Votre vidéo est prête. Elle part sur un fil où beaucoup de gens la regarderont sans le son, dans un train, dans un bureau ouvert, ou simplement parce qu'ils font autre chose en même temps. Ajouter des sous-titres à une vidéo devient alors la dernière étape obligatoire, et c'est là que la vraie question tombe : laisser une machine transcrire toute seule, ou écrire le texte à la main ?
Les deux méthodes existent, les deux fonctionnent, et elles ne servent pas les mêmes vidéos. Ce qui décide n'est ni votre outil ni votre niveau technique : c'est votre bande son. Ce guide compare les deux voies, donne la marche à suivre dans chaque cas, et tranche la question du fichier joint face au texte gravé dans l'image. Si vous voulez d'abord comprendre ce que la reconnaissance vocale fait sous le capot, notre guide des sous-titres automatiques creuse cette partie en détail.
La réponse courte
Pour la grande majorité des vidéos, la bonne méthode est mixte : lancez une transcription automatique, puis relisez le résultat dans la vidéo, à l'écran, en corrigeant les noms propres et la ponctuation. Vous gagnez le travail le plus long, le calage temporel, et vous gardez la main sur l'exactitude. Passez à la saisie manuelle dans trois cas précis : un son difficile, un vocabulaire rare, ou une vidéo si courte que la relecture prendrait plus de temps que la frappe.
Automatique ou manuel : deux chemins vers la même chose
Le sous-titrage automatique repose sur la reconnaissance vocale. L'outil écoute la piste audio, écrit ce qu'il entend, et pose au passage un temps de début et un temps de fin sur chaque groupe de mots. Ce second point fait toute sa valeur. Le texte, vous pourriez l'écrire vous même en quelques minutes. C'est le calage, au dixième de seconde près, qui représente le vrai travail, et c'est exactement ce que la machine vous offre.
Le sous-titrage manuel consiste à saisir le texte, puis à poser ces mêmes temps, bloc par bloc, en écoutant. Il existe en deux variantes. La frappe pure, où vous écrivez en écoutant la vidéo. Et le collage d'un script déjà écrit, que l'outil vient ensuite aligner sur la voix. La seconde variante est de loin la plus confortable, parce que le texte exact existe déjà et qu'il ne reste qu'un problème de synchronisation.
Quand l'automatique suffit largement
La transcription automatique donne d'excellents résultats dans des conditions précises : une voix nette, enregistrée près du micro, une seule personne qui parle, peu de bruit derrière, et un vocabulaire courant. Une voix off, un tutoriel face caméra, un cours filmé au calme entrent tous dans cette catégorie. Plus la vidéo est longue, plus l'automatique est rentable, parce que le temps gagné sur le calage grandit avec la durée pendant que la relecture reste proportionnelle.
Le centre d'aide de YouTube le formule sans détour dans sa page sur les sous-titres automatiques : leur exactitude dépend de la clarté de l'élocution, de la qualité de l'enregistrement et de la langue parlée, et elle n'est jamais garantie. Autrement dit, la machine ne vous dira pas quand elle se trompe. Elle écrira une phrase parfaitement plausible à la place du mot qu'elle n'a pas compris, et c'est cette assurance tranquille qui rend la relecture indispensable.
Quand la saisie manuelle s'impose
Quatre situations résistent à l'automatique. Un enregistrement bruyant, où la reconnaissance vocale invente des mots plutôt que de laisser des trous. Un vocabulaire de spécialité, avec des noms de marques, des sigles ou des termes métier qu'aucun modèle n'a appris à écrire. Un dialogue à plusieurs voix qui se chevauchent, où il faut en plus indiquer qui parle. Et le format très court, où saisir quelques phrases va plus vite que relire un résultat approximatif.
Un cinquième cas est moins évident mais tout aussi réel : les sous-titres à visée d'accessibilité. Le critère 1.2.2 des règles WCAG publiées par le W3C demande des sous-titres pour tout contenu audio préenregistré, et une transcription brute ne suffit pas à les satisfaire. Il faut y ajouter l'identification des locuteurs et les sons importants qui portent du sens, une porte qui claque, un rire, une musique qui monte. Aucune reconnaissance vocale ne produit cela toute seule : c'est un ajout humain, ligne par ligne.
Ajouter des sous-titres automatiquement, étape par étape
La procédure est la même dans presque tous les éditeurs en ligne, et dans le studio EasyVids en particulier. Elle tient en six gestes, dont un seul demande vraiment votre attention. Un préalable si votre fichier sort d'une caméra ou d'un vieux téléphone : le convertir en MP4 en ligne, sans rien installer évite l'import refusé dès le premier geste.
- Importez la vidéo dans l'éditeur, ou partez d'une vidéo que vous venez de générer.
- Choisissez la langue parlée dans la vidéo, sans jamais laisser la détection automatique décider à votre place quand deux langues cohabitent.
- Lancez la transcription et laissez l'outil travailler : le texte revient déjà découpé en blocs, avec ses temps.
- Relisez bloc par bloc en lisant la vidéo, pas dans un document séparé : c'est à l'écran que les fautes se voient.
- Corrigez les noms propres, les chiffres, la ponctuation et les coupures de phrase malheureuses.
- Choisissez enfin la sortie : un fichier de sous-titres joint à la vidéo, ou du texte gravé dans l'image.
L'étape quatre est celle que tout le monde saute, et celle qui distingue une vidéo soignée d'une vidéo bâclée. Sur nos propres passages, une vidéo de trois minutes en français demande une dizaine de minutes de relecture attentive, corrections comprises. C'est peu au regard du temps de production, et c'est le seul moment où vous décidez de ce que votre public va lire.
Ajouter des sous-titres manuellement, étape par étape
En manuel, l'ordre des gestes compte. Commencez par écrire ou coller le texte complet, sans vous préoccuper du temps. Découpez ensuite ce texte en blocs courts, en coupant là où la phrase respire naturellement, jamais entre un article et son nom ni entre un verbe et son complément. Posez enfin les temps en écoutant, un bloc après l'autre. Séparer l'écriture du calage évite le va et vient épuisant qui fait dériver la synchronisation au bout de vingt lignes.
Deux repères de métier valent d'être connus. Les guides de sous-titrage des diffuseurs, celui de la BBC par exemple, tiennent la ligne autour d'une quarantaine de caractères et n'affichent jamais plus de deux lignes à la fois. Et un bloc doit rester assez longtemps pour être lu confortablement, ce qui interdit les micro sous-titres qui clignotent à chaque mot. Si vous produisez le fichier vous même dans un éditeur de texte, la structure exacte à respecter est détaillée dans notre guide du fichier SRT.
Fichier de sous-titres ou texte gravé dans l'image
Une fois le texte prêt, il reste une décision qui n'a rien à voir avec la méthode employée pour l'obtenir : la forme de la sortie. Un fichier de sous-titres vit à côté de la vidéo. Le spectateur peut l'activer, le désactiver, parfois le traduire, et vous pouvez le corriger sans réexporter le film. Du texte gravé dans l'image, souvent appelé sous-titres incrustés ou ouverts, fait partie des pixels : personne ne peut le désactiver, mais personne ne peut le perdre non plus. Le détail de cette opération, ses réglages et ses pièges sont traités dans notre guide de l'incrustation des sous-titres, que ce guide ci ne double pas.
Pour trancher vite : les plateformes qui acceptent un fichier méritent qu'on leur en donne un. Le centre d'aide de YouTube liste le format .srt parmi les fichiers de sous-titres téléversables dans YouTube Studio, et un fichier joint reste lisible par les moteurs de recherche, ce que des pixels ne seront jamais. Les formats courts et verticaux, eux, se consomment dans une interface qui n'affiche pas toujours ces fichiers : le texte gravé y devient le choix sûr. Gardez de toute façon le fichier de côté, c'est lui qui servira de base le jour où vous publierez la même vidéo dans une autre langue, comme le montre notre méthode pour traduire des sous-titres.
Les erreurs qui gâchent des sous-titres pourtant exacts
Un texte juste peut donner un résultat illisible. Les défauts suivants n'ont rien à voir avec la transcription : ils viennent tous de la mise en forme, et ils se corrigent en quelques minutes.
- Des blocs trop longs, que le spectateur n'a pas le temps de lire avant qu'ils disparaissent.
- Une coupure de phrase au mauvais endroit, qui oblige à relire pour comprendre.
- Un texte posé trop bas, recouvert par les boutons de l'interface sur les formats verticaux.
- Un contraste insuffisant : du texte blanc sans contour ni fond sur une image claire.
- Des sous-titres qui restent affichés pendant les silences, alors que rien n'est dit.
- Un décalage qui grandit au fil de la vidéo, signe d'un calage fait à la fatigue.
- La ponctuation absente, qui transforme une narration en bloc de mots sans respiration.
Le temps que ça prend vraiment
Les ordres de grandeur aident à choisir. En automatique, la transcription elle même se compte en minutes, et vous n'avez pas à rester devant. La relecture, sur nos propres passages, tourne autour de trois fois la durée de la vidéo pour un premier montage soigné, moins ensuite quand vous prenez l'habitude. En manuel complet, comptez plusieurs fois la durée de la vidéo, davantage encore si le son est mauvais. C'est cet écart, et non la qualité finale, qui explique pourquoi presque tout le monde commence en automatique.
Le cas particulier des vidéos écrites avant d'être fabriquées
Il existe une situation où la question ne se pose même pas : celle où le texte existe avant l'image. C'est le cas de toute vidéo produite à partir d'un script, et notamment des vidéos générées par intelligence artificielle. La voix off a été fabriquée à partir d'un texte connu mot pour mot, donc les sous-titres n'ont pas besoin d'être devinés par une machine qui écoute. Ils sont déjà là, exacts, et il ne reste qu'à les découper et à les caler. Le studio EasyVids travaille dans cet ordre, ce qui supprime d'un coup la moitié du problème traité par cet article.
Ce raisonnement vaut au delà de l'IA. Si vous filmez à partir d'un texte écrit, gardez ce texte : il vous fera gagner l'essentiel du travail de sous-titrage, et il sera toujours plus juste que ce qu'une transcription entendra de votre voix.
Questions fréquentes
Comment ajouter des sous-titres à une vidéo gratuitement ?
Les plateformes elles mêmes offrent une première solution : YouTube, TikTok et Instagram génèrent des sous-titres automatiques que vous pouvez corriger avant publication. Elles ne vous rendent en revanche aucun fichier réutilisable ailleurs, et le style reste celui de l'application. Un éditeur en ligne vous donne les deux, avec un essai gratuit pour juger sur pièce, et le détail des formules est sur la page des tarifs.
Les sous-titres automatiques sont-ils fiables ?
Fiables sur le calage, imparfaits sur les mots. Sur un son propre et une voix claire, l'essentiel du texte revient correct, mais les noms propres, les sigles, les chiffres et la ponctuation demandent presque toujours une main humaine. Considérez la transcription comme un premier jet très avancé, jamais comme un résultat publiable en l'état.
Faut-il un fichier de sous-titres ou du texte gravé dans l'image ?
Un fichier quand la plateforme sait le lire, du texte gravé quand elle ne le sait pas ou quand la vidéo sera repartagée ailleurs. La solution prudente consiste à produire le texte une seule fois, à exporter une version gravée pour les formats courts, et à conserver le fichier pour les plateformes qui l'acceptent et pour les traductions à venir.
Peut-on ajouter des sous-titres à une vidéo depuis un téléphone ?
Oui, à condition que l'outil fonctionne dans le navigateur : la transcription tourne sur des serveurs, votre appareil ne fait qu'afficher l'interface. La saisie manuelle et le calage fin restent plus confortables sur un écran large, ne serait ce que pour voir la vidéo et la liste des blocs en même temps.
Comment ajouter des sous-titres dans une autre langue ?
En partant toujours du texte de la langue d'origine, relu et calé. La traduction reprend alors les mêmes temps et ne touche qu'au contenu des blocs, ce qui évite de refaire la synchronisation. Prévoyez de la place : un texte traduit s'allonge souvent, et un bloc qui tenait sur deux lignes peut en réclamer trois.
Ajouter des sous-titres à une vidéo n'est pas un choix entre paresse et rigueur. C'est un choix entre deux points de départ, et le meilleur reste presque toujours le même : laisser la machine poser les temps, puis reprendre le texte avec vos yeux. Pour l'essayer sur votre prochaine vidéo, la création d'un compte ouvre le studio complet, transcription, relecture et export compris.