Glossaire
Le Taux d'Erreur de Mot (WER) est la métrique d'exactitude standard pour la reconnaissance vocale. Il mesure le pourcentage de mots qu'un moteur de transcription obtient incorrectement en comptant trois types d'erreurs — substitutions (mauvais mot), insertions (mot ajouté), et suppressions (mot manquant) — divisé par le nombre total de mots de référence. Plus c'est bas, mieux c'est. Un WER de 5 % signifie 5 erreurs pour 100 mots de référence.
Comment le WER est calculé
WER = (S + I + D) / N, où S est le nombre de substitutions, I est le nombre d'insertions, D est le nombre de suppressions, et N est le nombre de mots de la transcription de référence (correcte). Le calcul utilise l'alignement de distance d'édition minimale pour compter chaque erreur exactement une fois. Le WER peut dépasser 100 % — si le modèle insère plus de mots qu'il n'en obtient de corrects, vous pouvez avoir un WER de 120 %.
Benchmarks WER réels (2026)
Sur le jeu de test LibriSpeech clean (un benchmark standard de livres audio), Whisper Large v3 obtient un WER de 1,8 %. Les enregistrements du monde réel sont plus difficiles : 3-5 % de WER sur l'audio de podcast propre, 5-10 % sur les appels en conférence, 10-20 % sur les accents marqués ou les environnements bruyants. Les transcripteurs humains obtiennent généralement un WER de 4-6 % même lorsqu'ils reçoivent le même audio.
Pourquoi le WER seul est trompeur
Le WER pondère chaque mot de manière égale — mais manquer le mot "not" peut inverser le sens d'une phrase, tandis que manquer "the" ne change rien. Pour une qualité réelle, complétez le WER avec des métriques de distance sémantique, le F1 des entités nommées (combien de noms propres sont corrects) et une revue visuelle humaine sur un échantillon. Nous optimisons pour la qualité perçue par l'utilisateur plutôt que pour le chiffre du WER.
En pratique
Référence : "Le PDG a dit que nous n'allions pas poursuivre l'acquisition." Transcription : "Le PDG a dit que nous allions poursuivre l'acquisition." C'est une seule substitution ("not" manquant → 1 erreur / 9 mots = 11 % de WER), mais le sens est maintenant opposé. Un WER de 11 % semble mauvais ; la conséquence réelle pour l'entreprise est catastrophique.
Termes associés
Lectures complémentaires
Voir notre précision en pratique
Commencez — gratuitementDernière mise à jour : 16 novembre 2026
Questions Fréquemment Posées
Taux d'erreur en mots. Le pourcentage de mots qu'un moteur de transcription obtient incorrects, y compris les substitutions, les insertions et les suppressions. Plus bas est mieux. Les moteurs modernes atteignent 2 à 5 % de WER sur un audio propre.
WER Affecte la manière dont vous comprenez la qualité de la transcription, le timing, la compatibilité ou la technologie derrière les résultats de la transcription vocale.
Utilisez le flux de travail associé à /ai-transcription lorsque vous souhaitez voir comment ce concept de glossaire se connecte à une tâche de transcription réelle.
Parcourir le glossaire de transcription ou lisez le guide complet de la transcription IA.