Le retour de la note vocale
Pendant longtemps, les mémos vocaux étaient un dernier recours. Vous les utilisiez quand vous ne pouviez pas taper, comme en conduisant ou en promenant le chien. L'enregistrement restait sur votre téléphone pendant des semaines. Vous le réécoutiez rarement. La transcription, s'il y en avait une, était suffisamment embrouillée pour être inutile.
Cela a commencé à changer vers fin 2022, et en 2026 ce n'est même plus la même catégorie de produit. L'app de mémo vocal sur votre téléphone écrit désormais des résumés soignés. Les outils de réunion écoutent silencieusement en arrière-plan et recrachent des notes structurées. Des développeurs solo gagnent sérieusement de l'argent en construisant des apps « parlez à votre téléphone, récupérez une pensée propre ». Des produits indépendants comme AudioPen ont atteint environ 1 M$ d'ARR en environ douze mois sans capital-risque, comme couvert par Dan Shipper chez Every (2023).
Le basculement est réel, et il ne porte pas sur les microphones. Les microphones ont toujours été bons. Ce qui a changé, c'est que la transcription automatique est enfin devenue assez bonne, et assez bon marché, pour que les développeurs indépendants puissent construire par-dessus.
Cet article parcourt ce qui s'est réellement passé, pourquoi parler bat taper pour une gamme étonnante de tâches, la science cognitive derrière le fait que parler aide à penser, le paysage actuel des outils, et où se trouvent les problèmes non résolus.
Parler est plus rapide que taper. Beaucoup plus rapide.
Commencez par les chiffres bruts. Ils sont plus déséquilibrés que ce que la plupart des gens attendent.
La vitesse de frappe a été étudiée à grande échelle. Dhakal et ses collègues ont analysé 136 millions de frappes de 168 000 volontaires dans « Observations on Typing from 136 Million Keystrokes » (CHI 2018). La vitesse de frappe moyenne dans une population générale était d'environ 52 mots par minute, avec une médiane plus proche de 40 mots par minute sur des claviers du monde réel. Les dactylographes sur du matériel de bureau plafonnent autour de 60 à 80 mots par minute en pratique, et très peu de gens soutiennent ce rythme longtemps.
Parler est un régime complètement différent. L'anglais conversationnel tourne autour de 125 à 150 mots par minute. La parole rapide, comme un podcasteur à l'emploi du temps serré, peut atteindre 180 mots par minute sans être difficile à comprendre. Même la dictée réfléchie, où vous vous arrêtez pour penser entre les phrases, atterrit quelque part près de 100 mots par minute.
Voici ce que cela signifie en pratique.
| Activité | Vitesse typique (mots/min) | Sortie en 5 minutes | Idéal pour |
|---|---|---|---|
| Frappe au pouce mobile | 36 mots/min | ~180 mots | Messages courts |
| Frappe de bureau moyenne | 40 mots/min | ~200 mots | Écriture concentrée |
| Dactylographie rapide | 70 mots/min | ~350 mots | Rédaction, code |
| Dictée réfléchie | 100 mots/min | ~500 mots | Notes structurées |
| Parole naturelle | 140 mots/min | ~700 mots | Capture d'idées, rappel, mémos vocaux |
| Parole rapide | 180 mots/min | ~900 mots | Podcasts, enseignement |
Pour la capture, l'écart est d'environ 3 fois. En cinq minutes de marche, vous pouvez dicter l'équivalent de deux pages tapées. Dans les mêmes cinq minutes à un bureau, vous produiriez au mieux une page, et vous seriez assis immobile.
Le bémol est la qualité. Les transcriptions brutes sont plus longues et plus désordonnées que le texte écrit. C'est là que la couche IA compte, et c'est la raison pour laquelle les apps de notes vocales n'ont pas décollé en 2015 même si la dictée existait déjà. La transcription sans nettoyage est un demi-produit.
Pourquoi parler vous aide à penser, pas juste à transcrire
L'avantage de vitesse est la partie évidente. L'affirmation plus intéressante est que parler change la qualité de la pensée elle-même.
Lev Vygotski a défendu cette thèse dans « Pensée et Langage » (1934). Son argument était que le discours intérieur, le commentaire courant que nous avons dans la tête, est là où le raisonnement se produit vraiment. Extérioriser ce discours intérieur, le dire à voix haute, ne fait pas que l'enregistrer. Cela l'aiguise. Vous remarquez les lacunes. Vous vous entendez vous contredire. Vous attrapez des sauts de logique qui paraissent bons sur le papier mais sonnent faux à l'oral.
Les programmeurs ont redécouvert cela indépendamment. Andy Hunt et Dave Thomas ont décrit le « rubber duck debugging » dans « The Pragmatic Programmer » (1999) : la pratique d'expliquer votre code ligne par ligne à un objet inanimé. Le canard ne fait rien, mais l'acte de dire le problème à voix haute fait émerger le bug de manière fiable. Vous entendez votre propre raisonnement d'une manière que vous n'entendez pas quand il reste dans votre tête.
La technique Feynman fonctionne sur le même principe. Si vous ne pouvez pas expliquer une idée en langage simple, vous ne la comprenez pas. Le test fonctionne parce que parler force la complétude. Taper vous laisse passer sur les bouts flous. Parler rend le flou audible.
Il y a aussi un soutien expérimental. Norman Slamecka et Peter Graf ont documenté l'« effet de génération » en 1978 : l'information que vous produisez vous-même (en générant, paraphrasant ou expliquant) est significativement mieux retenue que l'information lue passivement. L'effet s'est répliqué à travers des décennies de recherche sur la mémoire. Les notes vocales se trouvent du côté génération de cette ligne. Taper une liste de tâches est plus léger sur la cognition que la dire à voix haute, entendre sa propre voix, puis lire la transcription propre.
Mettez les trois ensemble. Vous obtenez la vitesse (le langage parlé dépasse la frappe), la clarté (vous attrapez des lacunes que vous manqueriez autrement) et la rétention (vous vous souvenez de ce que vous avez produit). C'est une combinaison rare, et c'est pourquoi la prise de notes à la voix d'abord n'est pas un gadget.
Le moment Whisper
Rien de tout cela n'aurait compté sans un moteur de transcription crédible que les développeurs indépendants pouvaient réellement se permettre.
OpenAI a sorti Whisper en septembre 2022. L'article, « Robust Speech Recognition via Large-Scale Weak Supervision » de Radford et ses collègues (arXiv:2212.04356), détaillait un modèle entraîné sur 680 000 heures d'audio multilingue et multi-tâche. Les variantes large-v2 et large-v3 atteignaient environ 5 % de taux d'erreur par mot sur le test clean de LibriSpeech et 8 à 12 % sur la parole réelle plus bruyante. Il prenait en charge 99 langues. Il était open source.
Deux choses ont fait de Whisper un tournant. D'abord, la qualité était assez proche des offres cloud commerciales de Google et Microsoft pour qu'il devienne le choix par défaut de la plupart des constructeurs. Ensuite, il tournait localement sur un GPU grand public. Un développeur indépendant pouvait transcrire l'audio d'un utilisateur sans payer des frais d'API à la minute, et sans envoyer cet audio à un tiers. Pour un cas d'usage sensible à la confidentialité comme « enregistrez vos pensées », cela comptait.
La courbe de coût est tombée rapidement. En 2020, transcrire une heure d'audio via une API cloud coûtait plusieurs dollars et nécessitait encore un nettoyage manuel. En 2024, Whisper via l'API d'OpenAI coûtait environ 0,36 $ par heure, et l'auto-hébergement était effectivement gratuit hors calcul. La transcription est passée de « appelez ce service pour des minutes facturables » à « traitez l'audio comme du texte bon marché ».
C'est la phrase qui explique presque tout ce qui s'est passé ensuite.
L'explosion des apps d'IA vocale 2023-2026
Une fois que la transcription était bon marché et bonne, la couche applicative a explosé. Une carte approximative de ce qui a été livré dans les deux ans après Whisper :
AudioPen (2023, Louis Pereira). Un développeur solo a construit une app web qui faisait une seule chose : vous appuyez sur enregistrer, vous divaguez, vous appuyez sur stop, et elle transforme la divagation en un résumé propre. Pereira l'a bootstrappée jusqu'à environ 1 M$ d'ARR en environ douze mois, comme documenté dans la couverture de Dan Shipper chez Every (2023). Pas de VC, pas d'équipe, pas de growth hacking. Le produit était tellement évidemment utile.
Voicenotes.com (2024, Jordan Singer). Singer, auparavant chez Meta et fondateur de Mainframe, a livré Voicenotes avec un palier gratuit et un palier payant à 10 $/mois. Il insistait sur le chat avec vos notes, pas seulement la transcription. Votre archive devenait interrogeable.
Granola (2024, Londres). Construit pour les réunions. Granola écoute l'audio sur votre Mac sans rejoindre l'appel comme participant bot, ce qui contourne l'étiquette gênante du « Fathom a rejoint la réunion ». Il a levé un seed chez Spark Capital, puis une série A de 20 M$ menée par Lightspeed en mai 2024. Les rapports de valorisation de Sifted et TechCrunch l'ont placé dans la tranche à neuf chiffres dans l'année suivant le lancement.
Apple Intelligence (octobre 2024, iOS 18.1). Apple a livré l'enregistrement d'appels, la transcription et le résumé à l'intérieur de Voice Memos. L'app Notes a gagné la transcription audio en ligne. Pour la plupart des utilisateurs d'iPhone, l'IA vocale est arrivée par défaut, pas en téléchargement.
Otter.ai. Plus ancien que les autres (fondé en 2016) mais repositionné à la même époque avec des résumés IA, des éléments d'action et des fonctionnalités spécifiques aux réunions. En 2024, c'était une option standard aux côtés de Granola et Read.ai.
Mode vocal de ChatGPT. Pas vraiment une app de notes, mais fin 2024 et en 2025, le Mode vocal avancé d'OpenAI a fait de « parler à une IA d'une idée, récupérer une réponse écrite cohérente » une interaction désinvolte. Cela a changé ce que les gens attendaient des outils vocaux en général.
Voici leur comparaison en 2026.
| Outil | Idéal pour | Qualité de transcription | Format de sortie | Prix (2026) |
|---|---|---|---|---|
| AudioPen | Déversements de pensées en solo | Élevée (basée sur Whisper) | Résumé propre, notes, thread tweet | Gratuit / ~80 $/an |
| Voicenotes.com | Journal vocal personnel avec recherche | Élevée | Notes, puces, chat avec notes | Gratuit / 10 $/mois |
| Granola | Notes de réunion (Mac) | Très élevée | Notes de réunion structurées avec éléments d'action | Palier gratuit / ~14 $/mois |
| Apple Voice Memos + Intelligence | Capture iOS/Mac intégrée | Élevée (sur l'appareil) | Transcription + résumé | Inclus avec l'appareil |
| Otter.ai | Transcription de réunions d'équipe | Élevée | Sous-titres en direct, notes partageables | Gratuit / 17 $/mois |
| ChatGPT Voice Mode | Penser à voix haute avec une IA | Élevée | Réponse conversationnelle | Inclus avec Plus |
Le schéma intéressant est que ces outils ne se font pas vraiment concurrence. Ils divisent le marché par contexte. Granola possède les réunions. AudioPen possède la capture d'idées en solo. Apple possède l'expérience iPhone par défaut. Voicenotes possède le cas d'usage « je veux chercher tout ce que j'ai dit ». ChatGPT possède le rôle de partenaire de pensée conversationnel.
Ce que font vraiment les meilleures apps au-delà de la transcription
Si vous donniez à un utilisateur la sortie brute de Whisper, il arrêterait de l'utiliser en une semaine. Les transcriptions de pensées parlées sont difficiles à lire. Les gens reviennent en arrière. Ils disent « euh ». Ils recommencent des phrases. Un mémo vocal de trois minutes devient un mur de texte de 450 mots que personne ne survolera, encore moins ne relira.
Les apps qui ont tenu ont toutes résolu ce problème en aval. Quelques schémas reviennent.
Restructurer, pas seulement nettoyer. Le mouvement signature d'AudioPen est de réécrire une note vocale décousue comme si un rédacteur compétent y avait fait une passe. Les puces sortent groupées. Les tangentes sont élaguées. La note finale est souvent plus courte que ce que l'utilisateur a dit, ce qui est le contraire de ce que fait la transcription naïve.
Sortie multi-format. La plupart des apps vous laissent demander le même enregistrement en résumé, en ensemble d'éléments d'action, en post LinkedIn ou en thread tweet. L'audio est la matière première. Le format est un choix de prompt au moment de la lecture.
Étiquetage et recherche automatiques. Voicenotes et Granola indexent tous deux la transcription en texte intégral pour que vous puissiez chercher à travers chaque note que vous avez jamais faite. L'hypothèse est que vous ne vous souviendrez pas de quel enregistrement contenait l'idée sur les tarifs. Vous vous souviendrez du mot « tarifs ».
Discuter avec vos notes. Demandez « qu'ai-je dit sur la stratégie du T2 le mois dernier ? » et l'app récupère les clips pertinents. C'est du retrieval-augmented generation standard sur votre propre archive, et c'est pourquoi les apps vocales ressemblent de plus en plus à des bases de connaissances personnelles.
Capture passive de réunion. L'astuce de Granola consistant à écouter l'audio système sans rejoindre comme bot est plus un choix d'UX que technique, mais cela compte. Les utilisateurs ne veulent pas expliquer à chaque participant externe pourquoi il y a un quatrième participant nommé « Fathom Notetaker ».
La transcription est une commodité. Le produit est tout ce que vous faites avec le texte ensuite.
Le problème de la récupération
Voici où les apps de notes vocales tapent discrètement contre un mur.
Le côté capture est résolu. Vous pouvez parler à votre téléphone, et en quelques secondes vous avez une note propre et structurée. Mais après quelques mois d'utilisation régulière, la plupart des gens finissent avec des centaines de notes. Beaucoup sont bonnes. Beaucoup contiennent des idées qu'ils voudraient revisiter. Et la plupart des utilisateurs n'y reviennent jamais, parce qu'ils ne peuvent rien trouver.
Le problème de recherche avec la voix est pire qu'avec les notes tapées pour deux raisons. Premièrement, quand vous tapez, vous avez tendance à choisir des mots-clés mémorables. Quand vous parlez, non. Vous avez utilisé le mot « feuille de route » dans un enregistrement, « plan » dans un autre, et « où nous allons » dans un troisième, tous sur le même sujet. La recherche par mots-clés seule ne les attrapera pas tous les trois.
Deuxièmement, les notes vocales ne sont pas relues comme le sont les notes écrites. Taper une note vous force à penser à la formulation, ce qui aide le rappel. Dicter est si rapide que la note est souvent stockée avant que le cerveau n'ait verrouillé ce qu'il y a dedans. Vous vous souvenez de l'essentiel, pas de la formulation.
C'est le même problème que le cadre Building a Second Brain de Tiago Forte est conçu pour résoudre pour les notes tapées, et celui que Sönke Ahrens traite dans How to Take Smart Notes. La capture est facile. La récupération est là où la plupart des systèmes échouent. La voix amplifie les deux côtés de l'équation. Plus de capture, moins de récupération.
La solution n'est pas une meilleure app vocale. C'est une couche au-dessus des apps vocales qui traite les transcriptions audio comme un type de texte de plus à surligner, étiqueter, lier et interroger. Ce qui est le modèle au cœur de la gestion de connaissances personnelle moderne.
Voix + surlignage + requête : le flux de travail complet
C'est là que les outils vocaux et un système de surlignage s'associent naturellement.
Le flux de travail qui survit vraiment après le troisième mois ressemble à ceci.
1. Capturez vite. Utilisez AudioPen, Voicenotes ou les Voice Memos natifs d'Apple pour déverser les pensées à mesure qu'elles arrivent. Ne modifiez pas. Ne vous souciez pas de la structure. Le but est de ne pas perdre l'idée.
2. Laissez l'IA faire le nettoyage en première passe. La plupart des apps produisent un résumé plus une transcription nettoyée. C'est votre matière première.
3. Exportez ou collez la transcription quelque part qui est relisible. La plupart des apps vocales vous laissent exporter vers Markdown ou envoyer à Notion, Obsidian ou une page web. Une transcription qui ne vit que dans l'app vocale est un silo de plus.
4. Surlignez les gardiens. Sur une transcription de 400 mots, peut-être trois phrases valent la peine d'être retenues. Surlignez-les. C'est là que le surligneur web de Glasp s'inscrit : il vous permet de surligner des passages sur n'importe quelle page web, y compris des transcriptions de vos propres enregistrements, et sauvegarde ces surlignages dans une bibliothèque recherchable.
5. Interrogez tout. Une fois que vos surlignages vivent à côté du reste de vos notes de lecture et des captures YouTube Summary, vous pouvez poser au chat IA de Glasp des questions qui couvrent toute votre archive. « Qu'ai-je dit sur les tarifs ces six derniers mois ? » cesse d'être un problème de recherche et devient une conversation.
6. Revisitez selon un calendrier. Les notes vocales bénéficient de la révision espacée plus que presque tout autre type de note, parce que le coût de rétention de la dictée est inférieur à celui de la frappe. Fixez une cadence hebdomadaire pour survoler les surlignages de la semaine précédente.
Voilà la forme de la chose. Capture rapide via la voix. Triage éditorial via le surlignage. Accès à long terme via la recherche IA. Aucune app unique ne fait les trois bien en 2026, et c'est très bien. Le flux de travail est le produit.
Pour les lecteurs qui veulent la version centrée lecture de cette boucle, l'article compagnon est AI reading assistant, qui couvre le même schéma capture-organiser-interroger appliqué aux articles et PDF plutôt qu'à l'audio.
Pièges de la prise de notes à la voix d'abord
La voix n'est pas une victoire facile. Trois modes d'échec reviennent.
Ambiguïté dans le langage parlé. Quand vous tapez, vous ponctuez. Quand vous parlez, non. Les transcriptions peuvent inverser le sens selon l'endroit où aurait dû être une virgule. La plupart des résumeurs IA gèrent cela bien, mais les cas limites (termes techniques, noms propres, locuteurs non natifs, acronymes) échouent de manière difficile à repérer car le résumé se lit sans accroc et avec confiance quand même.
Hallucination dans la couche de résumé. La transcription est ancrée. La synthèse ne l'est pas. Une étude de Stanford de 2024 sur les outils de résumé de réunions a constaté qu'environ 10 à 15 % des puces dans les résumés de réunions IA contenaient des affirmations qui n'étaient pas dans la transcription originale. Si vous vous fiez à une app vocale pour vous dire ce que vous avez décidé en réunion, vous devez aussi lire la transcription, pas juste le résumé.
Confidentialité. L'audio est plus sensible que le texte. Une transcription d'une conversation est très différente d'une note tapée sur la même conversation. Les apps qui envoient l'audio vers des serveurs cloud routent des données sensibles via des tiers. Le modèle sur l'appareil d'Apple Intelligence est une réponse à cela. Si vous utilisez des outils cloud, traitez le contenu vocal comme vous traiteriez des e-mails téléversés.
Le piège de la capture sans curation. Le plus gros mode d'échec n'est pas technique. Il est comportemental. La voix rend la capture si bon marché que les utilisateurs capturent bien plus qu'ils ne curatent. Des centaines de notes s'accumulent. Aucune n'est surlignée ou revisitée. L'archive se transforme en décharge numérique. C'est le même piège qui hante les apps de captures d'écran et les files « lire plus tard » : entrée facile, pas de rampe de sortie. Le remède est la discipline du côté curation, pas un meilleur outil de capture.
Connaître ces pièges à l'avance est l'essentiel du combat. Les outils continueront de s'améliorer. Les habitudes de flux de travail vous reviennent.
Questions fréquemment posées
La prise de notes par IA vocale est-elle vraiment plus rapide que la frappe, ou le coût d'édition annule-t-il le gain de vitesse ?
Le gain de vitesse tient même après l'édition. Dicter un brouillon brut de 500 mots prend environ 3 à 4 minutes. Taper la même chose à vitesse moyenne prend environ 12 à 13 minutes. Même si vous passez 5 minutes à nettoyer la version dictée, vous êtes encore en avance. Le nettoyage IA moderne réduit encore ce coût d'édition.
Par quelle app d'IA vocale commencer si je n'en ai jamais utilisé ?
Si vous êtes sur iPhone ou Mac, commencez par l'app Voice Memos intégrée sur iOS 18.1 ou ultérieur. Elle est gratuite, privée, et la fonction de résumé est assez bonne pour la plupart des cas d'usage. Si vous voulez quelque chose de plus affirmé, AudioPen est la voie la plus rapide pour « parler et récupérer une note propre ». Si votre cas d'usage est les réunions, Granola sur Mac est le choix le plus robuste.
Quelle est la précision de la transcription basée sur Whisper en 2026 ?
Pour un audio clair en anglais, attendez-vous à 95 % et plus de précision par mot. Pour le non-anglais, Whisper prend en charge 99 langues et la plupart des grandes atteignent une précision similaire. La précision baisse avec le bruit de fond, les locuteurs qui se chevauchent, les accents forts et le vocabulaire technique. L'audio de réunion du monde réel atterrit typiquement dans la plage 88 à 92 %.
Les notes vocales fonctionnent-elles pour les gens qui pensent mieux en écrivant ?
Possiblement pas. Les bénéfices cognitifs de parler viennent de l'extériorisation du discours intérieur, et si votre processus de pensée est déjà fortement verbal-textuel, taper peut remplir la même fonction. L'effet de génération (Slamecka et Graf, 1978) s'applique aux deux. Le test pratique est celui qui vous laisse avec des idées dont vous vous souvenez réellement une semaine plus tard.
Quel est le risque de confidentialité des apps vocales basées sur le cloud ?
L'audio lui-même est le souci. La plupart des apps vocales téléversent l'audio pour faire tourner la transcription, et certaines le stockent. Vérifiez la politique de données de l'app pour savoir si l'audio est supprimé après transcription, s'il est utilisé pour l'entraînement du modèle et s'il est chiffré au repos. La transcription sur l'appareil (Apple Intelligence, certaines configurations Whisper auto-hébergées) contourne cela entièrement.
Puis-je utiliser l'IA vocale pour l'écriture longue, pas seulement les notes ?
Oui, avec des réserves. Les premiers brouillons dictés sont rapides mais structurellement lâches. La plupart des rédacteurs qui utilisent la voix pour le format long traitent la version dictée comme matière première, puis éditent lourdement. Des auteurs comme Paul Graham ont écrit sur la dictée d'essais pendant des marches et leur peaufinage à un bureau. Le gain de vitesse est du côté capture. Le travail éditorial prend encore du temps.
Comment empêcher mes notes vocales de devenir une décharge numérique ?
Construisez une habitude de curation. Planifiez une passe hebdomadaire de 15 minutes où vous survolez les enregistrements de la semaine passée et surlignez ou sauvegardez uniquement ce qui vaut la peine d'être gardé. Traitez le reste comme jetable. C'est la même discipline qui fonctionne pour les articles : capturer largement, organiser impitoyablement.
Les outils d'IA vocale fonctionnent-ils bien pour les langues non anglaises ?
Whisper a été entraîné sur 99 langues, et la qualité sur les principales (espagnol, mandarin, japonais, français, allemand) est proche de l'anglais. Les langues plus petites et les dialectes régionaux voient de plus grandes baisses de précision. Les apps construites spécifiquement pour les marchés non anglophones utilisent souvent des modèles fine-tunés et surpassent les outils polyvalents.
Conclusion : capturer vite, organiser lentement
La vague de la prise de notes par IA vocale ne porte pas sur les microphones ni même sur la vitesse. Elle porte sur la suppression de la friction entre « je viens d'avoir une pensée » et « cette pensée est sauvegardée sous une forme que je peux utiliser plus tard ».
Pendant environ quarante ans, cette friction était assez élevée pour que la plupart des pensées meurent entre la douche et le bureau. Vous aviez une idée pendant une marche, vous vous disiez que vous la retiendriez, et non. L'app de mémo vocal existait, mais l'enregistrement était en perte : la transcription ne fonctionnait pas, donc l'idée restait piégée dans un audio que personne ne revisitait.
Whisper a levé le goulet d'étranglement de la transcription en 2022. Les apps de 2023 à 2026 ont construit les interfaces et les résumés autour. Apple en a fait un défaut. Ce que nous avons désormais est la première version qui fonctionne réellement d'une très vieille promesse : parlez à votre appareil, et récupérez une note utilisable.
Le côté capture est proche d'être résolu. La partie difficile est ce qui se passe ensuite. Les notes vocales ont le même mode d'échec que tout autre outil de capture. Si vous n'y revenez pas, autant qu'elles n'existent pas. Un système bien tenu associe capture rapide et curation lente et délibérée. Vous parlez pour déverser les idées. Vous surlignez pour marquer les gardiens. Vous interrogez l'archive pour trouver ce dont vous avez besoin plus tard.
C'est là qu'une couche de surlignage et de récupération IA compte. Glasp existe pour être cette couche pour les articles, vidéos et maintenant transcriptions dont vous voulez vous souvenir. Le flux de travail est assez simple pour durer : capturer vite par la voix, organiser lentement par les surlignages, et faire confiance à votre moi futur pour trouver ce que le moi passé a sauvegardé.
Les meilleurs penseurs de la prochaine décennie seront ceux qui parlent à leurs appareils aussi facilement qu'ils se parlent à eux-mêmes, et qui construisent l'habitude de revenir à ce qu'ils ont dit.