Vous avez un texte sous la main. Un article de blog, une fiche produit, une note de trois pages, un chapitre de formation. Vous voulez le transformer en vidéo, parce qu'une vidéo circule là où un texte dort. Transformer un texte en vidéo demande six gestes précis, et l'ordre dans lequel vous les faites décide du résultat bien plus que l'outil que vous choisissez.
La faute la plus fréquente consiste à générer des images en premier, puis à chercher une voix qui tienne dessus. Le montage devient alors une suite de compromis, et le résultat sent le bricolage. Ce tutoriel prend le problème par l'autre bout et déroule la marche à suivre complète, du tri du texte source jusqu'à l'export. Si vous cherchez d'abord une vue d'ensemble des technologies qui portent ce nom, notre guide général du texte en vidéo fait ce travail. Ici, on avance étape par étape, avec les gestes exacts et les repères chiffrés que nous utilisons au quotidien.
La réponse courte
Triez le texte pour ne garder qu'une seule promesse. Réécrivez-le pour l'oreille, en phrases courtes. Découpez-le en plans d'une idée chacun. Produisez la voix off. Fabriquez ensuite un visuel par plan, et calez la durée de chaque plan sur la durée réelle de sa voix. Comptez environ 150 mots pour une minute de vidéo parlée, soit à peu près 1 000 caractères. Un outil qui enchaîne ces six étapes tout seul vous fait gagner un temps considérable, à condition de pouvoir reprendre la main sur chacune d'elles.
Chacune de ces étapes se fait à la main, avec un traitement de texte et un logiciel de montage. Chacune se fait aussi automatiquement. La différence tient à un seul point : la possibilité de revenir sur une étape sans tout relancer. C'est le critère qui sépare un jouet d'un outil de travail.
Avant la première étape : fixez la durée, le format et la promesse
Trois décisions se prennent avant d'écrire une seule ligne, et elles s'écrivent noir sur blanc en haut de votre document de travail. La durée visée, en secondes. Le format d'image. La promesse, c'est à dire la phrase que le spectateur doit pouvoir répéter à quelqu'un après avoir regardé.
La durée conditionne tout le reste. Une vidéo de 45 secondes accepte environ 110 mots de voix off, pas davantage. Si votre texte source en fait 1 200, vous n'allez pas le résumer, vous allez en extraire une partie et jeter le reste. Décider cela au début évite de réécrire trois fois.
Le format, lui, se choisit avant la génération, jamais après. Les trois grandes plateformes verticales, TikTok, Reels et Shorts, indiquent toutes le 9:16 comme format natif dans leurs pages de spécifications techniques, quand YouTube reste en 16:9 pour le format long. Recadrer après coup coupe les têtes et déplace les sous-titres. Notre guide du format vidéo par plateforme donne les dimensions exactes.
Étape 1 : trier le texte source au lieu de le convertir tel quel
Un texte écrit pour être lu contient beaucoup de matière qui ne survit pas au passage à la vidéo : les incises, les précisions entre parenthèses, les listes à puces de sept éléments, les renvois vers d'autres passages. À l'écrit, le lecteur peut revenir en arrière. À l'écran, il ne le peut pas. Tout ce qui suppose une relecture doit partir.
Le tri se fait en trois passes rapides. Première passe : surlignez l'unique idée qui justifie la vidéo. Deuxième passe : supprimez tout paragraphe qui ne sert pas cette idée, même s'il est bon. Troisième passe : gardez au maximum trois arguments et un exemple. Sur nos générations, les vidéos issues d'un texte réduit à une seule promesse retiennent nettement mieux l'attention que celles qui essaient de tout dire.
La nature du texte source change un peu le geste. Un article de blog demande surtout un dégraissage, et notre méthode pour transformer un article en vidéo détaille ce cas. Un document mis en page, avec titres, tableaux et encadrés, demande un travail supplémentaire : ce qui était une hiérarchie visuelle doit redevenir une phrase dite.
Étape 2 : réécrire pour l'oreille, pas pour l'écran
C'est l'étape que tout le monde saute, et c'est celle qui décide de la moitié du résultat. Un texte écrit pour les yeux et un texte écrit pour l'oreille ne se ressemblent pas. Le premier empile les subordonnées, le second avance par phrases courtes. Le premier peut se permettre un chiffre à deux décimales, le second doit le dire en mots.
Trois règles suffisent. Une idée par phrase, ce qui veut dire qu'une phrase reliée par « lequel », « or » ou « dans la mesure où » devient deux phrases. Les chiffres se disent comme on les dit à l'oral : « un tiers » plutôt qu'une fraction décimale. Et vous relisez tout à voix haute, chronomètre en main : chaque endroit où vous manquez d'air signale une phrase à couper en deux.
Cette relecture à voix haute vous donne aussi la durée réelle, avant même de produire la voix. Un écart de plus de 15 % avec votre durée visée se corrige maintenant, pas au montage.
Étape 3 : découper en plans, une idée par plan
Une vidéo n'est pas un texte accompagné d'images, c'est une suite de plans. Chaque plan associe un morceau de script, un visuel et un fragment de voix. Le découpage est la charpente du film : mal posé, aucun visuel ne le rattrapera.
- Une idée par plan. Si vous hésitez à décrire un plan en une seule phrase, c'est qu'il en contient deux.
- Entre 3 et 8 secondes par plan pour une vidéo verticale, un peu plus pour un format long où le regard se pose.
- Coupez sur le sens, jamais sur la ponctuation. Une virgule n'est pas une fin de plan, une respiration en est une.
- La première phrase est un plan à elle seule. Elle porte la promesse, elle mérite l'écran entier.
- Marquez les plans qui ne montrent rien. Une transition, un chiffre, une question posée : ces plans se traitent au texte animé, pas à l'image générée.
Si votre texte de départ est déjà un script structuré, avec des répliques et des indications, le découpage est à moitié fait et le reste de la chaîne s'accélère. Notre article sur la façon de transformer un script terminé en vidéo montée part précisément de ce point de départ.
Étape 4 : produire la voix off avant le moindre visuel
La voix se fabrique en quatrième position, et surtout pas en dernier. Elle donne les durées exactes de chaque plan, au dixième de seconde. Tant qu'elle n'existe pas, vous travaillez sur des estimations, et une estimation fausse de 20 % sur douze plans donne une vidéo entière à recaler.
Trois réglages comptent plus que le choix de la voix elle-même : le débit, les pauses et la prononciation des noms propres. Un débit trop rapide fait gagner quelques secondes et perd la moitié du sens. Les pauses, elles, s'écrivent dans le script sous forme de points et de retours à la ligne, parce qu'un moteur de synthèse respire là où vous ponctuez. Quant aux noms propres et aux sigles, testez-les isolément avant de lancer la narration complète : c'est le premier motif de reprise.
Si vous hésitez entre enregistrer votre propre voix et générer une narration, notre comparaison des deux approches dans comment faire une voix off pose les critères, matériel compris.
Étape 5 : un visuel par plan, choisi selon ce que dit la phrase
Toutes les phrases ne méritent pas le même type de visuel, et c'est là que se joue la différence entre une vidéo regardable et un diaporama. Une phrase qui décrit une scène appelle un plan généré. Une phrase qui assène un chiffre appelle un carton de texte animé. Une phrase qui nomme un produit réel appelle la photo de ce produit, animée, jamais une image inventée qui ressemblerait vaguement au vôtre.
Deux réflexes évitent l'essentiel des reprises. Le premier : décrivez dans votre demande d'image ce qu'on voit, pas ce qu'on ressent. « Une femme de dos devant une fenêtre, lumière de fin d'après-midi » donne un résultat exploitable, « une ambiance mélancolique » n'en donne aucun. Le second : reprenez dans chaque plan les mêmes éléments d'univers visuel, la palette, l'époque, le type de lumière. Sans cela, chaque plan appartient à un autre film.
Quand un personnage revient d'un plan à l'autre, gardez une image de référence et servez-vous en pour chaque nouvelle génération. Sans cette référence, le visage change à chaque plan, et c'est le défaut que les spectateurs remarquent en premier.
Étape 6 : monter, sous-titrer, exporter
Le montage se résume à un geste répété : poser chaque visuel sur la durée exacte de sa voix. Un plan plus court coupe un mot, un plan plus long installe un blanc. Les deux défauts se voient au premier visionnage, même par quelqu'un qui ne connaît rien au montage.
Les sous-titres ne sont plus une option. La lecture sans le son est le mode par défaut dans un fil d'actualité, et les plateformes affichent le texte incrusté sans le dégrader. Deux points de vigilance : gardez le texte au milieu de l'image, loin des bords, parce que l'interface de chaque application mange le bas et la droite de l'écran ; et vérifiez la découpe des sous-titres sur les noms propres, qui est l'endroit où la transcription automatique se trompe le plus.
L'export, enfin, se fait dans le format décidé au départ. Une musique de fond ajoutée à cette étape se règle nettement plus bas que la voix : elle doit s'entendre quand la voix se tait, et disparaître quand elle parle.
Le contrôle avant publication, en six points
Ce passage prend trois minutes et évite la plupart des republications. Regardez la vidéo entière, sans le son d'abord, puis avec le son, et cochez :
- La promesse est comprise dans les cinq premières secondes, sans le son.
- Aucun plan ne dure plus longtemps que sa phrase, aucun ne se termine avant elle.
- Les sous-titres restent hors des zones couvertes par l'interface de la plateforme visée.
- Les noms propres sont bien prononcés et bien orthographiés.
- Aucun visuel ne détonne du reste : même palette, même lumière, même niveau de détail.
- La dernière phrase dit quoi faire ensuite, et le dernier plan reste assez longtemps pour qu'on la lise.
Faire les six étapes en une seule fois
La chaîne complète, faite à la main, demande une bonne demi-journée pour une vidéo de deux minutes. C'est précisément ce qu'un studio en ligne automatise : vous collez votre texte, l'outil le réécrit pour l'oreille, le découpe, produit la voix, fabrique les visuels et cale le montage, puis vous rend un projet ouvrable plan par plan. Le studio EasyVids fonctionne sur ce principe, avec une génération d'un seul tenant pour les cas simples et un atelier scène par scène quand vous voulez tout contrôler.
Le vrai gain n'est pas la vitesse du premier jet, c'est la reprise. Régénérer un seul plan raté au lieu de relancer la vidéo entière change complètement le rapport au travail. Gardez le réflexe des six étapes, même avec un outil qui les enchaîne : quand un résultat déçoit, la cause se trouve presque toujours dans une étape antérieure à celle que vous regardez.
Les trois erreurs qui reviennent le plus
La première : coller le texte source tel quel et lancer la génération. Le résultat est correct sur le plan technique et illisible sur le plan narratif, parce que personne n'a réécrit pour l'oreille. La deuxième : générer les images avant la voix, ce qui condamne au recadrage permanent. La troisième : vouloir tout dire. Un texte de 1 500 mots ne devient pas une vidéo de dix minutes, il devient trois vidéos courtes qui portent chacune une idée.
Une quatrième, plus discrète, mérite d'être citée : changer de format en cours de route. Un projet commencé en 16:9 puis publié en vertical perd un tiers de son cadre, et les visuels générés ne se recadrent pas proprement. Le format se décide avant le premier plan.
Questions fréquentes
Dans quel ordre travailler quand le temps manque ?
Gardez le tri, la réécriture et la voix, dans cet ordre. Ces trois étapes portent la qualité perçue. Les visuels peuvent se limiter à des cartons de texte animés et à deux ou trois images fixes bien choisies : une vidéo bien écrite et bien dite avec des visuels sobres passe très bien, l'inverse ne passe jamais.
Faut-il couper un texte long ou en faire plusieurs vidéos ?
Plusieurs vidéos, presque toujours. Un texte long contient en général plusieurs promesses, et chacune tient dans une vidéo courte autonome. C'est aussi ce qui donne le plus de matière à publier à partir d'une seule source. Gardez une idée par vidéo et une durée qui correspond au format visé.
Comment savoir combien de plans prévoir ?
Divisez la durée visée par la durée moyenne d'un plan. Pour une vidéo verticale de 60 secondes avec des plans de 4 secondes, comptez une quinzaine de plans. Ce calcul donne aussi un signal utile : si votre script découpé produit deux fois plus de plans que prévu, il est trop long, pas trop découpé.
Peut-on garder le texte d'origine mot pour mot ?
Rarement, sauf s'il s'agit d'une citation, d'un texte de loi ou d'un passage littéraire lu volontairement tel quel. Dans ces cas, la fidélité prime et le montage s'adapte. Pour tout le reste, un texte écrit pour la lecture silencieuse sonne toujours faux à voix haute.
Faut-il payer pour transformer un texte en vidéo ?
Pas pour essayer. Les offres gratuites permettent de valider la méthode sur une vidéo courte, avec les limites habituelles sur la durée, la définition et le filigrane, comme le détaille notre article sur ce qu'on peut vraiment produire en convertissant un texte en vidéo gratuitement. Pour un usage régulier, les formules complètes se comparent sur la page des tarifs.
Prenez un texte que vous avez déjà, le plus court possible, et faites-le passer par les six étapes dans l'ordre. Une seule promesse, une réécriture à voix haute, un découpage, une voix, des visuels, un montage calé. Vous verrez tout de suite quelle étape vous coûte le plus, et c'est celle-là qu'il vaudra la peine d'automatiser. Pour tester la chaîne complète sur votre propre texte, créez un compte et lancez une première vidéo courte.