Descript, Inc. est une entreprise américaine de logiciels, établie à San Francisco, dont la plateforme rapproche le montage audiovisuel du traitement de texte. Accessible sur descript.com, son offre s’adresse notamment aux podcasteurs, vidéastes, équipes marketing et organismes de formation. Le principe : transcrire un enregistrement, puis permettre à l’utilisateur de supprimer ou de déplacer des passages en intervenant directement dans le texte. L’intelligence artificielle complète cette approche avec des fonctions de traitement sonore, de transcription et de génération vocale.
Des origines dans l’audio
Descript est fondée en 2017 par Andrew Mason, également connu pour avoir cofondé Groupon. Le projet prolonge ses travaux autour de l’audio, notamment avec Detour, une application de promenades audioguidées. L’idée consiste à réduire la complexité des outils de production : plutôt que de manipuler uniquement des pistes et des formes d’onde, le créateur travaille à partir des mots prononcés.
En 2019, l’entreprise acquiert Lyrebird, une jeune pousse montréalaise spécialisée dans la synthèse vocale par intelligence artificielle. Cette opération nourrit le développement de fonctions permettant de produire une voix synthétique et de corriger certains passages sans réenregistrer toute une séquence. Descript élargit ensuite son périmètre au montage vidéo. En 2023, le rachat de SquadCast, service d’enregistrement à distance, renforce son positionnement sur la chaîne de production des podcasts et des entretiens.
Une plateforme de production assistée par l’IA
Le cœur du produit reste la correspondance entre transcription et média source. Effacer une phrase dans le texte peut retirer le passage correspondant dans l’audio ou la vidéo. Cette logique facilite le dérushage, les coupes et la préparation de formats courts. Elle s’accompagne d’outils plus classiques : gestion de plusieurs pistes, enregistrement d’écran, sous-titrage et export des contenus.
Les fonctions d’IA visent surtout à alléger les opérations répétitives. Descript propose notamment la détection de mots de remplissage, l’amélioration de la qualité sonore avec Studio Sound et des outils de voix synthétique. Ces traitements ne dispensent pas d’une vérification humaine : la transcription peut comporter des erreurs, tandis qu’une modification du texte ou de la voix peut changer le sens d’un propos.
Le modèle économique repose sur des abonnements, avec plusieurs niveaux de fonctionnalités et de capacités d’utilisation. Les possibilités de partage et de collaboration répondent aux besoins d’équipes qui doivent faire relire, valider et décliner leurs productions sans multiplier les transferts de fichiers.
Et maintenant ?
La trajectoire de Descript se joue dans un marché où les logiciels de montage traditionnels intègrent eux aussi davantage d’IA. Sa différenciation repose sur la cohérence du parcours, de l’enregistrement à la publication, et sur l’accessibilité du montage par le texte. L’enjeu sera de conjuguer automatisation et contrôle éditorial, sans effacer les besoins des utilisateurs avancés. Le consentement à la reproduction d’une voix, la protection des enregistrements et la fidélité des contenus modifiés constituent également des sujets déterminants pour son adoption professionnelle.