
Scribe v3 Live Medical vs GPT Transcribe : deux horloges différentes
- GoogleNOUVEAUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 par million de tokens · 89 tok/s
- AnthropicNOUVEAUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 par million de tokens · 97 tok/s
- orcaNOUVEAUOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaNOUVEAUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 par million de tokens · 88 tok/s
- OrcaNOUVEAUOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 par million de tokens · 134 tok/s
- OrcaNOUVEAUOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 par million de tokens · 87 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 par million de tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligence
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 par million de tokens · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligence
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 par million de tokens · 120 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligence
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligence
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 par million de tokens · 187 tok/s
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 par million de tokens · 143 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligence
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligence
Ces deux modèles ne sont pas concurrents, et le moyen le plus rapide de gaspiller un trimestre est de les traiter comme un seul et même modèle. GPT Transcribe est le modèle de transcription vocale hors ligne d'OpenAI : vous envoyez un fichier audio finalisé au point de terminaison de transcription et vous recevez en retour une transcription complète et mise en forme. Il ne peut pas écouter un appel en cours — la documentation d'OpenAI le dit explicitement et renvoie toute personne qui a besoin de streaming vers gpt-live-transcribe ou gpt-realtime-whisper à la place. Scribe v3 Live Medical est de forme opposée : un fine-tune clinique en temps réel qui n'existe qu'au sein d'ElevenAgents, qui transcrit les appels de patients, d'adhérents et de prestataires de soins pendant que l'appelant est encore en ligne, afin qu'un agent puisse réagir à une posologie avant la fin de la phrase.
La vraie question n’est donc pas de savoir quel modèle est meilleur, mais sur quelle horloge tourne votre flux de travail. Si un humain ou un modèle doit agir pendant la conversation — répondre à une question, rechercher un avantage, détecter une contre-indication — GPT Transcribe est disqualifié avant même que toute comparaison de précision ne commence, et la seule option OpenAI dans cette catégorie coûte 3,8 fois plus cher par minute. Si la transcription est un document produit a posteriori, Scribe v3 Live Medical est inutilisable pour une raison complètement différente : il n’a ni API, ni ID de modèle, ni prix, et il ne peut être appelé depuis rien d’autre qu’un agent ElevenAgents.
L'horloge sur laquelle chacun fonctionne
Le tarif de GPT Transcribe est de 0,0045 $ par minute, soit 0,27 $ par heure d’audio, et ses contraintes sont celles d’un fichier : le point de terminaison de transcription d’OpenAI accepte jusqu’à 25 Mo par requête, et le modèle renvoie une transcription avec des indications de langue appliquées. Il n’y a pas de résultat partiel, car il n’y a rien qui puisse être partiel. Pour une visite enregistrée, une note dictée, un lot d’appels archivés, c’est exactement la bonne forme et c’est l’un des moyens les moins chers d’extraire des mots de l’audio.
La voie de streaming d'OpenAI est une gamme de produits distincte avec un tarif différent : gpt-live-transcribe facture 0,017 $ par minute, soit environ 1,02 $ par heure d'audio. C'est le prix du temps — 3,8 fois le tarif par lot pour la transcription du même fournisseur, avant toute discussion sur la précision. C'est aussi là que réside réellement la compétence d'OpenAI en transcription en temps réel, et si vous comparez la transcription en direct à la transcription en direct, c'est le modèle à confronter à Scribe v3 Live, et non à GPT Transcribe.
L’horloge de Scribe v3 Live Medical correspond à la durée d’une conversation dans ElevenAgents. Il n’y a pas de fichier. Il y a un flux de type WebSocket géré par la plateforme, un modèle de tour de parole qui détermine quand un appelant a fini de parler, et une transcription que l’agent consomme pour agir. ElevenLabs ne publie pas de chiffre de latence pour la variante médicale ; le chiffre pour la famille est que Scribe v3 Live présente un taux d’erreur sémantique sur les mots inférieur de 44 % à celui de Scribe v2 Realtime, dont le délai médian avant transcription définitive est d’environ 150 ms. ElevenLabs indique que le fine-tune médical est équivalent à Scribe v3 Live en matière de latence.

Exactitude : un chiffre audité, un chiffre fournisseur, sans chevauchement
GPT Transcribe affiche un taux d’erreur de mots public et mesuré de manière indépendante : 3,31 % sur le benchmark AA-WER d’Artificial Analysis, ce qui le classait neuvième parmi une cinquantaine de systèmes suivis au moment de son lancement en juillet 2026, avec des sous-scores de 2,22 % sur l’audio de dialogue avec agent, 2,72 % sur VoxPopuli et 6,10 % sur les conférences de résultats. L’écart au sein de ce seul chiffre est ce qui est intéressant : les conférences de résultats, avec leurs accents, leurs chevauchements de parole et leur jargon métier, sont presque trois fois plus difficiles pour lui que la parole claire d’un agent. Une consultation clinique se situe quelque part dans cet écart, et personne n’a mesuré où.
Le chiffre de Scribe v3 Live Medical est de 12,8 % de taux d’erreur sur les mots sur PriMock57, l’ensemble de 57 consultations simulées de soins primaires choisi par ElevenLabs, contre 15,5 % à 17,2 % pour quatre modèles concurrents en temps réel lors de la même évaluation menée par le fournisseur. Il n’est comparable aux 3,31 % dans un sens comme dans l’autre, et pas seulement à cause du corpus : les deux chiffres proviennent de bancs de test différents, de conditions audio différentes et, surtout, de latences différentes. Un modèle par lots peut examiner l’intégralité du fichier ; un modèle en streaming se prononce sans savoir ce qui va suivre. Le WER en streaming est systématiquement moins bon que le WER par lots sur le même audio, ce qui explique pourquoi Artificial Analysis publie les deux sur des tableaux distincts.
L’affirmation défendable est la suivante : GPT Transcribe est un modèle par lots bien mesuré, avec un taux dans les chiffres bas sur la parole générale, Scribe v3 Live Medical est un modèle de streaming mesuré par son fournisseur qui dépasse d’environ trois points ses pairs en temps réel sur l’audio clinique, et aucune expérience publique ne les place sur le même enregistrement.

L’adaptation au domaine, c’est là que se situe la véritable différence
Le vocabulaire clinique est la raison d’être du modèle ElevenLabs, et il s’attaque au problème de deux façons : un ajustement fin entraîné sur les noms de médicaments, l’anatomie et la pathologie, et un mécanisme de termes clés qui accepte jusqu’à 10 000 termes personnalisés — un formulaire thérapeutique, un annuaire de prestataires, un dictionnaire de spécialité — inclus sans frais supplémentaires. ElevenLabs est honnête sur cette limite, dans sa propre FAQ : le modèle n’applique un terme que lorsque l’audio correspond probablement, et les noms de médicaments isolés, sans contexte, constituent le cas le plus difficile pour tous les modèles. Sa transcription d’exemple est construite à partir de la forme la plus simple, un nom de médicament dans une phrase avec une posologie associée.
L’approche d’OpenAI repose sur l’instruction plutôt que sur le fine-tuning. GPT Transcribe accepte des listes de mots-clés et une invite libre décrivant le contenu audio et, côté temps réel, le modèle conserve les tours précédemment transcrits comme contexte. La mesure faite par OpenAI de ce conditionnement, sur son benchmark Context Aware ASR, a fait passer la précision sémantique de 38,5 % à 44,6 % pour le modèle en direct — un chiffre rapporté par le fournisseur, qui mesure si le sens a été préservé plutôt que si les mots étaient corrects.
Le compromis pratique, et il est réel : un modèle conditionné par le prompt peut être nettement meilleur que sa performance brute au benchmark lorsqu’on lui indique à quoi s’attendre, et il peut halluciner les mots-clés que vous avez fournis. Mettez « metformin » dans le prompt et un modèle qui n’entend pas clairement ce mot peut quand même le produire. Un modèle biaisé par les termes clés se dégrade plus en douceur, car le biais déplace la probabilité plutôt que d’affirmer la présence. Aucun des deux modes de défaillance n’apparaît sur un classement. Les deux apparaissent dans les notes cliniques, où un dosage halluciné est pire qu’un blanc.
La question de la conformité est tranchée par la forme, non par le tableau de bord.
Pour une entité couverte, c’est la section qui met réellement fin à l’évaluation. ElevenLabs déclare que Scribe v2 Medical — l’homologue par lots, celui que vous pouvez appeler via l’API — est éligible à HIPAA avec un Business Associate Agreement et le mode de rétention zéro, et qu’avec ZRM activé, l’audio et la transcription ne sont pas conservés après traitement. Sa documentation ajoute un avertissement plus ferme pour le modèle temps réel en accès anticipé : n’envoyez pas de données de santé protégées à Scribe v3 Live Medical tant que son éligibilité à HIPAA n’est pas confirmée, et la résidence des données dans l’UE n’est pas disponible pendant l’accès anticipé. Ces deux déclarations coexistent sur le site d’ElevenLabs et elles ne sont pas identiques.
Du côté d’OpenAI, le point de terminaison de transcription est une API d’entreprise standard, avec la posture habituelle en matière de traitement des données ; il n’est pas vendu comme produit clinique et ne comporte aucun ajustement fin médical. Ce qu’il apporte, en revanche, c’est l’avantage pratique d’être un modèle par lots : les PHI quittent votre périmètre une seule fois, dans un fichier que vous avez choisi, pour une durée que vous connaissez, et reviennent sous forme de texte que vous stockez vous-même. Il n’y a aucun flux persistant à prendre en compte.
Cette asymétrie joue dans une direction inattendue. Un pipeline par lots est plus facile à rendre conforme précisément parce qu’il comporte moins d’éléments à gérer, et si votre flux de travail clinique tolère quelques minutes de retard — documentation ambiante revue après la visite, note rédigée pour qu’un clinicien la signe — GPT Transcribe avec un prompt soigné et une liste de mots-clés représente un argumentaire de conformité plus simple qu’un modèle temps réel en accès anticipé qui n’est pas encore éligible aux PHI.
Coût pour mille appels, les deux formes
Mille appels cliniques de dix minutes représentent 10 000 minutes. Avec GPT Transcribe, cela représente 45 $. Sur l’offre live d’OpenAI, cela représente 170 $. Avec Scribe v3 Live Medical, il n’y a aucun chiffre à calculer, car le modèle fait partie d’un abonnement ElevenAgents facturé à la minute de conversation, regroupé avec le LLM, la synthèse vocale, la téléphonie et la gestion des tours de parole. Savoir si cette offre groupée est moins chère que 45 $ plus votre propre stack d’agents dépend entièrement de ce que coûte votre propre stack d’agents, et le prix ElevenLabs ne peut pas être décomposé en une ligne ASR.
Ce qui est décomposable, c’est la partie raisonnement, et c’est elle qui évolue avec la durée de l’appel plutôt qu’avec la durée de l’audio. Un agent clinique qui lit une transcription et prend une décision appelle un LLM à chaque tour ; OrcaRouter sert 215 modèles derrière une seule API compatible OpenAI, avec 0 % de marge, les prix catalogue des fournisseurs étant répercutés sans modification, de sorte que le modèle qui se trouve derrière l’un ou l’autre des transcripteurs peut être remplacé ou bénéficier d’un basculement automatique sans toucher au chemin audio. Nous ne servons pas Scribe v3 Live Medical ni aucun modèle de transcription OpenAI, et aucun des tarifs indiqués ci-dessus n’est le nôtre.

Comment décider
Si la transcription doit exister pendant que l’appelant parle encore, GPT Transcribe n’est pas le bon modèle et la comparaison honnête se fait avec le point de terminaison en direct d’OpenAI à 0,017 $ par minute. Allez vers ElevenAgents si vous voulez un modèle clinique affiné avec détection des tours de parole et que vous acceptez la position de conformité en accès anticipé ; allez vers la voie live d’OpenAI si vous voulez un point de terminaison appelable, un prix publié et un conditionnement par le contexte, et que vous êtes prêt à tester les hallucinations sur votre propre formulaire thérapeutique.
Si le transcript est un document, ce n’est pas comparable. GPT Transcribe est moins cher, évalué indépendamment, utilisable dès aujourd’hui et sous licence pour exactement le flux de travail « fichier en entrée, texte en sortie » qui est le vôtre. La propre réponse d’ElevenLabs dans ce domaine est Scribe v2 Medical à 0,20 $ de l’heure, avec 15 % d’erreurs en moins que Scribe v2 sur des audios de test cliniques — un véritable concurrent, et un concurrent différent du modèle mentionné dans ce titre.
Le piège de cette comparaison, c’est que les deux noms contiennent le mot transcribe et que les deux fournisseurs publient un taux d’erreur de mots ; la comparaison semble donc s’écrire d’elle-même. Ce ne devrait pas être le cas. Un modèle lit des fichiers ; l’autre écoute des personnes. Choisissez d’abord le chronomètre, puis discutez de la précision à l’intérieur de celui-ci.
