Sous-titres animés mot à mot : recréer le style qui retient l'attention

Vous publiez une vidéo courte. Le fond est bon, la voix est claire, et pourtant les gens partent au bout de trois secondes. Le problème n'est presque jamais le contenu. Une partie de votre audience fait défiler son fil sans le son, dans un train, en réunion ou avant de dormir, et un bandeau de texte gris posé tout en bas de l'écran ne lui donne aucune raison de rester. C'est exactement ce que corrigent les sous-titres style Hormozi : des cartons de deux ou trois mots qui apparaissent au rythme exact de la parole.

Ce format porte le nom de l'entrepreneur qui l'a rendu célèbre, mais il n'a rien de magique et il n'appartient à personne. C'est une série de réglages, tous copiables et tous ajustables. Cet article démonte le mécanisme : ce qui retient réellement l'œil, les six réglages qui décident de la lisibilité, les excès qui fatiguent au bout de dix secondes, et la façon d'adapter le même style à chaque plateforme.

La réponse courte

Un sous-titre mot à mot est une suite de cartons très courts, un à trois mots chacun, affichés exactement pendant que les mots sont prononcés. Le texte est gras, souvent en majuscules, cerné d'un contour noir épais, posé au tiers bas de l'image, et un seul mot par carton est mis en couleur. Chaque carton apparaît avec un accent bref, toujours le même. Le reste est une affaire de discipline : une seule couleur d'accent, un style identique du début à la fin, et un placement qui échappe à l'interface de l'application. Si vous partez de zéro, commencez par notre guide des sous-titres automatiques, qui couvre la transcription et la correction du texte avant toute mise en forme.

D'où vient ce style, et pourquoi il tient l'attention

Le procédé s'est imposé sur les réseaux verticaux au début des années 2020, porté par des extraits de conférences et d'entretiens redécoupés en clips d'une minute. Personne ne l'a inventé : le sous-titrage synchronisé mot par mot existait déjà dans le karaoké et dans les jeux musicaux. Ce qui a changé, c'est l'échelle et la constance. Un créateur très suivi a appliqué la même recette à absolument tous ses contenus, et des milliers d'autres ont copié le résultat jusqu'à ce que le style devienne un code visuel reconnaissable en une seconde.

Son efficacité tient à trois mécanismes simples, et aucun ne relève de la mode. Le premier est le mouvement : l'œil est attiré par ce qui change, et un carton renouvelé toutes les demi-secondes crée un flux continu de micro-mouvements. Le deuxième est la lecture involontaire : un mot énorme au centre de l'écran se lit avant même qu'on ait décidé de le lire. Le troisième est la charge réduite : deux mots se saisissent d'un seul regard, une phrase entière demande un balayage. Ces trois effets additionnés font gagner une seconde d'attention, puis une autre. C'est la même logique qui gouverne le reste d'une vidéo courte, du premier plan au montage, comme le détaille notre guide du générateur vidéo par intelligence artificielle.

Le mot à mot synchronisé, mécanique exacte

Le terme prête à confusion. Un vrai mot à mot afficherait un seul mot à la fois, et c'est parfois le cas. En pratique, la plupart des vidéos qui portent cette étiquette affichent des groupes de deux ou trois mots, avec un mot mis en évidence à l'intérieur du groupe. La nuance n'est pas cosmétique : un mot isolé oblige l'œil à sauter d'un carton à l'autre sans jamais former de sens, alors qu'un groupe court porte une idée entière.

La chaîne compte cinq étapes, et tout se décide à la deuxième. Une transcription utile ne donne pas seulement le texte : elle donne l'instant précis où chaque segment commence et se termine. Sans ces horodatages, il faut poser chaque carton à la main, ce qui représente des heures de travail sur un montage de trois minutes. Avec eux, le découpage en groupes courts devient un simple calcul, et le montage se concentre sur le style.

Les six réglages qui décident du résultat

Voici ce qui sépare un sous-titre qui accroche d'un sous-titre qui agresse. Ces six points se règlent une seule fois, en tête de projet, puis s'appliquent à toute la piste sans être retouchés carton par carton.

• La police : une sans empattement très grasse, plutôt étroite. Les graisses moyennes s'effacent dès que l'image derrière devient claire.
• Les majuscules : elles donnent une masse régulière, lisible de loin, mais elles ralentissent la lecture d'un texte long. Réservez-les aux cartons courts.
• Le contour : un liseré noir épais autour des lettres. Il remplace avantageusement le bandeau opaque, qui masque une partie de l'image.
• La taille : en vertical, le bloc occupe environ la moitié de la largeur. Jugez-la sur un téléphone, jamais sur un écran d'ordinateur.
• La position : au tiers bas, au dessus de la zone occupée par les éléments de l'application.
• La couleur d'accent : une seule, vive, appliquée à un mot par carton. Deux couleurs d'accent transforment la vidéo en sapin de Noël.

Le contraste est le réglage le plus souvent négligé, et le seul qui dispose d'une référence chiffrée sérieuse. Les critères d'accessibilité du web fixent un rapport minimal de 4,5 pour 1 entre un texte et son fond, ramené à 3 pour 1 pour les grands caractères, c'est à dire au moins 18 points, ou 14 points en gras. Vos sous-titres entrent largement dans cette seconde catégorie, mais avec une difficulté que ne connaît pas une page web : l'arrière plan change à chaque plan. D'où l'intérêt du contour noir, qui garantit la séparation quelle que soit l'image. Le détail de ces seuils figure dans la note du W3C sur le contraste minimal.

La vitesse de lecture, le réglage que presque tout le monde rate

Un carton qui reste trop peu de temps ne se lit pas ; un carton qui traîne casse le rythme. Le métier du sous-titrage a chiffré ce compromis depuis longtemps. Les normes professionnelles appliquées au cinéma et aux séries plafonnent la vitesse à 17 caractères par seconde pour un public adulte en français, avec deux lignes au maximum et 42 caractères par ligne. Ces valeurs sont publiées sans ambiguïté dans la charte de sous-titrage français que Netflix impose à ses prestataires.

Le style mot à mot travaille volontairement au dessus de ces plafonds, parce qu'il ne poursuit pas le même but. Un sous-titre de cinéma accompagne une image que l'on regarde : il doit se faire oublier. Un sous-titre de réseau social est le contenu principal quand le son est coupé : il doit se faire remarquer. Retenez quand même la leçon de fond. En dessous d'une demi-seconde par carton, plus personne ne lit, il ne reste qu'un clignotement. Fixez une durée plancher et laissez le découpage la respecter, quitte à décaler très légèrement un mot par rapport à la voix.

Mettre en valeur le bon mot, pas tous les mots

La couleur d'accent est ce qui distingue un vrai style mot à mot d'un simple sous-titre en gras. Elle sert à une chose : indiquer au spectateur où se trouve l'information. Si tout est en couleur, plus rien ne l'est, et vous obtenez l'effet inverse de celui recherché. Sur une vidéo de vente, ce mot mis en avant est presque toujours le bénéfice ou l'usage du produit, une hiérarchie que notre guide de la vidéo produit détaille argument par argument.

• Un seul mot coloré par carton, et pas dans tous les cartons : deux ou trois par phrase suffisent largement.
• Choisissez le mot qui porte l'idée : un nombre, un verbe d'action, un nom propre, jamais un article ni une préposition.
• Gardez la même couleur pendant toute la vidéo, puis d'une vidéo à l'autre. C'est ce qui construit une signature reconnaissable.
• Un jaune ou un vert vif tiennent sur presque toutes les images ; un rouge se noie dans les scènes chaudes ; un bleu disparaît sur un ciel.
• Si votre marque a une couleur, servez-vous-en, à condition qu'elle reste lisible une fois entourée du contour noir.

Une variante consiste à agrandir le mot clé au lieu de le colorer, ou à le poser sur un petit fond plein. Les deux approches fonctionnent. Ce qui ne fonctionne pas, c'est de cumuler les trois sur le même mot : la surcharge annule l'effet, et le regard ne sait plus par où commencer.

Les excès qui fatiguent, et le correctif de chacun

Ce style a un défaut : il vieillit très mal dès qu'il est poussé trop loin. Voici les fautes qui reviennent le plus souvent dans les montages que nous voyons passer, avec le correctif à appliquer.

• Un effet différent à chaque carton. Rotation, rebond, tremblement : au bout de dix secondes, le spectateur regarde l'animation au lieu du message. Gardez un seul accent d'entrée, court, répété à l'identique.
• Un texte qui occupe le tiers de l'écran. Il cache le visage et le produit. Réduisez jusqu'à ce que l'image respire de nouveau.
• Trois lignes ou plus. Au delà de deux lignes, le format perd tout son intérêt : autant revenir à un sous-titre classique.
• Un emoji dans chaque carton. Ils cassent l'alignement, s'affichent différemment selon les appareils et ajoutent du bruit à un format déjà chargé.
• Le bloc collé au bas de l'image. L'interface de l'application le recouvre, et vous ne le découvrez qu'après la publication.
• Une transcription non relue. Noms propres écorchés, nombres faux, ponctuation absente : le texte s'affiche en très grand, donc l'erreur aussi.
• Le même traitement sur une vidéo de dix minutes. Le mot à mot est conçu pour les formats courts. Sur une vidéo longue, il épuise le spectateur bien avant la fin.

Une règle résume tout : l'animation doit être ressentie, jamais remarquée. Si un spectateur peut décrire votre effet de texte après coup, il était trop fort. Le principe vaut pour le reste de la production, du rythme des plans au niveau de la voix, un sujet que nous traitons dans nos conseils pour une voix off qui sonne naturelle.

Adapter le placement à chaque plateforme

Le style ne change pas d'une application à l'autre, le placement si. Chaque plateforme pose ses propres éléments par dessus votre image, et cette zone n'a ni la même hauteur ni la même forme partout. Les recommandations créatives officielles de TikTok invitent d'ailleurs à travailler en vertical au format 9:16, en 720p au minimum, et à garder les éléments importants à l'intérieur de la zone sûre, précisément parce que l'interface recouvre les bords. Vous les trouverez dans le guide créatif de la régie de TikTok.

Trois réflexes suffisent. Remontez le bloc plus haut que ce qui vous semble naturel, parce que la légende et les boutons grandissent avec le texte que vous écrivez au moment de publier. Testez sur un vrai téléphone, avec un compte réel, avant la publication définitive : l'aperçu d'un logiciel de montage ne montre jamais l'interface de l'application. Et sur une vidéo longue, changez carrément de logique : cartons plus longs, animation plus calme, et un fichier de sous-titres joint à la mise en ligne, puisque les plateformes de vidéo longue acceptent ces fichiers et laissent le spectateur les activer.

Fabriquer ces sous-titres sans rien installer

Techniquement, rien n'est compliqué. Il faut une transcription horodatée, un découpage court, un style, et un rendu qui incruste le texte dans l'image. Un éditeur qui tourne dans le navigateur fait les quatre, sans installation ni carte graphique dédiée.

Dans notre éditeur, un panneau consacré aux sous-titres extrait la piste sonore du montage, la transcrit, puis pose les cartons sur une piste de texte séparée. Vous choisissez la langue ou vous laissez la détection automatique faire son travail. Si vous disposez déjà d'un fichier de sous-titres, vous l'importez au format SRT ou ASS plutôt que de refaire la transcription. Créer ce fichier, le corriger ou le rattacher à une vidéo relève d'une autre mécanique, détaillée dans notre guide du fichier SRT.

Chaque carton devient ensuite un élément de texte indépendant, avec son propre instant de départ et sa propre durée. C'est ce qui rend le style mot à mot réellement praticable : vous coupez en deux un carton trop long, vous décalez celui qui traîne, vous colorez un mot, sans jamais toucher au reste de la piste. Les réglages disponibles sur chaque carton sont les suivants.

• Police, graisse, italique, interlettrage et interligne.
• Couleur du texte, avec un dégradé possible pour une signature plus marquée.
• Contour, sa couleur et son épaisseur : le réglage central de ce style.
• Ombre portée, avec flou et décalage, pour décoller le texte d'un fond chargé.
• Fond plein derrière le texte, avec opacité, arrondi et marges, quand le contour ne suffit pas.
• Une galerie de styles prêts à l'emploi, du contour net au carton jaune, pour partir d'une base au lieu de tout régler soi-même.

Les animations se choisissent par catégorie, entrée, sortie ou accent, avec une famille de mouvement et une intensité. Pour ce style précis, une entrée rapide et une intensité mesurée suffisent, appliquées à l'identique sur toute la piste. L'export incruste le texte dans l'image, ce qui garantit son affichage partout, y compris là où aucun fichier de sous-titres n'est accepté. La transcription se facture à la durée du son traité, et le détail se consulte sur la page des tarifs.

La relecture en cinq points avant de publier

Avant l'export final, cinq vérifications évitent la quasi totalité des retours désagréables. Elles prennent moins de temps que la republication d'une vidéo ratée.

• Lisez le texte à voix haute en suivant les cartons : toute coupure qui casse un groupe de sens s'entend immédiatement.
• Vérifiez les noms propres, les marques et les nombres, que la transcription automatique déforme plus que le reste.
• Regardez la vidéo son coupé, à taille réelle sur un téléphone tenu à bout de bras.
• Comptez les mots colorés : s'il y en a plus d'un par carton, retirez-en.
• Contrôlez le dernier carton, souvent tronqué ou maintenu à l'écran après la fin de la parole.

Questions fréquentes

Faut-il un mot ou trois mots par carton ?

Deux à trois mots dans la grande majorité des cas. Un seul mot convient à un passage très rythmé, à une accroche ou à une énumération, mais tenu pendant une minute entière il devient épuisant : l'œil ne reconstitue plus les groupes de sens. Le bon repère reste le même, quel que soit le découpage : chaque carton doit se lire d'un seul regard, sans balayage.

Ce style fonctionne-t-il en dehors des vidéos courtes ?

Assez mal. Il est conçu pour un écran de téléphone tenu à bout de bras, sur des formats de quinze à soixante secondes. Sur une vidéo longue regardée sur un téléviseur, la même mise en forme devient agressive au bout de deux minutes. Gardez alors des cartons plus longs, une animation discrète, et proposez en plus un fichier de sous-titres activable.

Un sous-titre incrusté remplace-t-il un vrai fichier de sous-titres ?

Non, et les deux ne servent pas le même public. Un texte incrusté est une image : il ne peut être ni désactivé, ni traduit automatiquement, ni lu par une aide technique. Sur les plateformes qui acceptent un fichier, ajoutez-le en plus de l'incrustation. Sur les formats courts verticaux, l'incrustation reste le seul moyen de garantir que le texte s'affiche.

Comment éviter que les sous-titres soient masqués par l'interface ?

Remontez le bloc au tiers bas de l'image plutôt qu'au ras du bord, et gardez une marge du côté où se trouve la colonne de boutons. La zone occupée par l'application varie selon le format et selon la longueur de la légende que vous écrivez en publiant. Un test sur un vrai téléphone tranche la question en quelques secondes, là où un aperçu de logiciel ne montrera jamais le problème.

Peut-on appliquer ce style à une vidéo générée par intelligence artificielle ?

Oui, et c'est même le cas le plus courant aujourd'hui : la vidéo est produite scène par scène, puis assemblée et sous-titrée dans l'éditeur avant publication. Notre guide pas à pas d'une vidéo publiée sur YouTube montre l'enchaînement complet, du script au fichier envoyé à la plateforme.

Le mot à mot n'est pas une astuce de montage, c'est une contrainte de lecture appliquée avec méthode : des groupes très courts, un contraste garanti par le contour, un seul mot mis en valeur, un placement qui échappe à l'interface, et le même traitement du premier au dernier carton. Réglez ces points une fois, gardez-les, et vos vidéos deviendront reconnaissables avant même que le son se lance. Les réponses aux questions d'usage sont regroupées dans la foire aux questions, l'ensemble des outils de production se travaille depuis le studio EasyVids, et la création d'un compte vous ouvre l'éditeur pour sous-titrer votre premier montage.