Vous avez une vidéo, et ce qu'il vous faut, c'est le texte. Le compte rendu d'un entretien, le script d'une vidéo que vous voulez réutiliser ailleurs, la matière d'un article, ou simplement la phrase exacte prononcée à la douzième minute. Transcrire une vidéo en texte à la main revient à réécouter, mettre en pause, retaper, revenir en arrière : plusieurs fois la durée de l'enregistrement, avec une attention qui s'effondre au bout de vingt minutes.
La reconnaissance vocale fait ce travail pendant que vous faites autre chose, et le résultat surprend souvent en bien. Reste à savoir où lancer l'opération, quelle qualité attendre, et surtout quoi corriger : une transcription brute ne se publie jamais telle quelle. Ce guide traite du texte lui même, de son obtention à sa relecture. Pour le réglage des sous-titres qui s'affichent à l'écran, notre guide des sous-titres automatiques prend la suite.
La réponse courte
Pour transcrire une vidéo en texte, il n'y a plus rien à installer : importez le fichier dans un éditeur vidéo en ligne, ouvrez le panneau des sous-titres, choisissez la langue parlée ou laissez la détection automatique, puis lancez la transcription. Le moteur isole la piste audio, écrit ce qu'il entend, et associe à chaque passage son instant exact. Sur une vidéo de vingt minutes, comptez quelques minutes de traitement, puis à peu près autant de relecture. Dans le studio en ligne d'EasyVids, cette étape tient en un bouton : le texte revient découpé, calé sur la voix, et modifiable passage par passage.
Transcription, sous-titres, chapitres : ce qui les sépare
Les trois mots circulent ensemble et désignent pourtant des objets différents. Une transcription est un texte continu : ce qui a été dit, ponctué, en paragraphes, sans horaire. Des sous-titres sont ce même contenu découpé en blocs de quelques mots, chacun portant un instant de début et un instant de fin. Des chapitres sont une troisième chose encore, une table des matières qui donne un titre à des tranches de la vidéo.
Cette distinction n'est pas un détail de vocabulaire, parce que les trois sortent du même passage machine. Le moteur produit toujours du texte et des horodatages. Ce que vous en gardez dépend de l'usage : vous jetez les horaires pour obtenir un document lisible, vous les gardez pour afficher le texte à l'écran. Autrement dit, une seule transcription bien relue sert les deux besoins, à condition de la traiter dans le bon ordre.
Comment une machine transforme du son en texte
Un moteur de reconnaissance vocale ne comprend pas des phrases, il reconnaît des enchaînements de sons et prédit la suite la plus probable. C'est la raison de ses erreurs, et cela explique pourquoi il se trompe toujours aux mêmes endroits. La chaîne complète tient en quatre étapes, et chacune conditionne la suivante.
Deux détails de cette chaîne expliquent presque tout le reste. Le premier : la piste audio est ramenée en mono, à une fréquence d'échantillonnage basse, autour de 16 kHz. Cela peut sembler brutal, mais la voix humaine tient largement dans cette bande, et le fichier devient assez léger pour être traité vite. Le second : la plupart des moteurs travaillent par fenêtres de quelques dizaines de secondes qui se chevauchent légèrement, pour ne pas couper un mot en deux à la jointure.
Conséquence pratique : la qualité de votre transcription se joue au moment de l'enregistrement, pas au moment du traitement. Un micro proche de la bouche, une pièce sans écho, une seule personne à la fois, et le taux d'erreur s'effondre. Aucun réglage logiciel ne rattrape un son capté à trois mètres dans une salle carrelée.
La voie gratuite : ce que les plateformes font déjà pour vous
Avant de chercher un outil, regardez si le texte n'existe pas déjà. D'après le centre d'aide de YouTube, la plateforme génère automatiquement des sous-titres pour une partie des vidéos mises en ligne, dans un nombre limité de langues, et le propriétaire de la chaîne peut les modifier depuis YouTube Studio. Toujours d'après ce même centre d'aide, le lecteur affiche pour ces vidéos un panneau de transcription, sous la description, qui déroule le texte avec ses horaires.
C'est la voie la plus gratuite qui soit, et elle suffit dans beaucoup de cas. Elle a trois limites qu'il vaut mieux connaître avant de compter dessus. Les sous-titres automatiques ne sont pas générés pour toutes les vidéos ni dans toutes les langues. La ponctuation reste approximative sur les longs monologues. Et cette voie ne concerne que des vidéos déjà publiées sur la plateforme, ce qui exclut un rush non monté, un fichier client, ou un enregistrement confidentiel.
- La vidéo est déjà en ligne sur la plateforme et vous en êtes le propriétaire.
- Elle est parlée dans une langue courante, par une seule personne, avec un son propre.
- Vous voulez un texte indicatif, pas un document à publier tel quel.
- Vous acceptez de recopier le texte depuis le panneau, sans mise en forme.
- Le calage exact des blocs vous importe peu, parce que vous ne réafficherez pas ces sous-titres ailleurs.
Dès qu'un de ces points saute, il vaut mieux transcrire depuis un outil qui accepte votre fichier directement, sans passer par une publication.
Transcrire une vidéo dans l'éditeur, étape par étape
La procédure est la même sur n'importe quel éditeur en ligne sérieux, et elle tient en six gestes. Voici comment elle se déroule dans le studio EasyVids, où la transcription vit dans le panneau Sous-titres de l'éditeur.
- Importez la vidéo dans l'éditeur et déposez-la sur la timeline. Aucun logiciel à installer : tout se passe dans le navigateur.
- Ouvrez le panneau Sous-titres, dans la colonne des ressources.
- Choisissez la langue parlée dans la liste, ou laissez la détection automatique si vous n'êtes pas certain de la langue dominante.
- Lancez la génération. L'éditeur extrait le son de la timeline, le convertit, l'envoie au serveur et attend le texte.
- Relisez. Le texte revient sous forme de blocs posés sur la timeline, chacun modifiable comme un texte normal.
- Décidez de la suite : garder les blocs pour afficher les sous-titres, ou recopier le texte pour en faire un document.
Un point mérite d'être précisé, parce qu'il évite une mauvaise surprise. La transcription porte sur l'audio de la timeline, c'est à dire sur ce que l'on entend à cet instant du montage. Si vous avez coupé un passage, il ne sera pas transcrit. Si vous avez ajouté une musique de fond forte, elle gêne la reconnaissance. Transcrivez donc avant d'habiller, ou coupez temporairement les pistes qui ne portent pas la voix. Cette opération est facturée en crédits, à la durée du son traité, et le détail des formules est sur la page des tarifs.
Le fichier de sous-titres, ou pourquoi le texte arrive en morceaux
Le format d'échange le plus répandu reste le SRT, un simple fichier texte que vous pouvez ouvrir dans n'importe quel éditeur. Sa structure explique la forme que prend votre transcription à la sortie : une suite de blocs numérotés, chacun avec ses deux instants et son texte, séparés par une ligne vide.
Retenez surtout que le découpage est un choix de lisibilité, pas une contrainte technique. Les blocs sont courts, sept mots environ, parce qu'un sous-titre doit se lire sans quitter l'image des yeux. Pour un document écrit, ce découpage devient un défaut : il faut recoller les morceaux et reponctuer. Si vous devez manipuler ces fichiers, les modifier ou les recaler, notre guide du fichier SRT détaille la syntaxe complète et les pièges d'encodage.
Les fautes que la reconnaissance vocale fait toujours
Une transcription automatique ne se trompe pas au hasard. Les erreurs se concentrent sur une poignée de catégories, et c'est une bonne nouvelle : vous savez où regarder pendant la relecture.
- Les noms propres. Marques, villes, prénoms, noms de produits. Le moteur choisit le mot courant le plus proche, et il se trompe presque toujours au premier passage.
- Les sigles. Ils sortent en lettres collées, en minuscules, ou transformés en mot existant.
- Les chiffres et les dates. Parfois en lettres, parfois en chiffres, rarement dans le format que vous vouliez.
- Les homophones. Le moteur tranche selon la probabilité, pas selon le sens de votre phrase.
- Les mots étrangers insérés dans une phrase. Une expression anglaise au milieu d'un texte français ressort souvent déformée.
- Les voix qui se chevauchent. Deux personnes qui parlent en même temps donnent une bouillie, y compris chez les meilleurs moteurs.
Sur nos propres transcriptions, l'essentiel des corrections tient dans les deux premières catégories. Ces fautes se repèrent en lecture rapide et se corrigent en quelques minutes, parce qu'elles portent sur des mots que vous connaissez par cœur.
Nettoyer la transcription en trois passes
Relire ne veut pas dire réécouter la vidéo en entier, sinon vous perdez le bénéfice de l'automatisation. La méthode efficace tient en trois passes courtes. Première passe, les yeux seuls : vous parcourez le texte à la recherche des mots qui n'ont aucun sens dans le contexte. Un moteur écrit toujours quelque chose, jamais un blanc, donc une erreur se manifeste par une bizarrerie, pas par un trou. Deuxième passe, à l'oreille : vous ne réécoutez que les endroits repérés, en vous plaçant quelques secondes avant.
Troisième passe, la mise en forme. C'est elle qui transforme une transcription en document. Vous coupez les hésitations et les répétitions, vous rétablissez la ponctuation forte, vous créez des paragraphes tous les trois ou quatre échanges, et vous ajoutez des intertitres si le texte dépasse une page. Deux réflexes font gagner du temps sur la durée : tenez une petite liste des termes que vous prononcez souvent, noms de marque compris, et corrigez-les toujours de la même façon. Et faites cette mise en forme après la correction du texte, jamais avant.
Du texte brut au document qui sert
Une transcription n'a de valeur que par ce que vous en faites. Le même texte alimente des usages très différents, et le tri se fait au moment de la relecture : ce n'est pas le même travail selon la destination.
Les usages les plus rentables sont souvent les moins spectaculaires. Le texte d'un webinaire devient un article de fond en une heure de réécriture. Le verbatim d'un entretien client donne les phrases exactes à reprendre dans vos pages de vente. Une archive de vidéos transcrites devient enfin cherchable : vous retrouvez en quelques secondes le passage où le sujet a été traité. Et dans l'autre sens, un texte relu peut repartir en production vidéo, ce que détaille notre méthode pour transformer un texte en vidéo. Si votre objectif est au contraire d'afficher ce texte à l'écran, le style animé mot à mot est traité dans notre guide des sous-titres mot à mot.
Les limites à connaître avant de lancer
Aucune transcription automatique n'est fiable à cent pour cent, et une poignée de contraintes techniques méritent d'être connues avant de démarrer un gros chantier. La durée d'abord : l'audio envoyé au serveur est plafonné en poids, ce qui laisse en pratique un peu moins d'une heure de son par passage. Au delà, découpez votre vidéo en deux parties et transcrivez-les l'une après l'autre.
La langue ensuite. Le sélecteur de l'éditeur propose la détection automatique et une liste de langues courantes, dont le français, l'anglais, l'espagnol, l'italien, l'allemand, le portugais, le russe, le japonais et le chinois. Sur une vidéo qui mélange deux langues, indiquez celle qui domine plutôt que de laisser la détection choisir. Enfin, sur un enregistrement à plusieurs voix, attendez-vous à un texte continu sans mention de qui parle : la séparation des locuteurs n'est pas automatique, elle se rétablit à la relecture.
Questions fréquentes
Peut-on transcrire une vidéo en texte gratuitement ?
Oui, dans deux cas. Si la vidéo est publiée sur une plateforme qui génère des sous-titres automatiques, le texte est déjà là et se récupère sans rien payer. Et sur EasyVids, des crédits sont offerts à l'inscription : de quoi transcrire vos premières vidéos sans rien payer, et sans carte bancaire. Pour un usage régulier sur des fichiers longs, la transcription devient une ligne de dépense comme une autre.
Quelle précision attendre d'une transcription automatique ?
Sur un enregistrement propre, avec une seule voix et un micro correct, les moteurs actuels laissent quelques mots erronés par centaine, et ces mots sont presque toujours des noms propres ou des sigles. Le taux monte nettement dès que le son se dégrade, que plusieurs personnes se coupent la parole, ou que l'accent s'éloigne de ce que le moteur a le plus entendu.
Comment transcrire une vidéo dans une langue étrangère ?
Sélectionnez la langue parlée dans la vidéo, et non celle dans laquelle vous voulez lire. La transcription se fait toujours dans la langue d'origine ; la traduction est une seconde étape, qui se fait à partir du texte relu. Traduire une transcription brute revient à propager ses erreurs dans toutes les langues cibles.
Faut-il installer un logiciel pour transcrire une vidéo ?
Non. Un éditeur en ligne fait le travail dans le navigateur : votre appareil n'affiche que l'interface, le traitement se fait sur des serveurs. Un ordinateur modeste ou une tablette suffisent, et vous évitez les installations lourdes qui monopolisent le processeur pendant une heure.
Que faire quand plusieurs personnes parlent dans la vidéo ?
Transcrivez d'abord, puis rétablissez les tours de parole à la relecture, en préfixant chaque prise par le nom de la personne. Si vous enregistrez encore, la vraie solution est en amont : un micro par participant et une règle simple, ne jamais parler en même temps. Le gain sur la transcription est immédiat.
Transcrire une vidéo en texte n'est plus la corvée qu'elle a été : la machine fait la frappe, vous gardez la relecture, et c'est un partage honnête. Le vrai changement se produit quand cette étape devient un réflexe, parce que chaque vidéo se met alors à produire un article, des notes cherchables et des sous-titres, pour le prix d'un seul tournage. Pour l'essayer sur votre propre fichier, créez votre compte et déposez la vidéo dans l'éditeur : le panneau des sous-titres fait le reste.