Votre voix off est propre, votre texte tient debout, et la vidéo reste plate. Les mots défilent en bas du cadre, personne ne les regarde. La typographie cinétique répond exactement à ce problème : au lieu de sous-titrer la voix, elle met les mots au centre de l'image, les fait entrer à l'instant où ils sont prononcés, les immobilise le temps qu'on les lise, puis les évacue avant les suivants. Aucun tournage, aucune illustration à trouver, aucun figurant.
La discipline passe pour un métier de spécialiste, parce que presque tous les tutoriels disponibles montrent un logiciel de compositing et des heures de calques empilés. C'est une affaire d'outil, pas de méthode. Le travail utile tient en deux décisions par groupe de mots : à quelle seconde il apparaît, et quel geste il fait en arrivant. Notre guide du motion design pose le cadre général de l'animation ; cet article descend dans le détail du texte animé, minutage compris.
La réponse courte
La typographie cinétique consiste à faire porter le sens par le texte lui même, en le calant sur la voix. La méthode tient en cinq temps : écrire les phrases pour l'oreille, produire la voix off avant l'image, relever les temps réels de cette voix, découper le texte en groupes de deux à quatre mots, puis donner à chaque groupe une entrée, un temps de lecture immobile et une sortie. Un éditeur vidéo qui accepte les images clés suffit. Rien ne s'improvise à l'oreille au moment du montage : c'est le relevé des temps qui fait tout le travail.
Typographie cinétique, texte animé et sous-titres : ce qui les sépare
Trois pratiques se confondent en permanence, et les mélanger donne un résultat bancal. Les sous-titres animés transcrivent tout ce qui est dit, en bas du cadre, souvent par petits groupes pour donner du rythme : leur rôle est l'accessibilité et la rétention. L'animation de texte pose un effet sur un titre qui ne change pas : une entrée, une sortie, l'affaire est réglée. La typographie cinétique fait autre chose : elle sélectionne quelques mots, les met en très grand, en fait le sujet du plan, et se passe d'illustration.
La distinction a une conséquence pratique immédiate. On ne passe jamais un script entier en typographie cinétique. Sur nos plans, nous gardons rarement plus d'un mot sur trois à l'écran, ceux qui portent l'idée, et nous laissons le reste à la voix. Si votre besoin est au contraire d'afficher l'intégralité du texte pour retenir un spectateur qui regarde sans le son, les sous-titres animés mot à mot y répondent mieux, et les deux approches cohabitent très bien dans une même vidéo.
Le mot doit arriver sur la syllabe, pas après
Tout se joue là. Un mot qui apparaît une fraction de seconde après avoir été prononcé donne l'impression d'un logiciel en retard, et le spectateur le ressent sans savoir nommer le défaut. Nos rendus tournent à 30 images par seconde : à cette cadence, un retard de trois ou quatre images, soit environ un dixième de seconde, commence à se voir. Un retard d'une demi-seconde ruine le plan.
Le réflexe qui corrige cela est contre-intuitif : le geste d'entrée démarre avant le mot, pour que le texte soit à pleine taille au moment exact où la syllabe accentuée tombe. Autrement dit, vous ne calez pas le début de l'animation sur la voix, vous calez sa fin. La même logique vaut pour la sortie : le mot disparaît pendant le silence qui suit, jamais pendant le mot suivant.
La chaîne complète, en cinq étapes
L'ordre des opérations compte autant que le soin apporté à chacune. Produire l'animation avant la voix condamne à tout recaler au moindre changement de texte, et cette erreur coûte une soirée entière.
- Écrire pour l'oreille. Phrases courtes, une idée par phrase, et le mot qui porte l'idée placé en fin de phrase, là où il pourra rester à l'écran.
- Produire la voix off. Une voix de synthèse ou la vôtre, peu importe, mais elle doit exister avant que le premier mot ne soit animé.
- Relever les temps. La transcription rend des repères minutés. On ne compte jamais les secondes à la main sur la forme d'onde.
- Découper en groupes. Deux à quatre mots par apparition, jamais une phrase entière d'un bloc.
- Donner le geste. Une entrée, un temps de lecture immobile, une sortie, puis l'export au format de la plateforme visée.
Un repère utile pour estimer la longueur avant même que la voix existe : sur nos productions, environ 110 caractères de voix off durent six secondes en français. Une phrase de 220 caractères occupe donc à peu près douze secondes, soit cinq à sept apparitions de texte. La qualité de la voix décide ensuite de la moitié de l'effet perçu, et notre guide de la voix off IA détaille les réglages qui évitent le débit mécanique.
Relever les temps de la voix sans les compter à la main
C'est l'étape que tout le monde redoute, et c'est celle qui s'automatise le mieux. Une transcription rend la bande son sous forme de segments datés : chaque segment porte un texte, un début et une fin. Dans l'éditeur EasyVids, cette transcription tourne directement dans le navigateur, puis les segments sont recoupés en groupes courts, trois mots par défaut, avec une durée plancher de 0,8 seconde par groupe pour qu'aucune apparition ne soit trop brève pour être lue.
Vous obtenez ainsi une piste de texte déjà calée, que vous n'avez plus qu'à styliser et animer. Le même mécanisme sert aux sous-titres classiques, décrit dans notre guide des sous-titres automatiques, à ceci près que vous ne gardez ici qu'une partie des groupes et que vous les sortez du bas du cadre pour les placer plein écran.
Un piège technique mérite d'être connu, parce qu'il se voit à la fin d'une longue vidéo et jamais au début. Si vous arrondissez la durée de chaque plan séparément, les erreurs s'additionnent et le texte finit décalé par rapport à la voix. Notre moteur calcule pour cette raison les frontières cumulées en nombres entiers d'images, jamais en secondes arrondies plan par plan. Dans un éditeur, la parade équivalente consiste à caler chaque groupe sur un repère absolu de la transcription, jamais sur la fin du groupe précédent.
Les trois temps d'un plan
Une apparition de texte se découpe toujours en trois temps, et un seul autorise le mouvement. L'entrée dure entre six et dix images, soit un quart de seconde environ. La lecture immobile occupe le reste : comptez huit dixièmes de seconde au minimum pour un groupe de trois mots courts, et rarement plus d'une seconde et demie avant que le plan ne s'étire. La sortie va plus vite que l'entrée, quatre à huit images suffisent.
La règle qui découle de ce découpage tient en une phrase : on ne lit pas un texte qui bouge encore. Une animation qui se poursuit pendant toute la durée d'affichage donne un plan illisible, même s'il est joli au ralenti. Ajoutez une accélération au départ et un freinage à l'arrivée, plutôt qu'une vitesse constante : un mouvement à vitesse fixe se lit comme un déplacement mécanique, jamais comme un geste.
Ce que dit la voix, ce que fait le mot
Le choix du geste n'est pas décoratif, il traduit l'intention de la phrase. C'est ce qui distingue une vidéo réussie d'un catalogue d'effets appliqués au hasard. Six situations couvrent l'essentiel des besoins d'une narration ordinaire.
- La voix assène un chiffre : apparition sèche à pleine taille, sans fondu, plus une secousse de trois images.
- La voix énumère : chaque terme glisse depuis le bas, les précédents remontent d'un cran et pâlissent.
- La voix oppose deux idées : deux blocs entrent par les côtés opposés, à taille égale, et se figent face à face.
- La voix pose une question : le mot monte de quelques pixels et attend, immobile, jusqu'à la réponse.
- La voix insiste : une pulsation courte pendant que le débit ralentit, sans déplacement.
- La voix change de sujet : tout sort d'un coup, et le cadre reste vide quelques images avant la suite.
Dans l'éditeur en ligne, un élément de texte dispose de son propre onglet d'animations : des entrées, des sorties et des accents en boucle comme la pulsation, le tremblement, la secousse, le balancement ou le clignotement, chacun réglable en intensité. Pour un geste qui n'existe pas dans le catalogue, les images clés prennent le relais sur la position, l'échelle, la rotation et l'opacité, avec des courbes d'accélération ajustables. C'est largement suffisant pour tout ce qui précède.
Les tailles qui tiennent sur un téléphone
Une vidéo ne se lit pas comme une page web. Sur un cadre de 1920 pixels de large, ce sont les seuils que nous imposons à nos propres plans : un mot dominant se situe entre 90 et 220 pixels de haut, un titre entre 64 et 140, un texte secondaire entre 32 et 56. Sous 28 pixels, plus rien ne survit à la compression de la plateforme. En vertical, ces valeurs se transposent sur la largeur de 1080 pixels, et le texte doit y être encore plus gros parce qu'il est vu de plus loin dans un fil qui défile.
Deux garde-fous complètent l'ensemble. Gardez tout ce qui doit être lu à au moins 5 % de chaque bord, sans quoi l'interface de l'application viendra le recouvrir. Et n'affichez jamais plus de trois blocs lisibles au même instant. Côté police, préférez une graisse épaisse et une forme large : les caractères fins vibrent en mouvement, et l'encodage vidéo achève de les brouiller. L'éditeur propose des styles de texte prêts à l'emploi, du contour net au surlignage franc, qui règlent la question du contraste sans réglage manuel.
Le fond, la couleur et le silence
Le fond par défaut du professionnel est un aplat. Une couleur sombre, une couleur d'accent, rien d'autre. Le texte devient alors le seul sujet, ce qui est précisément l'objectif. Si vous voulez une matière derrière les mots, une image générée fait l'affaire à condition de la désaturer fortement et de la flouter : notre guide du générateur d'images IA explique comment obtenir une texture neutre plutôt qu'une illustration qui se dispute l'attention avec le texte.
Le silence compte autant que le mouvement. Un cadre vide pendant un demi-temps, entre deux idées, vaut mieux qu'un enchaînement continu qui fatigue au bout de vingt secondes. Si une musique accompagne la voix, gardez-la nettement en dessous, autour d'un cinquième de son volume, et calez les changements de plan sur les temps forts plutôt que sur une grille régulière.
Produire sans logiciel de compositing
Deux chemins mènent au résultat. Le premier passe par un éditeur vidéo en ligne : vous importez la voix, vous lancez la transcription, vous récupérez des groupes de mots déjà minutés, vous appliquez un style et une animation à chacun, vous exportez. Tout se fait dans le navigateur, sans installation, et l'atelier de production EasyVids sait envoyer directement dans l'éditeur des segments dont la durée est déjà celle de leur voix off.
Le second chemin fabrique la vidéo par code : une page est animée en HTML et CSS, puis photographiée image par image et encodée. Le texte y est parfaitement net à toutes les tailles, la charte graphique est respectée au pixel, et la durée de chaque plan se règle sur la durée mesurée de sa voix. C'est la voie que nous employons pour nos propres films de motion design. Dans les deux cas, la dépense se compte en crédits selon le rendu demandé, et le détail se trouve sur la page des tarifs.
Les erreurs qui se voient tout de suite
Une typographie cinétique ratée présente presque toujours les mêmes défauts, et ils sont tous corrigibles sans refaire la vidéo.
- Trop de mots à l'écran : une phrase complète en petit revient à un sous-titre mal placé.
- Le même effet du début à la fin, ce qui transforme la vidéo en diaporama animé.
- Un texte qui bouge encore pendant qu'on essaie de le lire.
- Des apparitions calées après la voix, jamais devant elle.
- Une police fine et claire sur un fond clair, illisible dès la première compression.
- Aucun silence : le mouvement continu use l'attention plus vite que l'ennui.
Où cette technique rapporte le plus
Le texte animé est la forme la plus rentable de motion design, parce qu'elle ne demande ni illustration ni personnage. Les publicités courtes en profitent immédiatement, les extraits de podcast aussi, tout comme les annonces de fonctionnalité, les témoignages clients et les paroles de chanson. Le cas le plus simple pour débuter reste la citation commentée, dont notre guide de la citation en vidéo donne le format complet : une phrase forte, une voix posée, quelques mots qui arrivent au bon moment, et la vidéo existe.
Un dernier bénéfice mérite d'être signalé. Une vidéo entièrement écrite, animée et narrée par vos soins constitue un apport original identifiable, ce qui compte pour les plateformes qui sanctionnent les contenus produits en masse sans travail propre. Le texte animé sur votre propre voix est difficile à confondre avec un montage automatique.
Questions fréquentes
Faut-il un logiciel professionnel pour faire de la typographie cinétique ?
Non. Un éditeur en ligne qui gère les images clés sur la position, l'échelle et l'opacité couvre l'intégralité des gestes décrits ici. Le logiciel de compositing devient utile pour les effets de matière, les masques complexes et la 3D, pas pour caler des mots sur une voix.
Comment caler le texte sur la voix sans compter les secondes ?
En transcrivant la bande son : la transcription rend des segments datés, que l'éditeur découpe en groupes de quelques mots avec leurs temps de début. Vous partez de ces repères et vous ajustez à la marge, au lieu de repérer les instants un par un sur la forme d'onde.
Combien de mots afficher à l'écran en même temps ?
Deux à quatre pour une apparition rythmée, six au maximum pour une phrase que vous voulez laisser lire. Au delà, le spectateur cesse de lire et attend que ça passe. Trois blocs lisibles simultanés constituent le plafond absolu, accroche et signature comprises.
La typographie cinétique remplace-t-elle les sous-titres ?
Non, et il vaut mieux garder les deux. Le texte animé porte les mots forts, les sous-titres assurent l'accessibilité et permettent de suivre l'intégralité du propos sans le son. Placez simplement les sous-titres dans une zone qui n'entre jamais en collision avec le texte plein cadre.
Quelle police choisir pour du texte animé ?
Une sans empattement de forte graisse, avec des formes larges et ouvertes. Évitez les italiques fines, les polices manuscrites et tout ce qui repose sur des traits d'un pixel : le mouvement et la compression les détruisent. Une seule famille par vidéo suffit, les variations se jouent sur la taille et la graisse.
La typographie cinétique récompense la méthode plus que le talent graphique : une voix produite en premier, des temps relevés et non devinés, deux à quatre mots par apparition, un geste choisi pour ce que dit la phrase. Le reste est de la mise au point. Pour animer votre premier texte sur une voix off, la création d'un compte ouvre l'éditeur et l'atelier de production, et le studio EasyVids réunit l'écriture, la voix et le montage au même endroit.