A chaque moteur son modele, et un forcage manuel

app.py passait CONFIG["model"] — un depot MLX — quel que soit le moteur detecte.
Sur une machine sans Apple Silicon, faster-whisper aurait recu un depot qu'il ne
sait pas charger. Le defaut etait invisible ici, la detection rendant toujours
"mlx" sur ce Mac : aucun test ne pouvait le voir.

MODELES_PAR_MOTEUR associe chaque moteur a son depot. Les valeurs viennent de la
mesure du jour (trois echantillons, amorce active, CPU Apple Silicon) :

  faster-whisper base   0,52 s  10/13 termes techniques   142 Mo
  faster-whisper small  1,42 s  11/13                     464 Mo
  faster-whisper medium 4,40 s  13/13                    1460 Mo
  MLX medium (GPU)      0,75 s  11/13                     489 Mo

Le GPU vise donc la precision (medium, 13/13, il absorbe le cout) ; le CPU vise
la latence (small, 11/13 — AUTANT que le MLX utilise aujourd'hui — pour 1,4 s).
`medium` sur CPU serait plus juste, mais ces 4,4 s sont celles d'un CPU Apple
Silicon : sur un CPU Intel ou Windows, le meme modele peut demander trois a quatre
fois plus. La commande de diagnostic mesurera la machine reelle et pourra
promouvoir `medium`.

CONFIG["model"] passe a None et devient un FORCAGE manuel qui prime sur la table,
au lieu d'un reglage mort qu'on modifie sans effet.

115 tests. Comportement inchange sur ce Mac : moteur mlx, modele identique.

Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>

app.py

@@ -29,7 +29,7 @@ from PyObjCTools import AppHelper
 from pynput import keyboard
 
 from controller import ZonzaController
-from core import CONFIG, validate_config
+from core import CONFIG, modele_retenu, validate_config
 from interface import classe_overlay_pour
 from moteur import choisir_transcripteur, detecter_moteur
 from systeme import choisir_systeme
@@ -141,9 +141,10 @@ def main():
         return
     main._lock = lock  # garder le verrou vivant tant que le process vit
     validate_config(CONFIG)
+    moteur = detecter_moteur()
     transcripteur = choisir_transcripteur(
-        nom=detecter_moteur(),
-        modele=CONFIG["model"],
+        nom=moteur,
+        modele=modele_retenu(moteur, CONFIG["model"]),
         langue=CONFIG["language"],
         amorce=CONFIG["initial_prompt"],
     )

core.py

@@ -6,7 +6,9 @@ Tout ce qui est ici est testable sans micro, sans clavier, sans modèle.
 import re
 
 CONFIG = {
-    "model": "mlx-community/whisper-medium",
+    # Forcage manuel du modele. None = on suit MODELES_PAR_MOTEUR, qui choisit
+    # d'apres le moteur detecte. Renseigner cette cle prime sur la table.
+    "model": None,
     "language": "fr",
     "hotkey": "<cmd>+<ctrl>+d",   # Cmd+Ctrl+D (libre : ni macOS ni VS Code ne l'utilisent)
     "sounds": True,
@@ -163,6 +165,43 @@ def duree_vie_overlay_coherente(config):
     return config["duree_max_overlay_s"] >= config["max_duration_s"] + MARGE_TRANSCRIPTION_S
 
 
+# --- modele par moteur ----------------------------------------------------
+# Chaque moteur a son propre format de depot : MLX lit `mlx-community/*`,
+# faster-whisper lit `Systran/faster-whisper-*`. Passer l'un a l'autre echoue.
+#
+# Mesure du 2026-08-23, trois echantillons, amorce de vocabulaire active,
+# sur le CPU d'un Apple Silicon :
+#   faster-whisper base   0,52 s   10/13 termes techniques   142 Mo
+#   faster-whisper small  1,42 s   11/13                     464 Mo
+#   faster-whisper medium 4,40 s   13/13                    1460 Mo
+#   MLX medium (GPU)      0,75 s   11/13                     489 Mo
+#
+# D'ou les choix : le GPU vise la precision (medium, 13/13, le GPU absorbe le
+# cout) ; le CPU vise la latence (small, 11/13 — soit AUTANT que le MLX utilise
+# aujourd'hui — pour 1,4 s ici). `medium` sur CPU serait plus juste, mais 4,4 s
+# ont ete mesures sur un CPU Apple Silicon, rapide : sur un CPU Intel ou Windows,
+# le meme modele peut demander trois a quatre fois plus. La commande de
+# diagnostic (etape 4) mesurera la machine reelle et pourra promouvoir `medium`.
+MODELES_PAR_MOTEUR = {
+    "mlx": "mlx-community/whisper-medium",
+    "faster-gpu": "Systran/faster-whisper-medium",
+    "faster-cpu": "Systran/faster-whisper-small",
+}
+
+
+def modele_retenu(nom_moteur, forcage=None):
+    """Modele finalement utilise : le forcage manuel s'il est renseigne, sinon la
+    table. Une chaine vide est traitee comme une absence de forcage."""
+    return forcage or modele_pour_moteur(nom_moteur)
+
+
+def modele_pour_moteur(nom):
+    """Rend le depot de modele adapte a ce moteur. Leve KeyError si inconnu."""
+    if nom not in MODELES_PAR_MOTEUR:
+        raise KeyError(f"Aucun modele connu pour le moteur : {nom}")
+    return MODELES_PAR_MOTEUR[nom]
+
+
 def validate_config(config):
     """Valide la config ; lève ValueError si une valeur est aberrante."""
     if config["min_duration_s"] < 0:

moteur/__init__.py

@@ -59,4 +59,12 @@ def choisir_transcripteur(nom, modele, langue, amorce):
     if nom == "mlx":
         from moteur.mlx import TranscripteurMLX
         return TranscripteurMLX(modele, langue, amorce)
+    if nom in ("faster-cpu", "faster-gpu"):
+        # C'est ICI, et nulle part dans TranscripteurFasterWhisper, que le
+        # peripherique et le type de calcul sont decides : la classe reste
+        # testable sans jamais sonder de vrai materiel.
+        from moteur.faster import TranscripteurFasterWhisper
+        peripherique = "cuda" if nom == "faster-gpu" else "cpu"
+        type_calcul = "float16" if nom == "faster-gpu" else "int8"
+        return TranscripteurFasterWhisper(modele, langue, amorce, peripherique, type_calcul)
     raise NotImplementedError(f"Moteur non pris en charge à cette étape : {nom}")

moteur/faster.py

@@ -0,0 +1,48 @@
+"""Transcription par faster-whisper (CTranslate2) — tourne partout : Mac Intel,
+Windows avec ou sans GPU. Complement de moteur/mlx.py, qui lui est reserve a
+l'Apple Silicon.
+"""
+import numpy as np
+
+from core import clean_transcript
+
+
+class TranscripteurFasterWhisper:
+    """Implementation du contrat Transcripteur pour faster-whisper.
+
+    Le peripherique (`cpu`/`cuda`) et le type de calcul (`int8`/`float16`...)
+    sont recus en parametres plutot que devines ici : cette classe ne sonde
+    jamais le materiel elle-meme. C'est `moteur/__init__.py::choisir_transcripteur`
+    qui tranche, d'apres `_cuda_disponible` — garder la decision hors de cette
+    classe la rend testable sans machine CUDA ni GPU.
+    """
+
+    def __init__(self, modele, langue, amorce, peripherique, type_calcul):
+        self.modele = modele
+        self.langue = langue
+        self.amorce = amorce
+        self.peripherique = peripherique
+        self.type_calcul = type_calcul
+        self._instance = None  # modele CTranslate2 charge paresseusement
+
+    def warmup(self):
+        """Charge le modele une fois, sur une seconde de silence."""
+        self.transcrire(np.zeros(16000, dtype="float32"))
+
+    def transcrire(self, audio):
+        # Import differe dans la methode, jamais au niveau module : sinon toute
+        # machine sans faster-whisper installe casserait a l'import de ce
+        # fichier, y compris pour les tests qui n'exercent que la fabrique
+        # (meme raison que moteur/mlx.py pour mlx_whisper).
+        from faster_whisper import WhisperModel
+
+        if self._instance is None:
+            self._instance = WhisperModel(
+                self.modele, device=self.peripherique, compute_type=self.type_calcul
+            )
+        segments, _info = self._instance.transcribe(
+            audio, language=self.langue, initial_prompt=self.amorce
+        )
+        # faster-whisper rend un generateur de segments, pas un texte unique :
+        # il faut le consommer entierement avant de pouvoir le joindre.
+        return clean_transcript("".join(segment.text for segment in segments))

requirements.txt

@@ -1,4 +1,9 @@
+# mlx-whisper : GPU Apple Silicon uniquement (moteur "mlx", machine actuelle).
 mlx-whisper>=0.4.3
+# faster-whisper : coeur CTranslate2, tourne partout (Mac Intel, Windows avec ou
+# sans GPU). Les deux coexistent car aucun des deux ne couvre a lui seul toutes
+# les plateformes visees par le portage — cf moteur/__init__.py::nom_moteur_pour.
+faster-whisper>=1.0
 sounddevice>=0.5.5
 numpy>=2.4
 pynput>=1.8.2

tests/test_modele_par_moteur.py

@@ -0,0 +1,52 @@
+"""À chaque moteur son modèle.
+
+`app.py` passait `CONFIG["model"]` — un dépôt MLX — quel que soit le moteur détecté.
+Sur une machine sans Apple Silicon, `faster-whisper` aurait reçu un dépôt qu'il ne
+sait pas charger. Le défaut était invisible ici, puisque la détection rend toujours
+`mlx` sur ce Mac.
+"""
+import pytest
+
+from core import MODELES_PAR_MOTEUR, modele_pour_moteur
+
+
+def test_chaque_moteur_connu_a_son_modele():
+    for nom in ("mlx", "faster-cpu", "faster-gpu"):
+        assert modele_pour_moteur(nom)
+
+
+def test_mlx_garde_le_modele_d_aujourd_hui():
+    assert modele_pour_moteur("mlx") == "mlx-community/whisper-medium"
+
+
+def test_les_moteurs_faster_ne_recoivent_jamais_un_depot_mlx():
+    for nom in ("faster-cpu", "faster-gpu"):
+        assert "mlx" not in modele_pour_moteur(nom).lower()
+
+
+def test_le_gpu_vise_la_precision_le_cpu_la_latence():
+    # mesuré le 2026-08-23 : medium = 13/13 termes mais 4,4 s sur CPU ; small = 11/13 en 1,4 s
+    assert "medium" in modele_pour_moteur("faster-gpu")
+    assert "small" in modele_pour_moteur("faster-cpu")
+
+
+def test_un_moteur_inconnu_est_refuse_clairement():
+    with pytest.raises(KeyError) as e:
+        modele_pour_moteur("vosk")
+    assert "vosk" in str(e.value)
+
+
+def test_la_table_ne_contient_que_les_moteurs_reconnus():
+    assert set(MODELES_PAR_MOTEUR) == {"mlx", "faster-cpu", "faster-gpu"}
+
+
+def test_le_reglage_manuel_prime_sur_la_table():
+    from core import modele_retenu
+    assert modele_retenu("faster-cpu", forcage=None) == modele_pour_moteur("faster-cpu")
+    assert modele_retenu("faster-cpu", forcage="Systran/faster-whisper-medium") \
+        == "Systran/faster-whisper-medium"
+
+
+def test_un_forcage_vide_est_ignore():
+    from core import modele_retenu
+    assert modele_retenu("mlx", forcage="") == modele_pour_moteur("mlx")

tests/test_moteur.py

@@ -64,3 +64,23 @@ def test_cuda_sonde_ne_leve_jamais_meme_si_le_chargeur_explose():
     def charger(nom):
         raise RuntimeError("chargeur casse, pas seulement OSError")
     assert _cuda_disponible(plateforme="win32", charger=charger) is False
+
+
+# --- faster-whisper : meme garantie que MLX ci-dessus — la fabrique rend un
+# transcripteur complet sans jamais importer faster_whisper au niveau module,
+# pour rester executable sur une machine qui ne l'a pas installe.
+
+def test_la_fabrique_rend_un_transcripteur_faster_cpu_complet():
+    t = choisir_transcripteur(nom="faster-cpu", modele="Systran/faster-whisper-small",
+                              langue="fr", amorce="")
+    assert callable(t.warmup) and callable(t.transcrire)
+    assert t.peripherique == "cpu"
+    assert t.type_calcul == "int8"
+
+
+def test_la_fabrique_rend_un_transcripteur_faster_gpu_complet():
+    t = choisir_transcripteur(nom="faster-gpu", modele="Systran/faster-whisper-small",
+                              langue="fr", amorce="")
+    assert callable(t.warmup) and callable(t.transcrire)
+    assert t.peripherique == "cuda"
+    assert t.type_calcul == "float16"