PDF en vidéo : transformer un document en vidéo commentée, étape par étape

Vous avez un document. Un support de formation de quarante pages, un livre blanc, une procédure interne, un rapport que trois personnes ont relu. Il est propre, il est juste, et presque personne ne l'ouvre. Passer un PDF en vidéo est souvent la seule façon de faire vivre ce travail : la même matière, dite à voix haute, illustrée, regardée sur un téléphone entre deux réunions.

Le piège est de croire qu'il suffit de déposer le fichier quelque part et d'attendre. Un PDF ne contient pas un texte au sens où un traitement de texte en contient un : il contient une page dessinée, avec ses colonnes, ses en-têtes, ses notes et ses numéros. Le copier-coller ramène tout cela, et une voix off le lit sans broncher. Ce guide reprend l'opération dans l'ordre, du fichier de départ au fichier vidéo, avec les réglages qui comptent à chaque étape. Si votre point de départ est un texte déjà propre, notre guide du passage d'un texte à une vidéo traite le cas général : ici, l'essentiel du travail se joue avant, dans le document.

La réponse courte

Comptez une heure pour un chapitre de vingt pages, et travaillez dans cet ordre. Extrayez le texte du document, puis débarrassez-le de sa mise en page. Choisissez une partie, une seule : quarante pages ne font pas quarante minutes de vidéo. Réécrivez pour l'oreille, en supprimant les renvois et en expliquant les sigles. Découpez en scènes d'environ six secondes de voix. Produisez la voix off, les visuels et le montage, puis ajoutez les sous-titres. Les cinq premières étapes se jouent sur le texte, avant la moindre génération.

Un PDF n'est pas un texte, c'est une page dessinée

Le format est publié comme norme internationale sous la référence ISO 32000, et sa raison d'être est de garantir qu'une page s'affiche partout de la même façon. Il décrit donc avant tout des positions : ce caractère, à cet endroit, dans cette police, à cette taille. L'ordre de lecture n'en est qu'une conséquence, jamais une garantie. C'est pour cette raison qu'un texte extrait d'un document à deux colonnes s'entrelace parfois, qu'une césure de fin de ligne coupe un mot en deux, et qu'un tableau se transforme en une suite de mots séparés par des espaces.

Deux familles de fichiers se présentent, et elles ne demandent pas le même travail. Le document natif, produit par un logiciel, porte une couche de texte : vous pouvez sélectionner une phrase et retrouver un mot par une recherche. Le document scanné n'est qu'une suite de photographies de pages : rien n'y est sélectionnable, et aucun outil d'extraction n'en tirera un seul mot sans reconnaissance de caractères. Le test prend trois secondes : ouvrez le fichier et cherchez un mot que vous voyez à l'écran. S'il n'est pas trouvé, vous tenez un document image.

Étape 1 : extraire un texte propre

Trois chemins mènent au même endroit. La sélection manuelle, page par page, lente mais sûre sur un document court. L'enregistrement du fichier en texte simple depuis votre lecteur, plus rapide et plus sale. Ou un outil qui lit le fichier et vous rend son contenu. Quel que soit le chemin, la sortie brute n'est jamais utilisable telle quelle : elle contient tout ce que l'oeil ignorait sans effort et que l'oreille ne pardonne pas.

Le studio embarque un lecteur de documents, prévu au départ pour décrire un produit numérique : il ouvre un fichier d'une quinzaine de mégaoctets au plus, parcourt jusqu'à soixante pages, en retient les premiers milliers de caractères, refuse explicitement un document scanné avec un message clair, et ne conserve pas le texte extrait. C'est un accélérateur, pas une baguette magique. Le nettoyage reste votre travail, et il conditionne tout ce qui suit.

• Les en-têtes et pieds de page, répétés à chaque page : titre du document, nom du service, date de révision.
• Les numéros de page, qui s'insèrent au milieu d'une phrase coupée par un saut de page.
• Les césures de fin de ligne : recollez les mots coupés par un trait d'union, sinon la voix bute dessus.
• Les appels de note et les notes de bas de page, qui atterrissent en plein milieu du raisonnement.
• Les renvois internes : voir figure 4, se reporter à l'annexe B, tableau ci-dessus. Rien de tout cela n'existe dans une vidéo.
• Les tableaux, illisibles une fois aplatis : gardez leur conclusion en une phrase, et montrez l'image du tableau à l'écran.
• Les sommaires, mentions légales et remerciements, qui n'ont aucune raison d'être prononcés.

Le cas du document scanné

Un fichier scanné demande une étape de plus : la reconnaissance optique de caractères, qui relit l'image et propose un texte. La plupart des lecteurs de documents et des suites bureautiques la proposent. Le résultat dépend entièrement de la qualité du scan. Une page nette donne un texte presque parfait. Une photographie de travers donne des confusions de lettres qu'une voix off prononcera consciencieusement, sans jamais se douter de rien. Relisez toujours un texte issu d'une reconnaissance avant de l'envoyer plus loin, en particulier les chiffres, les noms propres et les unités.

Étape 2 : décider ce que la vidéo garde

Sur nos productions, une voix off française tourne autour de 150 mots par minute. Un chapitre de vingt pages contient facilement 8 000 mots, soit près d'une heure de lecture continue. Personne ne regarde cela, et surtout pas sur un sujet professionnel. La première décision n'est donc pas technique : elle consiste à renoncer à l'essentiel du document, sans regret, en sachant que le reste alimentera les vidéos suivantes.

La règle de tri tient en une ligne. Une partie qui se comprend sans les autres devient une vidéo. Une partie qui dépend de la précédente reste avec elle. Un support de formation donne ainsi une série d'épisodes, un par module. Un livre blanc donne une vidéo courte qui expose la conclusion et renvoie au document pour le détail. Une procédure donne une vidéo par geste, jamais une vidéo qui déroule la procédure entière. Vous savez alors combien de vidéos votre document contient avant d'avoir écrit une ligne.

Étape 3 : réécrire le document pour l'oreille

Un document professionnel est écrit pour un lecteur qui peut revenir en arrière, sauter un paragraphe, consulter une annexe puis reprendre le fil. Le spectateur n'a rien de tout cela : il avance en ligne droite, au rythme que vous lui imposez. Trois habitudes de l'écrit deviennent des impasses à l'oral. Les phrases à tiroirs, pleines d'incises et de subordonnées. Les sigles internes, limpides dans le service et opaques partout ailleurs. Les tournures impersonnelles, qui parlent de tout le monde et donc à personne.

• Une idée par phrase, avec un sujet nommé dès le début.
• Un sigle se dit une fois en entier, puis se répète en abrégé.
• Les renvois deviennent des transitions parlées : voilà ce que vous allez voir, et voilà pourquoi.
• Les chiffres s'arrondissent et se replacent dans une comparaison, sinon ils glissent sans laisser de trace.
• Les listes du document se déroulent une par scène, après avoir annoncé leur nombre.
• Relisez à voix haute : ce qui vous essouffle essoufflera la voix off, et cela s'entendra au montage.

Vous pouvez faire cette passe vous-même ou la confier à l'atelier d'écriture du studio. Un point pratique évite une déception : le champ d'idée n'est pas fait pour recevoir un document entier, il retient environ deux mille caractères. Ce qu'on y colle utilement, c'est le plan du chapitre, sa promesse et ses deux ou trois exemples clés. Le ton, la langue et la longueur se règlent à côté, et une zone d'instructions enregistrée sur votre compte garde votre façon d'écrire d'un projet à l'autre. La chaîne complète, du texte au fichier exporté, est décrite dans notre guide du générateur vidéo par intelligence artificielle.

Étape 4 : découper le texte en scènes

Une vidéo générée n'est pas un plan unique, c'est une suite de plans courts calés sur la voix. Le découpage transforme donc votre texte nettoyé en plan de tournage. La cible par défaut du studio est d'environ 110 caractères par scène, ce qui correspond à peu près à six secondes de voix. Des préréglages de six, huit ou dix secondes existent, et la valeur en caractères reste réglable finement. Le nombre de scènes s'affiche avant la création du projet : vous voyez le volume à produire avant de produire quoi que ce soit.

Deux comportements expliquent la plupart des surprises sur un document. Une ligne entièrement en majuscules est traitée comme un titre et reste seule sur sa scène, ce qui arrive constamment avec les intertitres d'un rapport : si vous ne les avez pas retirés au nettoyage, vous obtiendrez des plans qui ne disent qu'un titre. Et un segment de cinq mots ou moins est recollé à son voisin, pour éviter les scènes qui durent un souffle. Le découpage reste modifiable à la main : couper à l'endroit exact du curseur, fusionner deux scènes, en insérer une, corriger le texte de chacune.

Étape 5 : la voix off, ce qui fait une vidéo commentée

C'est l'étape qui porte la moitié de la qualité perçue, et celle qui sépare une vidéo commentée d'un diaporama muet. L'onglet de voix off du studio accepte jusqu'à cent mille caractères d'un coup, soit près d'une heure et quarante minutes d'audio. Au-delà de trois mille caractères, le texte est découpé, les parties sont générées en parallèle, puis assemblées automatiquement dans l'ordre en un seul fichier. Un chapitre entier passe donc en une fois, sans que vous ayez à le tronçonner vous-même. La méthode complète est détaillée dans notre guide du texte en vidéo racontée.

Trois réglages font l'essentiel du travail. Le choix de la voix, écoutée sur un extrait court avant de lancer trente scènes. Le style de lecture, écrit en une phrase du genre lis d'une voix posée de formateur, appliqué à tous les segments et mémorisé sur votre compte. Et la ponctuation de votre texte, que les moteurs de synthèse lisent comme un comédien lit une partition : mettez un point là où vous voulez une respiration. Le clonage de votre propre voix existe aussi, avec une certification explicite à cocher, parce que cloner la voix d'un tiers sans son accord est interdit.

Étape 6 : les visuels, montrer le document plutôt que le réinventer

Un document contient des éléments qui ne se régénèrent pas : un schéma d'architecture, une courbe, la photographie d'une machine, une capture d'interface. Demander à une IA de les redessiner produit une approximation jolie et fausse, ce qui est le pire résultat possible sur un support professionnel. La bonne pratique est inverse. Exportez ces éléments en image depuis le document d'origine, puis déposez-les dans la scène concernée : la bibliothèque de chaque scène accepte vos propres fichiers, et une scène peut enchaîner plusieurs visuels dans l'ordre que vous fixez. Ce principe, montrer l'original plutôt que le faire redessiner, dépasse le cadre des documents : un montage souvenir repose entièrement sur les fichiers que vous fournissez, comme le montre notre guide de la vidéo hommage.

Le reste des plans se remplit avec des images générées, et c'est là que la cohérence se joue. Fixez un style visuel une fois pour tout le projet, puis ne faites varier que le sujet de chaque scène. Pour un document d'entreprise, une direction sobre vaut mieux qu'un style spectaculaire : matières simples, lumière neutre, aucun texte incrusté par le modèle. La liste des éléments à éviter compte autant que le style lui-même, et elle se garde d'un projet à l'autre.

Les sous-titres ne se discutent plus

Une vidéo de formation se regarde souvent en espace partagé, sans le son. Les règles pour l'accessibilité des contenus web du W3C, dans leur version 2.1, demandent d'ailleurs des sous-titres pour toute vidéo préenregistrée qui contient du son : c'est le critère 1.2.2, de niveau A, donc le premier palier de conformité. Une fois la vidéo montée, sa piste audio se transcrit en fichier horodaté depuis le panneau prévu à cet effet, et notre guide des sous-titres automatiques détaille la mise en forme qui reste lisible sur un téléphone.

Documents confidentiels : les vérifications avant d'envoyer un fichier

Un support interne contient parfois des noms, des adresses, des chiffres qui n'ont pas vocation à sortir. Le règlement général sur la protection des données pose à son article 5 le principe de minimisation : ne traiter que les données nécessaires à la finalité poursuivie. Appliqué à une conversion vidéo, il se traduit en gestes simples. Retirez les annexes qui ne servent pas au propos. Remplacez les noms de personnes par des fonctions. Vérifiez les métadonnées du fichier, qui gardent souvent l'auteur et le chemin d'enregistrement d'origine.

Deux précisions techniques complètent le tableau. Le lecteur de documents du studio ne conserve pas le texte extrait : il vous le rend, et c'est votre demande qui le transporte ensuite. Et si votre organisation impose une revue de conformité, faites-la porter sur le texte nettoyé plutôt que sur le document de départ, puisque c'est ce texte qui sera dit à voix haute. Sur la transparence, le règlement européen sur l'intelligence artificielle prévoit à son article 50 des obligations d'information pour les contenus générés ou manipulés artificiellement, dont l'entrée en application est fixée au 2 août 2026. Une mention claire au générique ou dans la description règle la question.

Combien de temps prend la conversion

Voici la répartition observée sur un chapitre de vingt pages converti en une vidéo de quatre minutes. L'extraction et le nettoyage prennent quinze à vingt minutes, un peu plus si le document est en deux colonnes. Le tri et la réécriture prennent la plus grosse part, entre trente et quarante minutes selon votre aisance. Le découpage et les réglages prennent cinq minutes. La production des scènes se fait pendant que vous faites autre chose, puisqu'elle continue côté serveur même si vous fermez la page. La relecture et le montage final prennent une dizaine de minutes.

Le deuxième document vous prendra deux fois moins de temps que le premier, parce que le style visuel, les instructions d'écriture et les réglages de voix restent enregistrés sur votre compte. Le seul curseur qui pèse vraiment sur la consommation est le nombre de scènes, puisque chaque élément livré compte. Le détail des formules est sur la page des tarifs, et un essai gratuit suffit pour convertir un premier chapitre avant de décider quoi que ce soit.

Un document, plusieurs vidéos

C'est ici que la conversion devient rentable. Un manuel travaillé une fois alimente une série d'épisodes, une capsule verticale par chapitre, et une vidéo d'accueil qui présente l'ensemble. La voix, le style visuel et le rythme restent les mêmes d'un épisode à l'autre, ce qui donne une identité de collection plutôt qu'une pile d'essais. La même mécanique appliquée à vos contenus déjà publiés est décrite dans notre méthode pour transformer un article en vidéo.

Une précaution évite un travail perdu : le format d'image se choisit avant la production et ne se recadre pas proprement ensuite. Un module de formation en paysage et une capsule verticale sont deux projets distincts, avec leur propre accroche et leur propre chute. Produire le vertical à part demande moins de temps que rogner le paysage et perdre la moitié de chaque plan.

Les documents qui passent mal en vidéo

Tous les fichiers ne méritent pas une vidéo, et l'honnêteté commande de le dire avant que vous n'y passiez une soirée. Cinq profils donnent des résultats décevants, quel que soit le soin apporté à la production.

• Les documents de référence pure : barèmes, tables de correspondance, glossaires. On les consulte, on ne les écoute pas.
• Les textes réglementaires à la virgule près : une reformulation orale approximative expose plus qu'elle n'aide.
• Les documents très denses en chiffres : au delà de trois données par minute, l'auditeur décroche, même avec les chiffres à l'écran.
• Les procédures qui reposent sur des captures d'écran : un enregistrement d'écran commenté sert mieux qu'une image générée.
• Les documents périssables : une vidéo reste en ligne bien plus longtemps qu'un fichier, et vous laisserez une version périmée à la vue de tous.

Questions fréquentes

Peut-on déposer un PDF et obtenir une vidéo en un seul clic ?

Pas en un clic, et méfiez-vous de ceux qui le promettent. La lecture d'un document s'automatise, le tri ne s'automatise pas : vous seul savez quel chapitre mérite une vidéo et quelle nuance ne doit pas disparaître. Dans le studio, le lecteur de documents alimente aujourd'hui la rédaction d'un script commercial à partir d'un produit numérique. Pour une vidéo commentée, le chemin passe par le texte extrait, collé dans la création de projet, qui le découpe en scènes et ouvre l'atelier.

Que faire d'un document scanné ou protégé par mot de passe ?

Un fichier scanné doit passer par une reconnaissance de caractères avant toute chose, puis par une relecture attentive des chiffres et des noms propres. Un fichier protégé doit être ouvert avec son mot de passe et enregistré sans protection, ce que vous ne pouvez faire que si vous en avez le droit. Aucun outil d'extraction sérieux ne contourne une protection, et il ne faut pas chercher à le faire.

Quelle durée de vidéo pour un document de vingt pages ?

Si vous gardez un seul chapitre, comptez trois à cinq minutes, soit environ 450 à 750 mots dits. Le document entier lu intégralement approcherait l'heure, ce qui n'a d'intérêt pour personne. Le surplus n'est pas perdu : il devient les épisodes suivants, et il est déjà écrit.

Peut-on garder les schémas et les tableaux du document ?

Oui, et c'est même recommandé. Exportez-les en image depuis le document d'origine, puis déposez-les dans la bibliothèque de la scène concernée. Un tableau large se découpe en deux ou trois images lisibles plutôt que d'être montré en entier. La règle vaut pour tout ce qui porte une donnée : on montre l'original, on ne le fait pas redessiner.

Peut-on produire la même vidéo en plusieurs langues ?

Oui, en refaisant la partie parlée. Le texte se traduit, la voix se choisit dans la langue visée, puis le montage se relance : les visuels ne bougent pas et se réutilisent tels quels. Prévoyez seulement une marge de durée, car une même phrase ne compte pas le même nombre de mots d'une langue à l'autre, et les sous-titres suivent la nouvelle piste.

Prenez le document que vous envoyez le plus souvent, ouvrez-le, et faites une seule chose : surlignez le chapitre que l'on vous demande sans cesse d'expliquer à l'oral. Vous tenez votre première vidéo, et vous savez déjà ce qu'elle doit dire. Le studio EasyVids réunit l'écriture, le découpage, les visuels, la voix off et le montage au même endroit, et la création d'un compte suffit pour y déposer votre premier texte extrait.