Google Cloud Speech-to-Text fonctionne-t-il en Chine ? Transfert transfrontalier PIPL, biométrie d'empreinte vocale et résidence des données
L'audio que vous envoyez à Google Cloud Speech-to-Text pour transcription porte l'empreinte vocale du locuteur — une information personnelle biométrique sensible au titre de l'article 28 que vous ne pouvez pas anonymiser — et Google n'exploite aucune région de Chine continentale, de sorte que cet audio est traité à l'étranger : un transfert transfrontalier au titre de la PIPL. Un regard, priorité à la conformité, sur l'empreinte vocale, la résidence des données, la rétention et la voix légale sur le territoire.
Google Cloud Speech-to-Text fonctionne-t-il en Chine ?
L'enregistrement que vous envoyez à Google Cloud Speech-to-Text pour transcription est l'empreinte vocale du locuteur — une information personnelle biométrique sensible au titre de l'article 28 — et parce que Google n'exploite aucune région de Chine continentale, chaque requête traite cet audio à l'étranger.
Speech-to-Text transforme l'audio en texte, mais l'audio lui-même porte un identifiant biométrique plus ce qui a été dit — enregistrements d'appels, messages vocaux, notes dictées — envoyer de l'audio d'origine chinoise aux serveurs à l'étranger de Google est donc un transfert transfrontalier PIPL d'informations personnelles sensibles (article 28) que caviarder la transcription ne peut pas défaire. Par défaut Google ne journalise ni n'entraîne sur votre audio, mais un programme de journalisation des données sur adhésion le fait — un réglage que vous désactivez pour l'audio Chine. Le levier légal est de garder le traitement de l'audio Chine sur le territoire — un conteneur de reconnaissance vocale auto-hébergé/sur site ou un service vocal domestique licencié — avec le consentement distinct de l'article 28 et une PIPIA, non de rendre le point d'accès à l'étranger accessible.
Une cartographie des risques, non un verdict — réglez les détails avec un conseil. Notre équipe Chine peut cartographier votre exposition →
Aperçu de conformité
- ✕ Google Cloud n'a aucune région de Chine continentale ; votre audio est transcrit sur des serveurs à l'étranger
- ! L'audio est l'empreinte vocale du locuteur — biométrie sensible au titre de l'art. 28 de la PIPL, non anonymisable
- ! Expédier cet audio à l'étranger est un transfert transfrontalier PIPL (art. 38 à 40, 数据出境)
- ! Par défaut Google n'entraîne pas sur votre audio, mais un programme de journalisation sur adhésion le fait
- ! La loi sur la cybersécurité art. 39 (anciennement 37) ajoute le stockage sur le territoire pour un CIIO ou un responsable à grand volume
- ✓ Voie légale : voix sur le territoire (auto-hébergée ou domestique licenciée) + consentement art. 28 + ICP
Ce que la documentation officielle de Google Cloud Speech-to-Text dit de la Chine
| Fait | Source primaire |
|---|---|
| Google Cloud Speech-to-Text n'a aucune région de Chine continentale — l'audio est traité à l'étranger. La documentation de Google n'offre que des "US and EU regional API endpoints," où "your data at-rest and in-use will stay within the continental boundaries of Europe or the USA," et l'API V2 ajoute des régions "such as Belgium or Singapore." Google n'exploite aucune région cloud sur le continent chinois (les plus proches sont asia-east1 à Taïwan et asia-east2 à Hong Kong, toutes deux hors du continent) — et aucune partition Chine comme en exploitent d'autres clouds. | Google Cloud — Speech-to-Text supported regional endpoints (cloud.google.com), consulté le 2026-10-10 |
| Par défaut Google ne journalise ni n'entraîne sur votre audio — mais un programme sur adhésion le fait. Google indique "By default, Cloud Speech-to-Text does not log customer audio data or transcripts" ; son programme de journalisation des données sur adhésion, en revanche, permet à "Google ... use this data solely to train and improve Google products and services." Pour l'audio d'origine chinoise, gardez la journalisation désactivée pour que les enregistrements et transcriptions ne soient ni retenus ni utilisés pour l'entraînement à l'étranger. | Google Cloud — Speech-to-Text data logging (cloud.google.com), consulté le 2026-10-10 |
| Une version conteneur sur site existe — mais c'est une fonctionnalité privée, verrouillée par la vente. Google offre Cloud Speech-to-Text On-Prem, "a Google Cloud Marketplace application" qui "can be deployed as a container to any GKE cluster" et tourne "on-premises with Anthos." La propre page de Google indique "you must contact Google for full access," une voie auto-hébergée sur le territoire est donc possible, mais la disponibilité et les conditions se confirment avec Google plutôt que de s'activer. | Google Cloud — Cloud Speech-to-Text On-Prem overview (cloud.google.com), consulté le 2026-10-10 |
| Une empreinte vocale est une information personnelle biométrique sensible au titre de l'article 28 de la PIPL. Transcrire l'audio d'un locuteur chinois à l'étranger est un transfert transfrontalier au titre des articles 38 à 40 de la PIPL (information, un consentement distinct, et un mécanisme de transfert), tandis que l'empreinte vocale dans cet audio est une information personnelle sensible au titre de l'article 28 — exigeant un consentement spécifique distinct et une évaluation d'impact préalable (PIPIA) à laquelle vous ne pouvez pas échapper en caviardant le texte. | Loi sur la protection des informations personnelles de la RPC, articles 28 et 38 à 40 (cac.gov.cn), consulté le 2026-10-10 |
Sources vérifiées par Équipe Conformité 21YunBox le 10 octobre 2026.
Pour une audience de Chine continentale, la question à régler à propos de Google Cloud Speech-to-Text n’est pas de savoir si l’API peut être atteinte — c’est ce qui arrive à l’audio que vous lui envoyez. Speech-to-Text est un service de transcription : de l’audio de quelqu’un qui parle entre, du texte ressort. Mais un enregistrement est plus que ses mots. Une voix humaine est un identifiant biométrique — une empreinte vocale — et au titre de la loi chinoise sur la protection des informations personnelles, une empreinte vocale est une information personnelle sensible (article 28) que caviarder la transcription ne peut pas anonymiser. Le contenu parlé — appels d’assistance, messages vocaux, notes médicales ou juridiques dictées — est souvent sensible en soi. Google n’exploite aucune région de Chine continentale, chaque requête est donc traitée sur ses serveurs à l’étranger. Trois obligations mordent donc à la fois : un transfert transfrontalier au titre de la PIPL (articles 38 à 40), le seuil de consentement et d’évaluation pour la biométrie sensible (article 28), et la résidence du contenu pour un responsable d’infrastructure d’information critique ou à grand volume.
Google Cloud Speech-to-Text en Chine en un coup d’œil
| Ce qui le détermine | Dans les propres termes de Google Cloud Speech-to-Text — et le droit chinois |
|---|---|
| Ce que vous envoyez | Speech-to-Text prend de l'audio d'une personne qui parle et retourne du texte. Chaque appel téléverse l'enregistrement brut — l'empreinte vocale du locuteur (un identifiant biométrique) plus ce qui a été dit. Vous pouvez caviarder une transcription ; vous ne pouvez pas anonymiser une voix. |
| Où il va | Google n'exploite aucune région de Chine continentale. Sa documentation n'offre que des points d'accès régionaux américains et de l'UE (et des régions "such as Belgium or Singapore") ; les centres de données les plus proches sont asia-east1 (Taïwan) et asia-east2 (Hong Kong), tous deux hors du continent. Envoyer de l'audio d'origine chinoise là est un transfert transfrontalier d'informations personnelles (PIPL articles 38 à 40, 数据出境). |
| Une empreinte vocale est une donnée sensible | Au titre de l'article 28 de la PIPL, les caractéristiques biométriques — y compris une empreinte vocale — sont des informations personnelles sensibles. Les traiter et les exporter nécessite un consentement spécifique distinct et une évaluation d'impact préalable sur la protection des informations personnelles (PIPIA). Le contenu parlé peut ajouter d'autres catégories sensibles (santé, finance, pièce d'identité). |
| Rétention, entraînement & résidence | Par défaut, Google "does not log customer audio data or transcripts," mais un programme de journalisation des données sur adhésion lui permet d'utiliser l'audio journalisé pour "train and improve Google products and services" — gardez-le désactivé pour l'audio Chine. Une version conteneur sur site existe (Cloud Speech-to-Text On-Prem, une fonctionnalité privée). Pour un CIIO ou un responsable à grand volume, la loi sur la cybersécurité article 39 (anciennement article 37) ajoute le stockage sur le territoire. |
| L'axe | L'accessibilité n'est pas la question. Le levier légal est de garder le traitement de l'audio d'origine chinoise sur le territoire — un conteneur de reconnaissance vocale auto-hébergé/sur site ou un service vocal domestique licencié — avec le consentement de l'article 28, non de rendre le point d'accès à l'étranger plus rapide. L'application tournée vers la Chine qui capte l'audio porte aussi une obligation de déclaration ICP et nécessite une diffusion sur le territoire. |
Ce que vous envoyez réellement — les empreintes vocales et les mots de vos locuteurs
Speech-to-Text est un service de transcription : vous diffusez ou téléversez de l’audio vers un point d’accès Google et recevez du texte. La sortie est du texte, ce qui fait facilement supposer que la question de confidentialité porte sur la transcription. Ce n’est pas le cas. La chose qui voyage à chaque requête est l’enregistrement — et un enregistrement d’une personne qui parle est un identifiant biométrique de cette personne. Une transcription, vous pouvez la caviarder ; une empreinte vocale, vous ne pouvez pas la dé-dire. Par-dessus l’empreinte vocale voyage le contenu lui-même : un appel du service client, un message vocal, la dictée d’un médecin, une déposition, une réunion interne — des catégories qui sont couramment sensibles avant même que vous n’atteigniez le point biométrique.
Où va cet audio ? Google traite Speech-to-Text dans des régions Google Cloud, et il n’a aucune région sur le continent chinois. Sa propre documentation offre des “US and EU regional API endpoints,” où “your data at-rest and in-use will stay within the continental boundaries of Europe or the USA,” et l’API V2 ajoute un traitement régionalisé dans des régions “such as Belgium or Singapore.” Choisissez l’une d’elles pour servir un utilisateur en Chine et l’audio quitte le pays. Sur la rétention, la position de Google est favorable mais conditionnelle : “By default, Cloud Speech-to-Text does not log customer audio data or transcripts,” pourtant il exploite aussi un programme de journalisation des données sur adhésion au titre duquel “Google uses this data solely to train and improve Google products and services.” Pour l’audio d’origine chinoise, cette adhésion est un interrupteur que vous gardez désactivé — mais le garder désactivé ne change pas le fait que le traitement lui-même se produit à l’étranger.
C’est un transfert transfrontalier de données biométriques sensibles — au titre de la PIPL
Parce que l’audio est traité hors du continent, envoyer l’enregistrement d’un locuteur chinois à Speech-to-Text est un transfert transfrontalier d’informations personnelles au titre de la loi chinoise sur la protection des informations personnelles. Les articles 38 à 40 de la PIPL mettent l’obligation sur vous, le responsable de traitement — non sur Google — et exigent l’information, un consentement distinct de l’accord de l’utilisateur à utiliser la fonctionnalité, et un mécanisme de transfert légal : une évaluation de sécurité de la CAC, le contrat type de la CAC, ou une certification.
L’empreinte vocale relève encore le seuil. Au titre de l’article 28 de la PIPL, les caractéristiques biométriques sont des informations personnelles sensibles, et les traiter exige un consentement spécifique distinct et une évaluation d’impact préalable sur la protection des informations personnelles (PIPIA) avant que les données ne soient traitées ou transférées. Un enregistrement vocal est biométrique par nature ; retirer les noms de la transcription ne change pas ce qu’est l’audio. Là où le contenu parlé est lui-même une donnée de santé, financière ou d’identité, des obligations de catégorie sensible supplémentaires s’empilent par-dessus.
En dessous se trouve la résidence. Un opérateur d’infrastructure d’information critique, ou un responsable au-delà des seuils de volume, doit stocker les informations personnelles collectées en Chine à l’intérieur du continent — PIPL article 40 avec la loi sur la cybersécurité (article 39 dans l’amendement en vigueur depuis le 1er janvier 2026, qui a renuméroté l’article de localisation des données de l’article 37 à l’article 39 avec la substance inchangée) — une obligation qu’une région à l’étranger ne peut structurellement pas satisfaire. Là où les volumes ou la sensibilité franchissent les seuils, l’export lui-même nécessite une évaluation de sécurité pour l’exportation de données de la CAC avant de pouvoir se poursuivre. Rien de tout cela ne porte sur la vitesse à laquelle une transcription revient.
Atteindre l’API n’est pas la question — garder l’audio sur le territoire l’est
Le levier n’est pas de rendre le point d’accès à l’étranger plus rapide ou plus accessible ; c’est d’arrêter d’exporter l’audio d’origine chinoise et de le traiter sur une voie consentie, sur le territoire. Pour la reconnaissance vocale, il y a deux options honnêtes sur le territoire. D’abord, Google publie sa propre version sur site : Cloud Speech-to-Text On-Prem, “a Google Cloud Marketplace application” qui “can be deployed as a container to any GKE cluster” et tourne “on-premises with Anthos” — la reconnaissance peut donc s’exécuter sur une infrastructure que vous placez à l’intérieur du continent au lieu d’appeler les régions à l’étranger de Google. C’est une fonctionnalité privée ; la propre page de Google indique “you must contact Google for full access,” traitez donc la disponibilité et les conditions comme quelque chose que vous confirmez directement avec Google, non un interrupteur en libre-service. Ensuite, là où cette voie ne vous est pas ouverte, acheminez l’audio d’origine chinoise via un service vocal licencié sur le territoire — un fournisseur vocal domestique dont les données sont gardées sur le continent.
Dans un cas comme dans l’autre, les obligations voyagent avec l’audio : obtenez le consentement distinct de l’article 28, menez la PIPIA, gardez le programme de journalisation des données sur adhésion désactivé pour qu’aucun enregistrement chinois ne soit retenu ni utilisé pour l’entraînement, et minimisez ce que vous captez. Ce que vous ne faites pas, c’est monter une passerelle qui expédie l’audio à l’étranger et l’appeler local. C’est une cartographie des risques, pas un verdict — réglez les détails, quelle voie, quel consentement, quels seuils, avec un conseil.
La voie légale — cartographier, localiser, diffuser
Il existe une manière légale d’exploiter la reconnaissance vocale pour vos utilisateurs en Chine, et elle a une forme claire : l’audio d’origine chinoise est traité depuis l’intérieur du pays sur une assise consentie, l’empreinte vocale est traitée comme la donnée sensible qu’elle est, et l’application tournée vers la Chine qui capte l’audio est elle-même déclarée et diffusée sur le territoire. La partie que 21YunBox assume est cette assise, et c’est plus que du conseil. Notre équipe Chine fait trois choses. Nous cartographions quel audio circule vers le service vocal — les empreintes vocales de qui et quel contenu parlé il porte, où il est traité et s’il est retenu ou utilisé pour l’entraînement, et là où vous manquez de base légale (le consentement distinct de l’article 28 et la PIPIA, un mécanisme de transfert). Nous localisons le traitement sur une voie sur le territoire — un conteneur de reconnaissance vocale auto-hébergé ou sur site, ou un service vocal domestique licencié — pour que l’audio Chine reste sur le continent au lieu d’être exporté, avec le consentement et la rétention gérés correctement. Et nous diffusons l’application tournée vers la Chine qui capte et présente l’audio sur une infrastructure sur le territoire, déclarée ICP — le 21YunBox Optimizer — devant le stack que vous exploitez déjà, sans reconstruction ni replateformisation.
Le résultat est une fonctionnalité vocale qui tourne légalement et en conformité pour vos utilisateurs en Chine. 21YunBox n’utilise ni ne suggère jamais de contournement d’aucune sorte. C’est un déploiement légal, résident des données, sur le territoire, et là où un service n’est pas offert sur le continent nous localisons sur un équivalent domestique licencié plutôt que d’atteindre l’étranger.
Obtenir une évaluation de conformité →
À lire également :
- Les transferts transfrontaliers de données au titre de la PIPL
- La loi chinoise sur la cybersécurité — article 39 (anciennement article 37) et localisation des données
- Les mesures d’évaluation de sécurité pour l’exportation de données de la Chine
- Comment obtenir une déclaration ICP pour la Chine
Questions fréquentes
Google Cloud Speech-to-Text a-t-il un centre de données ou une région en Chine continentale ?
Non. Google traite Speech-to-Text dans des régions Google Cloud et n'exploite aucune région sur le continent chinois — sa documentation n'offre que des points d'accès régionaux américains et de l'UE et des régions "such as Belgium or Singapore," et les centres de données les plus proches, asia-east1 (Taïwan) et asia-east2 (Hong Kong), sont hors du continent. Contrairement aux clouds qui exploitent une partition Chine, il n'y a aucun Google Cloud continental. L'audio capté auprès de personnes en Chine et envoyé à Speech-to-Text quitte donc le pays — un transfert transfrontalier PIPL pour lequel vous devez avoir une base légale.
Google utilise-t-il mon audio Speech-to-Text pour entraîner ses modèles ?
Par défaut, non : Google indique "By default, Cloud Speech-to-Text does not log customer audio data or transcripts." Il exploite bien un programme de journalisation des données sur adhésion, et lorsque vous y adhérez "Google uses this data solely to train and improve Google products and services" (et conserve la propriété des modèles qui en sont entraînés). Pour l'audio d'origine chinoise, gardez ce programme désactivé. Dans un cas comme dans l'autre, le traitement se produit sur des serveurs à l'étranger, désactiver la journalisation réduit donc la rétention mais ne supprime pas la question du transfert transfrontalier.
Quelle est la manière légale de transcrire de l'audio de Chine continentale ?
Gardez le traitement sur le territoire plutôt que d'exporter l'audio. Deux options honnêtes : auto-héberger un modèle vocal à l'intérieur de la Chine — le propre conteneur Cloud Speech-to-Text On-Prem de Google (une fonctionnalité privée que vous arrangez avec Google) ou un modèle ouvert que vous exploitez sur une infrastructure sur le territoire — ou acheminer l'audio via un service vocal domestique licencié avec les données gardées sur le continent. Par-dessus, obtenez le consentement distinct de l'article 28, menez une PIPIA, et déclarez et diffusez l'application tournée vers la Chine (ICP) qui capte l'audio. 21YunBox cartographie l'exposition, localise sur une voie sur le territoire, et la diffuse sur le territoire — et n'utilise ni ne suggère jamais de contournement d'aucune sorte. Confirmez les détails avec un conseil.
