Les assistants vocaux cloud — Alexa, Google Assistant, Gemini for Home — envoient chaque « éteins les lumières de la cuisine » via un centre de données. Même avec les nouvelles puces on-device, la moitié du trajet aller-retour quitte toujours notre réseau. La pile vocale locale 2026 exécute l’intégralité du pipeline sur du matériel que nous possédons, avec des temps de réponse inférieur à 200 millisecondes et zéro données quittant le LAN. Nous avons testé sept applications de bureau et outils auto-hébergés pour trouver les meilleures applications pour le contrôle vocal local de la maison intelligente.
Le banc d’essai était un Home Assistant Yellow avec un module de calcul Pi 5 de 16 Go, plus un Intel NUC séparé avec 32 Go de RAM exécutant des modèles. Nous avons mesuré la latence, la précision du mot-clé de déverrouillage et la façon dont chaque outil s’intègre avec Home Assistant et l’écosystème plus large de la maison intelligente. Que nous voulions une configuration prête à l’emploi polissée ou une pile DIY à partir de zéro, l’une de ces solutions s’adaptera.
Ce qu'il faut rechercher dans une pile vocale locale
- Traitement local de bout en bout. Mot-clé de déverrouillage, reconnaissance vocale, correspondance d’intention, synthèse vocale, exécution d’action — tout sur notre matériel.
- Latence. Moins de 300 ms se sent instantané ; plus de 1 seconde se sent comme Alexa à l’ère du cloud.
- Exigences matérielles. Certains modèles nécessitent 8 Go+ de RAM dédiée. Un Raspberry Pi 4 seul ne suffit généralement pas pour la pile complète.
- Précision du mot-clé de déverrouillage. Les faux positifs activent l’assistant accidentellement ; les oublis nous font nous répéter. Les mots-clés d’activation entraînés par utilisateur fonctionnent mieux que les génériques.
- Support linguistique. L’anglais d’abord est le paramètre par défaut ; l’espagnol, le français, l’allemand, l’italien, le russe, le portugais et le japonais ont une couverture décente. Les petites langues sont en retard.
- Intégration avec les plates-formes de maison intelligente. L’intégration Home Assistant est la norme de référence. Les outils qui ne fonctionnent que de manière autonome sont limités.
Comparaison rapide
| Outil | Meilleur pour | Licence | Reconnaissance vocale locale | Synthèse vocale locale |
|---|---|---|---|---|
| Home Assistant | Maison intelligente complète + voix en un | Apache 2.0 | Oui (via Whisper) | Oui (via Piper) |
| Whisper (faster-whisper) | Moteur de reconnaissance vocale local | MIT | Oui | Non disponible |
| Piper | Moteur de synthèse vocale local | MIT | Non disponible | Oui |
| Rhasspy | Kit d’outils vocal modulaire plus ancien | MIT | Oui | Oui |
| Mycroft AI / OpenVoiceOS | Assistant vocal autonome | Apache 2.0 | Oui | Oui |
| Willow | Matériel basé sur ESP32 + pile locale | Apache 2.0 | Oui (côté serveur) | Oui |
| Ollama | LLM local pour la correspondance d’intention | MIT | Non disponible | Non disponible |
Les 7 meilleures applications pour le contrôle vocal local
1. Home Assistant — meilleure pile de bout en bout
Home Assistant est la plate-forme autour de laquelle orbitent tous les autres outils de cette liste. Le pipeline Assist 2026 lie ensemble un moteur de mot-clé de déverrouillage (microWakeWord sur du matériel dédié), un moteur de reconnaissance vocale (Whisper via le protocole Wyoming), un comparateur d’intention (Speech-to-Phrase ou soutenu par LLM) et un moteur de synthèse vocale (Piper) en un pipeline configurable.
Le matériel Home Assistant Voice Preview Edition ($59) est le point d’entrée poli — un petit palet avec une baie de microphones qui exécute la détection de mot-clé localement. Le pipeline d’assistance peut rester 100% local même avec ce matériel.
Où cela fait défaut : La configuration nécessite une planification — choisir le bon Pi ou NUC, décider si exécuter Whisper sur CPU ou GPU, configurer les modules complémentaires. L’interface utilisateur de configuration aide mais YAML apparaît toujours pour les configurations avancées. La voix sur Piper est bonne mais pas aussi naturelle que celle d’Alexa.
Prix : Logiciel serveur gratuit ; ~$59 pour HA Voice PE ; ~$130-$300 pour le matériel informatique
Plates-formes : Home Assistant OS sur Raspberry Pi, NUC, boîte x86 ou dans une VM
Télécharger : home-assistant.io
Conclusion : Choisissez Home Assistant comme le cerveau de la pile. Ignorez-le uniquement si nous voulons un assistant vocal autonome sans intégration de maison intelligente.
2. Whisper (faster-whisper) — meilleure reconnaissance vocale locale
Whisper est le modèle de reconnaissance vocale open-source d’OpenAI. La réécriture « faster-whisper » utilise CTranslate2 pour s’exécuter 4-8x plus vite que l’original, avec la transcription commençant pendant que nous parlons encore. C’est le moteur de reconnaissance vocale que la plupart des configurations Home Assistant Voice utilisent sous le capot, s’exécutant en tant que module complémentaire du protocole Wyoming.
Pour les utilisateurs qui veulent la meilleure reconnaissance vocale locale en 2026, Whisper est le choix par défaut. Le modèle « small.en » tient dans 1 Go de RAM et gère les commandes courantes. « medium » ou « large-v3 » sont plus précis mais nécessitent plus de calcul.
Où cela fait défaut : La précision dépend de la taille du modèle — les petits modèles manquent les accents et les formulations inhabituelles. L’accélération GPU aide beaucoup mais n’est pas nécessaire. La latence sur les configurations CPU uniquement peut dépasser 1 seconde pour les phrases plus longues.
Prix : Gratuit
Plates-formes : Docker sur Windows, macOS, Linux ; ou module complémentaire HA
Télécharger : github.com/SYSTRAN/faster-whisper
Conclusion : Choisissez Whisper si nous voulons la meilleure reconnaissance vocale locale de sa classe. Ignorez-le uniquement si notre matériel ne peut exécuter aucun modèle.
3. Piper — meilleure synthèse vocale locale
Piper est le moteur de synthèse vocale open-source conçu spécifiquement pour une synthèse rapide sur appareil. Les voix sont pré-entraînées par langue, et le temps d’inférence sur un Pi 4 est bien inférieur à 300 ms pour une réponse typique. La version 2026 a ajouté l’inflexion émotionnelle et les voix de 50+ langues.
Pour les utilisateurs qui veulent que la voix de réponse sonne naturelle sans envoyer du texte au cloud, Piper est la réponse.
Où cela fait défaut : Le naturel de la voix traîne ElevenLabs et les fournisseurs cloud TTS propriétaires. Certaines langues moins courantes n’ont qu’une seule voix. L’entraînement vocal personnalisé est possible mais nécessite du temps GPU.
Prix : Gratuit
Plates-formes : Docker sur Windows, macOS, Linux ; ou module complémentaire HA
Télécharger : github.com/rhasspy/piper
Conclusion : Choisissez Piper comme voix de toute pile locale. Ignorez-le uniquement si nous voulons le naturel de qualité cloud.
4. Rhasspy — meilleur kit d'outils modularle plus ancien
Rhasspy est le kit d’outils assistant vocal open-source original. Il est modulaire par conception : choisissez un moteur de mot-clé de déverrouillage, un moteur de reconnaissance vocale, un reconnaisseur d’intention et un moteur de synthèse vocale, et Rhasspy les lie ensemble. Il fonctionne toujours en 2026 mais n’est plus la voie recommandée pour les nouvelles configurations.
L’auteur original dirige désormais le travail vocal de Home Assistant, et la plupart des forces de Rhasspy ont été portées dans l’écosystème du protocole Wyoming. Les utilisateurs Rhasspy existants peuvent continuer à l’exécuter — les nouvelles installations sont mieux servies par le pipeline Assist de Home Assistant.
Où cela fait défaut : La configuration est plus complexe que Home Assistant Voice. La documentation n’a pas été mise à jour aussi rapidement que la documentation Wyoming. Certaines intégrations se sont figées.
Prix : Gratuit
Plates-formes : Docker sur Windows, macOS, Linux
Télécharger : rhasspy.readthedocs.io
Conclusion : Choisissez Rhasspy si nous l’exécutons déjà. Ignorez-le pour les nouvelles configurations — Assist de Home Assistant est la voie moderne.
5. Mycroft AI / OpenVoiceOS — meilleur assistant vocal autonome
OpenVoiceOS (la bifurcation communautaire de Mycroft AI après la fermeture de l’entreprise Mycroft) est l’assistant vocal open-source autonome. C’est l’équivalent open-source le plus proche d’un appareil Alexa ou Google Assistant dédié — assistant vocal d’abord, intégration de maison intelligente en second lieu.
Pour les utilisateurs qui veulent un assistant vocal sans s’engager sur Home Assistant, OpenVoiceOS est le bon choix. Les compétences couvrent la musique, les minuteurs, la météo, le contrôle de la maison intelligente, et bien d’autres.
Où cela fait défaut : L’intégration de la maison intelligente est moins polissée que Home Assistant Voice. La communauté est plus petite que celle de Home Assistant. Le support matériel pour les appareils puck de microphone prêts à l’emploi est limité.
Prix : Gratuit
Plates-formes : Docker principalement sur Linux
Télécharger : openvoiceos.org
Conclusion : Choisissez OpenVoiceOS si nous voulons un assistant vocal autonome. Ignorez-le si l’intégration Home Assistant est critique.
6. Willow — meilleur matériel basé sur ESP32 + pile de serveur
Willow est le projet de satellite vocal open-source qui s’exécute sur du matériel bon marché ESP32-S3-BOX ($50-80). La baie de microphones et la détection de mot-clé s’exécutent sur l’ESP32, tandis que la reconnaissance vocale et la correspondance d’intention s’exécutent sur un serveur d’inférence Willow que nous hébergeons. La combinaison offre des temps de réponse inférieurs à 300 ms dans une pièce typique.
Pour les utilisateurs qui veulent plusieurs satellites vocaux autour de la maison sans payer les prix Home Assistant Voice PE par pièce, Willow est l’option la plus économique.
Où cela fait défaut : Le matériel ESP32-S3-BOX nécessite un flash (territoire familier si nous avons fait ESPHome). Le serveur d’inférence nécessite une machine modérément puissante (un Mac mini ou NUC). Certaines étapes d’intégration nécessitent toujours les commandes du terminal.
Prix : ESP32-S3-BOX-3 autour de $80 ; le serveur d’inférence utilise le matériel existant
Plates-formes : Serveur sur Linux, macOS ; satellites sur ESP32
Télécharger : github.com/HeyWillow/willow
Conclusion : Choisissez Willow si nous voulons des satellites bon marché dans chaque pièce. Ignorez-le si le flash du matériel ESP32 semble intimidant.
7. Ollama — meilleur pour la correspondance d'intention LLM locale
Ollama n’est pas un outil vocal — c’est l’exécution LLM locale qui lie les parties intelligentes d’une pile vocale 2026. En exécutant un petit modèle Llama 3 ou Mistral sur le réseau local, le pipeline Assist de Home Assistant peut gérer les commandes en langage naturel (« éteins tout dans la chambre sauf le ventilateur ») que les comparateurs d’intention simples manquent.
Pour les utilisateurs qui veulent que leur assistant vocal comprenne l’intention au-delà des modèles rigides, Ollama est la mise à niveau.
Où cela fait défaut : Nécessite une machine avec 8 Go+ de RAM dédiée au modèle. Le temps de réponse dépend du modèle — Llama 3 8B est réactif sur un Mac avec silicium M ; Mistral 7B est bon sur la plupart des boîtes x86. L’inférence CPU pure est plus lente.
Prix : Gratuit
Plates-formes : Installateur natif pour Windows, macOS, Linux
Télécharger : ollama.com
Conclusion : Choisissez Ollama pour ajouter l’intention soutenue par LLM à la pile vocale de Home Assistant. Ignorez-le si notre matériel ne peut pas héberger un modèle.
Comment choisir la bonne
Si nous voulons la configuration vocale locale la plus simple : Home Assistant + matériel Home Assistant Voice PE. Branchez, suivez l’assistant de configuration, et nous exécutons localement en 30 minutes.
Si nous voulons la meilleure précision de reconnaissance vocale : Whisper (faster-whisper) avec le modèle medium sur une machine équipée d’un GPU.
Si nous voulons la voix TTS locale la plus naturelle : Piper avec l’une des voix de haute qualité.
Si nous voulons plusieurs satellites vocaux sans casser la tirelire : Willow avec du matériel ESP32-S3-BOX.
Si nous voulons un assistant vocal sans nous engager sur Home Assistant : OpenVoiceOS.
Si nous voulons la correspondance d’intention de qualité LLM : Ajoutez Ollama avec un modèle 7B-8B au pipeline Home Assistant Assist.
Si nous voulons la configuration privée à norme d’or : Home Assistant + Voice PE + Whisper + Piper + Ollama, tout s’exécutant sur un NUC avec 32 Go de RAM sur le LAN.
FAQ
Puis-je vraiment exécuter un assistant vocal local sans cloud du tout ? Oui. La pile 2026 (Home Assistant Assist + Whisper + Piper + Ollama optionnel) s’exécute entièrement sur du matériel que nous possédons. Aucun audio, intention ou réponse ne quitte le LAN.
Quel matériel ai-je besoin ? Au minimum, un Raspberry Pi 4 avec 4 Go de RAM pour Home Assistant lui-même, plus une petite machine séparée (un Pi 5 avec 8 Go ou n’importe quelle petite boîte Linux) pour Whisper. Pour la correspondance d’intention soutenue par LLM, ajoutez une autre machine avec 16 Go+ de RAM pour Ollama.
Comment le temps de réponse se compare-t-il à Alexa ? Une pile locale bien réglée répond en 150-300 ms. Cloud Alexa prend généralement 500-1500 ms. Apple HomePod avec HomeKit est entre 200-500 ms.
Fonctionnera-t-il en espagnol, français ou autres langues ? Oui, avec des avertissements. Whisper gère ~99 langues de manière raisonnablement bonne. Piper a des voix pour 50+ langues. Le comparateur d’intention Home Assistant fonctionne dans de nombreuses langues mais les petites langues nécessitent plus de configuration.
Mycroft est-il toujours vivant ? La société Mycroft AI a fermé en 2023. La bifurcation communautaire, OpenVoiceOS (alias OVOS), garde le projet en vie et publie activement des mises à jour. Les utilisateurs Mycroft existants peuvent passer à OVOS.