Vous publiez une vidéo soignée, et une bonne partie de votre audience la fait défiler sans jamais entendre un mot. Le son est coupé par défaut dans presque tous les fils d'actualité, et une vidéo muette sans texte à l'écran ne raconte rien. Les sous-titres automatiques répondent exactement à ce problème : le son de votre vidéo est transcrit, découpé et calé sur l'image en quelques minutes, sans que vous tapiez une seule ligne.
Le piège est de s'arrêter là. Une transcription automatique se trompe toujours quelque part, et presque toujours aux mêmes endroits : les noms propres, les sigles, les chiffres. Ce guide reprend la chaîne complète, de la piste audio au fichier exporté, avec les règles chiffrées de lisibilité que suivent les diffuseurs professionnels, le choix entre incrustation et piste séparée, et les pièges de la traduction.
La réponse courte
Un générateur de sous-titres automatiques écoute la piste audio, écrit ce qu'il entend, et associe à chaque mot son instant exact. Vous récupérez en quelques minutes un texte déjà découpé en blocs synchronisés, que vous relisez, mettez en forme, puis exportez sous forme de fichier séparé ou gravé dans l'image. La relecture est la seule étape qui vous appartient vraiment, et elle prend rarement plus de dix minutes pour une vidéo de cinq minutes. C'est le meilleur rapport effort sur portée de toute la post-production, et cela se fait sans quitter l'éditeur quand vous travaillez dans un studio de création vidéo complet.
Pourquoi les sous-titres décident de la portée d'une vidéo
Le premier argument n'est pas l'accessibilité, c'est l'audience. Sur un fil d'actualité, une vidéo démarre muette. Vous disposez donc de deux ou trois secondes pour prouver, sans le son, qu'il se passe quelque chose. Une étude publiée en 2019 par Verizon Media et Publicis Media allait dans ce sens : 80 % des personnes interrogées déclaraient regarder une vidéo jusqu'au bout plus volontiers lorsque des sous-titres étaient disponibles, et la moitié d'entre elles coupaient le son en public.
Trois autres effets, moins visibles, comptent autant. Les sous-titres soutiennent la compréhension d'un public qui n'a pas votre langue en première langue, et celle de tous ceux qui regardent dans un train ou un bureau ouvert. Ils rendent votre discours lisible par les moteurs de recherche : une piste de sous-titres est du texte, donc de la matière indexable, alors qu'une bande son n'en est pas. Enfin ils rattrapent une prise de son moyenne, un accent marqué, un mot avalé en fin de phrase.
Rapporté à ce que coûtent le tournage et le montage, le sous-titrage est la ligne la plus légère de toute une production. Nous avons comparé ces ordres de grandeur dans notre analyse du coût réel d'une vidéo. Autrement dit : il n'existe aucune bonne raison de publier une vidéo sans texte à l'écran.
Comment fonctionne la transcription automatique
Un moteur de reconnaissance vocale ne transcrit pas des phrases, il reconnaît des sons. Il découpe la piste audio en fragments très courts, prédit les enchaînements les plus probables, puis reconstruit des mots à l'aide d'un modèle de langue. Ce second modèle explique pourquoi les erreurs sont souvent plausibles : la machine choisit le mot qui va bien dans la phrase, pas forcément celui que vous avez prononcé.
Deux sorties vous intéressent. Le texte, évidemment. Et l'horodatage au mot, qui donne l'instant de début et de fin de chaque terme. C'est cette seconde information qui permet de découper le texte en blocs proprement calés, puis de faire apparaître les sous-titres mot par mot dans les formats courts. Un outil qui ne rend qu'un texte brut, sans horodatage, vous laisse le travail le plus long à faire à la main.
Retenez l'ordre. Le découpage en blocs vient après la correction du texte, jamais avant : corriger un mot dans un fichier déjà découpé oblige souvent à recaler le bloc entier. Corrigez d'abord, découpez ensuite, mettez en forme en dernier.
Ce que la transcription automatique rate encore
Sur un enregistrement propre, les moteurs actuels tournent autour de quelques pour cent de mots erronés, et le taux monte vite dès que les conditions se dégradent. Ces fautes ne sont pas réparties au hasard. Elles se concentrent sur un petit nombre de cas, toujours les mêmes, et il suffit de les connaître pour relire vite.
- Les noms propres : marques, villes, prénoms, noms de logiciels. Le moteur les remplace par le mot courant le plus proche.
- Les sigles et les acronymes, souvent écrits en toutes lettres ou découpés en syllabes.
- Le jargon d'un métier, absent du vocabulaire général du modèle de langue.
- Les chiffres, les dates et les unités, dont l'écriture varie sans règle stable.
- Les accents régionaux, le débit rapide, les fins de phrase avalées.
- Les voix qui se chevauchent, la musique forte, le brouhaha d'un lieu public.
- La ponctuation, qui est devinée : mal placée, elle change le sens d'une phrase entière.
Sur nos propres transcriptions, l'essentiel des corrections porte sur les deux premières lignes de cette liste. C'est plutôt une bonne nouvelle : ces erreurs se repèrent en lecture rapide, et se corrigent d'un remplacement global quand le même nom revient vingt fois dans la vidéo.
La relecture, dix minutes qui changent tout
Relire ne veut pas dire réécouter la vidéo en entier. La méthode efficace tient en trois passes. Vous parcourez d'abord le texte des yeux, sans le son, en cherchant les mots qui n'ont aucun sens dans le contexte : ce sont vos erreurs, elles sautent aux yeux. Vous corrigez ensuite d'un coup, par remplacement, les noms propres récurrents. Vous ne réécoutez enfin que les deux ou trois passages restés douteux.
Deux réflexes font gagner du temps sur la durée. Tenez une petite liste des termes que vous prononcez souvent, noms de marque et de produits compris, et corrigez-les toujours de la même façon. Et soignez la source : une voix enregistrée sans écho, ou une voix de synthèse bien ponctuée, se transcrit presque sans faute. Nous avons détaillé ce travail sur la voix dans nos conseils pour une voix off IA vraiment naturelle.
Les règles de lisibilité, en chiffres
Un sous-titre n'est pas du texte posé sur une image, c'est un objet contraint. Le spectateur doit le lire sans quitter l'image des yeux et sans jamais courir après les mots. Les diffuseurs travaillent sur ce problème depuis des décennies, et leurs guides publics convergent vers les mêmes repères.
Deux lignes au maximum, jamais trois. Un plafond de 42 caractères par ligne, espaces comprises, la BBC recommandant plutôt 37 pour rester confortable. Une vitesse de lecture autour de 17 caractères par seconde pour un public adulte. Et une durée d'affichage comprise entre un peu moins d'une seconde et sept secondes : en dessous, l'œil n'a pas le temps de se poser, au dessus le bloc cesse d'être un sous-titre et devient une affiche.
La coupure de ligne compte autant que le nombre de caractères. Coupez après une ponctuation, ou avant une conjonction, jamais entre un article et son nom, jamais au milieu d'un groupe verbal. Laissez aussi respirer les blocs : un intervalle de deux images, soit moins d'un dixième de seconde, suffit à éviter l'effet de clignotement quand deux sous-titres s'enchaînent. Et quand c'est possible, faites tenir une phrase dans un seul bloc.
Où poser les sous-titres dans l'image
En vertical, la position par défaut, collée au bas du cadre, est la pire possible. L'interface des plateformes recouvre environ 14 % du haut de l'écran et jusqu'à 35 % du bas, plus une bande d'environ 6 % sur chaque bord, sans compter la colonne d'icônes de certaines applications. Remontez vos sous-titres au dessus de cette zone, autour du tiers inférieur de l'image, et contrôlez le rendu sur un vrai téléphone avant de publier.
En 16:9, le risque est différent : la barre de lecture apparaît au survol et masque la ligne du bas. Gardez une marge d'environ 5 % de la hauteur sous le texte. Et si vous diffusez la même vidéo en horizontal puis en vertical, ne recadrez jamais des sous-titres déjà incrustés. Régénérez-les au bon format, sinon la moitié des mots sortent du cadre.
Le style suit le format, pas la mode
Sur un contenu long, la sobriété gagne toujours. Une police sans empattement, du blanc avec un contour noir ou une bande sombre légèrement transparente, une taille assez généreuse pour rester lisible sur un écran de téléphone. Le sous-titre doit se faire oublier : il accompagne la voix, il ne joue pas.
Sur un format court vertical, le sous-titre fait partie du montage. L'usage installé est l'apparition mot par mot, ou par groupes de deux à trois mots, avec le mot en cours mis en évidence. Cela tient l'attention, mais impose une contrainte : une seule ligne à la fois, sinon le texte occupe la moitié de l'écran. Nous avons décomposé ce style réglage par réglage, du choix du mot mis en avant à la cadence d'apparition, dans notre guide des sous-titres animés mot à mot. Deux garde-fous valent quel que soit le style. Une seule police et une seule couleur d'accent pour toute la vidéo. Et un contraste réel entre le texte et l'image, sans quoi les sous-titres disparaissent dès qu'un plan clair passe. Ce contrôle se fait dans l'éditeur, au même titre que le reste du montage décrit dans notre guide pas à pas d'une vidéo YouTube.
Les formats de fichier, et le choix entre piste et incrustation
Un fichier de sous-titres est un simple fichier texte : une suite de blocs, chacun avec un instant de début, un instant de fin et une ou deux lignes. Vous pouvez l'ouvrir dans un éditeur de texte, le corriger à la main, puis le renvoyer sur la plateforme. Quatre extensions couvrent la quasi totalité des besoins.
Le vrai choix se résume ensuite à une question : piste séparée ou incrustation. La piste séparée se corrige après publication, se traduit, s'indexe, et laisse le spectateur l'activer ou non. L'incrustation garantit au contraire que le texte s'affiche partout, y compris en lecture automatique dans un fil, et sur les services qui n'acceptent aucun fichier importé. En pratique, beaucoup de créateurs font les deux : incrustation pour les formats courts, fichier importé pour les formats longs. L'incrustation suppose de repasser par la ligne de temps, une étape que décrit notre guide du montage vidéo en ligne.
Un dernier détail technique évite bien des retours en arrière. Gardez toujours le fichier de sous-titres, même quand vous incrustez. C'est votre transcription, votre base de traduction, et le point de départ d'un article ou d'un texte de description. Une vidéo exportée avec le texte gravé et sans fichier de côté est une vidéo qu'il faudra retranscrire au premier changement. Ce même texte relu sert aussi de script quand vous déclinez la vidéo en épisode audio, une piste que détaille notre guide de la voix IA pour podcast.
Traduire ses sous-titres sans casser le calage
Traduire des sous-titres multiplie la portée d'une vidéo pour un effort très faible, à une condition : traduire à partir du texte relu, jamais de la transcription brute. Une erreur de transcription traduite devient une phrase absurde que plus personne ne peut rattraper, et elle se propage dans toutes les langues d'un seul coup.
Le second piège est le calage. Une même phrase n'occupe pas la même longueur d'une langue à l'autre : les traducteurs comptent en général 15 à 20 % de texte en plus en passant de l'anglais au français, et l'écart inverse dans l'autre sens. Si vous conservez les blocs d'origine, la vitesse de lecture dépasse aussitôt le seuil confortable. Il faut recalculer le découpage sur le texte traduit, quitte à couper une phrase en deux blocs, et parfois à condenser une formule.
Trois réflexes complètent la méthode. Les expressions imagées se rendent par une équivalence, jamais mot à mot. Les noms propres, les marques et les unités restent tels quels ou se convertissent explicitement. Et pour tout ce qui engage votre image, une relecture par une personne qui parle réellement la langue reste indispensable : une vidéo commerciale traduite à l'aveugle fait plus de dégâts qu'une vidéo sans sous-titres.
Sous-titres, accessibilité et conformité
Le mot sous-titre recouvre en réalité deux objets différents. Les sous-titres classiques transcrivent les paroles. Les sous-titres destinés aux personnes sourdes et malentendantes vont plus loin : ils identifient qui parle lorsque plusieurs voix se répondent, et décrivent entre crochets les sons porteurs de sens. Une porte qui claque, un rire, une musique inquiétante.
Cette distinction n'a rien d'un détail réglementaire. Le référentiel international d'accessibilité du web place les sous-titres d'une vidéo préenregistrée au niveau A, c'est à dire au premier niveau d'exigence, celui qu'un site doit satisfaire avant tout le reste. Si vous publiez sur un site professionnel, une formation en ligne ou un service public, la question n'est donc pas de savoir si vous sous-titrez, mais avec quel niveau de finition.
Questions fréquentes
Les sous-titres automatiques sont-ils fiables sans relecture ?
Non, et ce n'est pas une question de qualité du moteur. Même une transcription excellente se trompe sur les noms propres, les sigles et le jargon, c'est à dire précisément sur les mots qui portent le sens dans une vidéo professionnelle. Comptez une relecture rapide, de l'ordre de cinq à dix minutes pour une vidéo de cinq minutes.
Faut-il incruster les sous-titres ou fournir un fichier séparé ?
Fichier séparé pour les formats longs, parce qu'il se corrige, se traduit et s'indexe. Incrustation pour les formats courts verticaux, où la lecture automatique et le style animé font partie du langage de la plateforme. Rien n'interdit de livrer les deux, et c'est souvent le bon réflexe.
Combien de caractères doit contenir un sous-titre ?
Deux lignes au maximum, jusqu'à 42 caractères par ligne espaces comprises, et plutôt 37 si vous voulez une marge de confort. Chaque bloc reste à l'écran entre une seconde environ et sept secondes, pour une vitesse de lecture proche de 17 caractères par seconde.
Les sous-titres améliorent-ils le référencement d'une vidéo ?
Indirectement, oui. Une piste de sous-titres est du texte : elle donne aux plateformes une matière lisible sur le contenu réel de la vidéo, en plus du titre et de la description. Elle agit surtout sur la durée de visionnage, qui pèse bien plus lourd dans les recommandations. Les questions d'export et de formats sont regroupées dans notre foire aux questions.
Peut-on sous-titrer une vidéo dans une langue que l'on ne parle pas ?
Techniquement, oui : la transcription et la traduction se font sans difficulté. Le risque est ailleurs, vous ne pouvez pas contrôler le résultat. Pour une vidéo d'information, le rapport reste favorable. Pour une vidéo commerciale, contractuelle ou médicale, faites relire par une personne qui parle la langue avant de publier.
Le sous-titrage reste l'étape la plus rentable de toute la post-production : quelques minutes de travail pour une vidéo qui fonctionne enfin auprès du public qui regarde sans le son. Prenez l'habitude de transcrire dès que le montage est figé, corrigez vos noms propres, tenez les deux lignes et les 42 caractères, remontez le texte au dessus de l'interface. Le reste n'est que de la mise en forme. Pour transcrire, relire et incruster vos sous-titres au même endroit que le montage, créez votre compte et essayez sur une vidéo déjà publiée : vous verrez tout de suite ce que le texte à l'écran change. Les sous-titres arrivent au bout d'une chaîne que le studio EasyVids tient de bout en bout.