Transcription Vocale de l'API WhatsApp Business : juillet 2026

Vous avez parcouru deux fois la référence de l'API WhatsApp Business, à la recherche du point de terminaison qui transforme une note vocale entrante en texte. Il n'y est pas. Il n'y a jamais été. Ce n'est pas une inattention de votre part - c'est le fait le plus important à propos de la transcription vocale de l'API WhatsApp Business, et presque rien de ce qui est écrit sur le sujet ne le dit clairement.

Voici ce que la plateforme offre réellement, ce qu'elle retient discrètement, et les deux pièges qui cassent silencieusement les messages vocaux des équipes qui les ignorent.

Dernière vérification en juillet 2026 par rapport à la documentation de la plateforme WhatsApp Business de Meta, y compris les changements livrés en mars et juin 2026.

La Réponse Courte

Il n'existe aucun point de terminaison de la plateforme WhatsApp Business qui transcrive un message vocal entrant. Ni dans l'API Cloud, ni dans l'API On-Premises. Quand un client envoie une note vocale à votre entreprise, le webhook vous remet un identifiant de média. Vous appelez le point de terminaison média, vous téléchargez un fichier audio, et à partir de là vous êtes entièrement livré à vous-même.

Transformer cet audio en texte est votre problème à résoudre, avec la reconnaissance vocale de votre choix et à vos frais.

Les transcriptions que les utilisateurs de WhatsApp voient dans leurs discussions existent bien - mais elles sont générées sur le téléphone du destinataire et ne le quittent jamais. Elles ne sont pas transmises à WhatsApp, et elles ne vous sont certainement pas transmises. Même si un agent humain de votre équipe lit une transcription dans l'application WhatsApp Business, ce texte est bloqué sur ce seul combiné. Aucune API ne vous le remettra.

Pour le cote non technique - configuration, langues, depannage - consultez notre FAQ sur la transcription WhatsApp Business.

L'Ironie: Meta Transcrira un Appel, Mais Pas une Note Vocale

C'est là que la plateforme devient vraiment étrange.

Le 30 juin 2026, Meta a livré la transcription d'appels pour l'API d'appel WhatsApp Business. Ce n'est pas une fonction symbolique. Elle détecte automatiquement la langue parlée parmi environ 54 langues, sépare le locuteur professionnel du client, et renvoie des horodatages au niveau du mot avec des scores de confiance par mot sous forme de JSON structuré.

Pendant ce temps, les transcriptions de messages vocaux sur Android ne prennent toujours en charge que quatre langues : l'anglais, le portugais, l'espagnol et le russe. Inchangé depuis novembre 2024. Nous avons détaillé quelles langues la transcription WhatsApp prend réellement en charge si vous avez besoin du tableau complet par plateforme.

Donc la plateforme peut transcrire le tamoul, le swahili, le vietnamien et l'ourdou - lors d'un appel téléphonique. Elle ne le fera simplement pas pour la note vocale que votre client vous a envoyée trente secondes plus tôt. Quelle qu'en soit la raison, la conséquence pratique pour vous est simple : le moteur existe, et vous ne pouvez pas le pointer vers vos notes vocales.

Comment la transcription d'appels fonctionne réellement

• Activez-la par appel en passant un objet de transcription lorsque vous initiez ou acceptez l'appel. Elle n'est pas activée par défaut.
• Le consentement est obligatoire et audible. Meta intègre une annonce vocale dans les deux flux audio avant que la transcription ne commence, et vous devez fournir un objet déclaré. Vous ne pouvez pas transcrire un appel silencieusement.
• La livraison est asynchrone. Vous recevez un webhook avec un identifiant de média, puis vous téléchargez la transcription JSON.
• Vous avez sept jours. Après cela, la transcription n'est plus téléchargeable. Si vous devez la conserver, vous devez la récupérer et la stocker vous-même, rapidement.
• Elle est actuellement gratuite, la documentation de Meta indiquant qu'une tarification distincte est prévue mais pas encore datée. Ne fondez pas une analyse de rentabilité sur le maintien du prix à zéro.

Deux Pièges Qui Cassent Silencieusement les Messages Vocaux

Piège 1: ce doit être un .ogg avec le codec OPUS

Depuis octobre 2025, vous pouvez envoyer de l'audio comme un véritable message vocal - forme d'onde, bouton de lecture, tout - plutôt que comme une pièce jointe. Mais il y a une exigence stricte enfouie dans la documentation.

Les messages vocaux doivent être des fichiers .ogg encodés avec le codec OPUS. La documentation de Meta est sans ambiguïté : "Si vous envoyez un type de fichier différent ou un fichier encodé avec un codec différent, la transcription du message vocal échouera."

Ce qui rend cela pernicieux, c'est le mode d'échec. Il n'y a ni erreur ni avertissement - le message est envoyé, il se lit, et la transcription n'apparaît tout simplement jamais. Des équipes perdent des jours là-dessus, à passer au peigne fin leur gestion des webhooks alors que le vrai bug est une seule ligne dans leur étape d'encodage.

Piège 2: c'est le destinataire qui décide, pas vous

Même avec un fichier OPUS parfaitement encodé, vous ne contrôlez pas si une transcription apparaît. Le destinataire, si. Chaque utilisateur de WhatsApp règle les transcriptions de messages vocaux sur l'un de trois états:

• Automatique - la transcription textuelle apparaît avec le message.
• Manuel - il voit une option "Transcrire" et choisit de l'utiliser ou non.
• Jamais - aucun texte n'apparaît, jamais.

Il n'y a aucun paramètre d'API qui remplace cela, et aucun moyen de savoir quel réglage a un utilisateur donné. Si votre expérience produit dépend de ce que le client lise une transcription de votre message vocal, comprenez que vous dépendez d'un réglage que vous ne pouvez ni voir ni changer. Concevez en conséquence - si le contenu compte, envoyez du texte.

Ce Qui a Bien Été Livré en 2026

Le webhook "lu" (played)

Depuis le 17 mars 2026, les messages vocaux envoyés par une entreprise reçoivent un webhook de statut "lu" (played) la première fois que le destinataire les écoute. Jusqu'ici, "livré" et "lu" étaient la fin de l'histoire, et un accusé de lecture sur un message vocal vous en disait très peu.

C'est un signal vraiment utile. C'est la première fois que vous pouvez distinguer un message vocal qui a simplement été livré d'un message qui a été réellement écouté - ce qui est la seule chose que vous vouliez vraiment savoir.

La messagerie vocale arrive comme un message audio ordinaire

La messagerie vocale a atteint la disponibilité générale le 25 juin 2026. Le détail à retenir est la façon dont elle est livrée : les messages vocaux arrivent via le webhook messages sous forme de messages audio entrants.

Ce qui signifie qu'ils atterrissent exactement à la même position que toute autre note vocale - comme un identifiant de média pointant vers un fichier audio, sans transcription attachée. Vos appels manqués génèrent désormais plus d'audio à transcrire vous-même.

Alors, Que Construisez-vous Réellement?

Retirez les détails et l'architecture est imposée. Pour toute note vocale entrante, vous recevez un identifiant de média, vous téléchargez l'audio, et vous apportez votre propre reconnaissance vocale. Il n'y a aucun chemin pris en charge pour contourner cela.

Cela vous laisse une vraie décision, qui vaut la peine d'être prise délibérément plutôt que par défaut:

La construire. Reliez le point de terminaison média à un fournisseur de reconnaissance vocale. Vous posséderez le pipeline, les nouvelles tentatives, le stockage audio et sa politique de rétention, les coûts par minute, et la question permanente de la précision sur l'audio du monde réel enregistré dans des camionnettes et des cafés. Raisonnable si la transcription est au cœur de votre produit et que vous voulez contrôler le modèle.

Ne pas la construire. Si vous avez juste besoin que votre équipe lise ce que les clients ont dit, monter et maintenir un pipeline de transcription représente beaucoup d'ingénierie pour réinventer quelque chose qui existe déjà. Transférer des notes vocales à un service de transcription vous donne le texte dans la discussion, dans plus de 50 langues, sans infrastructure et sans audio à stocker et sécuriser.

Soyez honnête sur le problème que vous avez. Beaucoup d'équipes ont construit le pipeline parce que le silence de l'API le faisait paraître obligatoire - pas parce que la transcription a jamais été la chose dans laquelle elles voulaient exceller.

Vous utilisez l'application WhatsApp Business plutôt que l'API? Produit différent, règles différentes - la transcription vit sur votre téléphone et la configuration est une option de paramètres. Consultez plutôt notre guide pour transcrire les messages vocaux WhatsApp Business.

Sources

Vérifié par rapport à la documentation primaire de Meta en juillet 2026.

• Meta for Developers - Audio messages - l'exigence .ogg/OPUS, le réglage Automatique/Manuel/Jamais du destinataire, et le webhook de statut "lu" du 17 mars 2026.
• Meta for Developers - Call transcription - le flux d'activation, l'annonce de consentement obligatoire, la structure JSON de la transcription, la couverture linguistique et la fenêtre de téléchargement de sept jours.
• Centre d'aide WhatsApp - À propos des transcriptions de messages vocaux - le comportement sur l'appareil, réservé au destinataire, et la liste de langues Android.

Questions Fréquemment Posées

Existe-t-il un point de terminaison de l'API Cloud WhatsApp qui transcrit une note vocale entrante? Non. En juillet 2026, aucun point de terminaison de la plateforme WhatsApp Business ne renvoie la transcription d'un message vocal entrant. Vous obtenez un identifiant de média, vous téléchargez l'audio, et la transcription vous revient à résoudre.

Une entreprise peut-elle voir la transcription d'un message vocal qu'elle a reçu? Pas via l'API. Les transcriptions sont générées sur l'appareil du destinataire et ne le quittent jamais. Même quand votre agent en lit une dans l'application WhatsApp Business, ce texte reste sur ce téléphone.

Pourquoi mon message vocal WhatsApp n'affiche-t-il jamais de transcription? Presque toujours l'une de deux choses. Soit le fichier n'est pas un .ogg encodé avec OPUS - auquel cas la transcription échoue silencieusement - soit le destinataire a réglé les transcriptions de messages vocaux sur Manuel ou Jamais, ce que vous ne pouvez ni voir ni remplacer.

L'API d'appel WhatsApp Business prend-elle en charge la transcription? Oui, depuis le 30 juin 2026. Activez-la par appel, les deux parties entendent une annonce obligatoire, et vous obtenez du JSON avec séparation des locuteurs, horodatages au niveau du mot et scores de confiance parmi environ 54 langues détectées automatiquement. La transcription est téléchargeable pendant sept jours. Elle transcrit les appels, pas les notes vocales.

La transcription d'appels est-elle gratuite? Elle l'est pour le moment. La documentation de Meta indique qu'une tarification distincte est prévue, sans date de lancement donnée. Traitez le prix actuel comme temporaire.