Les dernières années ont connu un essor des techniques d'analyse linguistique automatique basées sur l'adaptation (fine-tuning) de modèles pré-entraînés à partir de petits corpus annotés. Peng et al. ( 2022) ont notamment démontré l'efficacité d'une approche agile de développement de corpus arborés, consistant à enrichir progressivement un corpus d'apprentissage par des données issues d'analyses automatiques d'abord imprécises, corrigées manuellement par des experts. La transcription contribue au cycle de documentation des langues en se plaçant en interface des autres types d'analyses du plan phonétique à l'analyse du discours en passant par la morpho-syntaxe. Nous montrons dans cette communication comment une approche agile alliant sélection du corpus d'entrainement et fine-tuning peut faciliter la démarche de transcription pour des langues peu dotées.