de la partie 02 sont nos calculs à partir des prix publics de Mistral. Les mesures de précision viennent de Mistral, sauf le classement d'Artificial Analysis. Mistral, Voxtral et Vibe sont des noms de Mistral AI, et Whisper un modèle d'OpenAI ; les autres noms cités appartiennent à leurs titulaires respectifs et servent seulement à désigner les produits, sans lien ni partenariat avec NOCODE IA. NOCODE IA est indépendant de Mistral AI : ni partenaire, ni revendeur. Article rédigé avec l'aide de l'IA à partir des sources citées, et publié sous la responsabilité éditoriale de Charles Meurin, fondateur de NOCODE IA et directeur de la publication. À lire aussi : Mistral Large 4, prix et accès en France et quel modèle d'IA choisir.