Comment prendre des notes IA sans qu'un bot rejoigne votre appel

En 2020, « notes de réunion IA » signifiait qu'un bot rejoignait votre appel. En 2026, ce n'est plus une obligation. Le changement est technique (la capture audio système sur les OS grand public est devenue fiable) et culturel (les clients ont commencé à remarquer le bot et à pousser en retour). Ce post est la version pratique: pourquoi un bot est devenu un passif, comment l'enregistrement local fonctionne vraiment, et la stack exacte pour produire des notes de réunion IA sans qu'un tiers ne rejoigne votre réunion.

• Optique — « Otter has joined the meeting » est la première impression de votre prospect. Un moment de notoriété de marque qu'il n'a pas demandé et un vote silencieux contre la délicatesse de votre produit.
• Sécurité — chaque bot de réunion est un enregistreur SaaS de votre conversation en direct. Les industries régulées (finance, santé, défense, juridique) l'interdisent de plus en plus. Même des acheteurs non régulés demandent pourquoi votre « assistant IA » est un tiers dans leur pitch.
• Verrous plateforme — Zoom Phone, MS Teams dans certains tenants, et de nombreux Google Workspaces enterprise bloquent activement les enregistreurs tiers.
• Gêne — le bot est dans la grille des participants. Les blagues s'arrêtent, les objections s'arrêtent, la réunion devient plus performative.
• Consentement — l'enregistrement du bot vit sur les serveurs du fournisseur, donc le consentement devient une question vendeur, pas une question entre vous et eux.

La capture locale enregistre deux flux audio sur la machine hôte: audio système (tout ce que vous entendez par vos haut-parleurs) et votre micro (votre voix). Les deux flux sont mixés et streamés vers un service de transcription cloud. Rien ne rejoint la réunion elle-même — l'enregistrement existe sur votre ordinateur, comme une capture d'écran de votre laptop existe sur votre ordinateur.

Le mécanisme varie par OS. Sur macOS 13+, ScreenCaptureKit d'Apple expose l'audio système via une API documentée (avec autorisation explicite de l'utilisateur). Sur Windows 10+, WASAPI loopback expose la même chose. Les deux exigent une autorisation unique la première fois, et les deux sont intrinsèquement des opérations à un participant — seul l'appareil qui capture a l'audio, personne d'autre dans la réunion.

Un bot peut rejoindre des réunions auxquelles son propriétaire est invité mais ne participe pas. Le local non — votre laptop doit être dans l'appel. Pour la plupart des workflows c'est correct (vous ne devriez pas enregistrer ce que vous n'avez pas vécu), mais cela exclut le pattern « j'envoie mon IA écouter » que Fireflies pousse fortement.

Vous payez le coût du stockage audio en local (dans nos tests: environ 10 Mo/min non compressé, plus proche de 1 Mo/min compressé). Sur une longue semaine de réunions, cela fait quelques centaines de mégaoctets. La plupart des outils (Reline inclus) synchronisent vers le cloud pour le backup, mais l'audio brut vit d'abord sur votre disque.

Un bot peut lire la grille des participants: « c'est Sarah qui parle ». Les outils locaux doivent travailler à partir de l'audio seul. Certains font de la diarisation des locuteurs (Deepgram et AssemblyAI la proposent) — dans nos tests, cela ajoute environ 200 ms de latence et exige que les voix diffèrent suffisamment en hauteur/timbre. Reline prend une voie plus simple: les locuteurs sont étiquetés « Moi vs Autre » selon le flux par lequel l'audio est arrivé (votre micro versus l'audio système) — robuste, mais cela ne distingue pas Sarah de Raj.

Capturez l'appel en local sur la machine avec laquelle vous êtes déjà en réunion — aucun participant tiers — puis laissez des services cloud gérer la transcription et le résumé. Concrètement, la stack ressemble à ceci:

1. Capture audio OS via l'API documentée (ScreenCaptureKit sur macOS, WASAPI loopback sur Windows). Évitez les extensions kernel / hacks VB-Audio Cable — elles cassent à chaque update OS.
2. Fournisseur de transcription en streaming — Deepgram, AssemblyAI, ou Whisper en local pour les setups paranoïaques. Le streaming donne des sous-titres en direct; le batch donne des transcripts finaux.
3. Séparation des locuteurs — la plupart des fournisseurs de transcription livrent la diarisation; l'option plus simple et plus robuste est la séparation par flux (votre micro versus l'audio système), celle que Reline utilise.
4. Couche de résumé — Claude 4.x ou GPT-4.x pour le résumé lui-même. Quoi que vous choisissiez, exigez une sortie sourcée par citations (liens retour au segment du transcript qui justifie chaque affirmation).
5. Stockage + sync — sync cloud pour la note, stockage type S3 pour l'audio si vous avez besoin de rétention longue.
6. Couche de partage — permissions explicites, pas « partager le lien » (c'est ce qui crée le problème team-of-N).

Nous avons construit Reline parce que tous les autres outils de la catégorie s'étaient engagés sur l'une des deux options: (a) livrer un bot et accepter les coûts ci-dessus, ou (b) livrer un bloc-notes uniquement pour utilisateurs solo. Nous pensions qu'il y avait une troisième option — sans bot, mais avec les primitives d'équipe (permissions, collaboration, chat RAG) que les bots ont historiquement permises en tant que SaaS. L'infrastructure existe en 2026 pour faire les deux: capturer en local, synchroniser la note dans un workspace d'équipe, garder l'audio sous le contrôle de l'enregistreur.

Réponse honnête: quand vous devez. Si votre workflow exige d'enregistrer une réunion à laquelle vous ne pouvez pas assister, un bot est votre seule option. Si votre plateforme supporte l'enregistrement cloud officiel avec accès API (Zoom enterprise, certains tenants Teams) et que votre équipe sécurité a validé, un bot peut être le chemin le plus simple. Pour tous les autres — et surtout ceux qui vendent à des acheteurs sensibles à la sécurité — le sans-bot est le meilleur défaut en 2026.