Le ventilateur de mon ordinateur qui s'emballe d'un coup, sans prévenir : c'est à peu près le seul signal qui m'annonce qu'un rendu de sous-titres est lancé. Pas de minuterie fiable, juste ce bruit qui monte pendant que la machine mouline. Ce projet-là, c'était un vlog tourné par un pote au bord du lac de Villers-lès-Nancy, dix minutes de balade et de commentaires en voix off qu'il voulait sous-titrer en entier pour ses abonnés sourds et malentendants. Sous-titrer une vidéo complète, quand on bricole ça tout seul le soir après le boulot et qu'on cherche avant tout à gagner du temps sur son montage vidéo, ça a longtemps été l'étape que je redoutais le plus.
La méthode artisanale du copier-coller
Avant de connaître autre chose, je collais tout à la main : un calque de texte, la première phrase tapée, étirée sur la timeline jusqu'à ce qu'elle tombe pile sur la voix, puis dupliquée pour la phrase suivante. Le clic de la souris, à force de le répéter dans l'appart silencieux, finissait par devenir presque agaçant. Sur trois phrases, cette méthode passe très bien. Sur dix minutes de vlog, c'est une autre histoire : on perd un temps fou à recaler chaque bloc, et il y a toujours un sous-titre qui traîne deux secondes de trop ou qui arrive en retard sur le mot. Ce même souci de rythme se retrouve d'ailleurs quand on coupe sa vidéo sans y passer la soirée, le sous-titrage n'est jamais qu'une deuxième couche du même problème de tempo.
La transcription automatique a tout changé
Un changement s'est produit le jour où j'ai enfin testé la transcription automatique, un peu par lassitude. Je m'attendais à un gadget qui demande plus de corrections que de vrai gain de temps. Des blocs de texte calés sur la voix se sont mis à apparaître tout seuls sur ma séquence, en quelques secondes à peine, et pour une fois le résultat brut était déjà exploitable. Ce n'était pas la première fois qu'un raccourci vendu comme évident me décevait, remarquez : j'avais déjà craqué un jour pour un pack de LUTs pas donné en pensant que ça allait uniformiser mes couleurs d'un coup, et le rendu jurait complètement avec les images tournées au smartphone. Depuis, je teste tout en petit avant d'y croire, et la transcription automatique a survécu au test.
La vraie surprise est venue du son : à un endroit précis de la piste, le bruit ambiant s'efface complètement et pourtant l'oreille ne perçoit aucune cassure, la voix reste continue comme si de rien n'était. Ce genre de bascule invisible, ça ne trompe pas — ça veut dire que le nettoyage du bruit de fond a bien fait son travail avant même que je lance la transcription. Un son sale, et l'IA se met à inventer des mots n'importe où, surtout si l'accent de la personne qui parle ressort un peu (le mien, quand je suis fatigué, part dans tous les sens).
Garder la main sur le style, laisser l'IA au texte brut
Ma méfiance envers les applis tout-en-un vient de là. Elles promettent des sous-titres stylés en un rien de temps, mais on perd la main : le rendu paraît toujours un peu générique, les polices sont limitées, et si on veut changer un détail des mois plus tard, on est coincé dans leur interface. Je préfère déléguer uniquement la transcription à l'IA, puis intégrer le texte obtenu à la main dans mon logiciel de montage habituel, à peu près comme je garde la main sur le choix des transitions entre mes plans — un réglage qui mérite sa propre réflexion, mais que je garde pour un autre article.
Le fichier qu'on récupère porte généralement l'extension .srt, le format standard reconnu à peu près partout, de YouTube à Premiere. Léger, modifiable avec un simple bloc-notes, il n'a besoin que d'un détail pour rester nickel : l'encodage doit être en UTF-8, sinon les accents français se changent en symboles bizarres à l'écran. Ce n'est pas non plus une question de codec ou de conteneur vidéo — ça, c'est un tout autre sujet, avec ses propres pièges — mais uniquement une histoire d'encodage de texte, ce qui rassure au moins sur un point.
Raoul, mon voisin de palier, n'a toujours pas compris pourquoi un projet de montage prend autant de place sur mon disque dur alors qu'à ses yeux, un fichier texte de sous-titres ça ne pèse presque rien. Il n'a pas tort sur ce point précis (le .srt en lui-même est minuscule), mais toute l'organisation des fichiers autour — rushes, exports intermédiaires, versions successives — c'est un sujet à part entière que je n'aborde pas ici.
Trois chiffres qui rendent des sous-titres lisibles
Pour que la lecture reste confortable, je m'en tiens à trois repères. La limite de caractères par ligne ne dépasse jamais 42 : au-delà, l'œil doit balayer trop large et on décroche de l'image. Le nombre de lignes s'arrête à deux — passé ça, on cache la moitié du cadre, ce qui devient vite pénible. Et la vitesse de lecture tourne autour de 15 caractères par seconde ; plus rapide que ça, et même un lecteur attentif perd le fil avant la fin de la phrase. Ce rythme de lecture ressemble beaucoup, d'ailleurs, à un problème que je croise aussi côté son : le mixage des niveaux entre voix et musique obéit à la même logique de confort d'écoute, mais c'est un chantier que je garde pour un autre article.
Ma routine tient en trois étapes, pas plus
Mahaut, une abonnée à la newsletter, m'a écrit récemment pour demander si elle devait sous-titrer les silences et les bruitages ou seulement les dialogues — le genre de question toute simple que beaucoup de débutants n'osent jamais poser, de peur de passer pour ceux qui ne connaissent rien à la matière. La réponse tient en une phrase : on sous-titre ce qui aide à comprendre la scène, pas plus, sinon le texte devient aussi fatigant que le silence qu'on essayait d'éviter.
Concrètement, ma routine tient désormais en trois étapes : je lance la transcription automatique, je fais une seule passe de relecture pour rattraper les noms propres et les fautes qui traînent, puis j'applique mon style de texte à toute la piste d'un coup, contour noir compris pour que ça reste lisible même sur un fond clair. Vers la sixième semaine où j'ai pris cette habitude, elle avait fini par devenir un vrai réflexe plutôt qu'une corvée qu'on repousse sans cesse. Reste l'export, où deux choses comptent surtout : les réglages choisis et le débit final, tout un sujet que je ne développe pas ici tant il mériterait son propre article. Sur les formats verticaux type réseaux sociaux, il faut aussi repenser la taille et le placement du texte pour que rien ne soit coupé par le cadrage — encore un chantier à part, celui-là plutôt du côté du recadrage que du sous-titrage.
Le vrai gain n'est pas si évident au premier essai
Le détail qui a tout changé, ce n'est pas l'IA elle-même, c'est d'avoir arrêté de vouloir que la machine fasse aussi le style. Diviser la tâche en deux — le texte brut d'un côté, la mise en forme de l'autre — c'est ce qui a fait tomber le temps passé sur les sous-titres, bien plus que n'importe quel outil pris isolément. Si vous voulez aussi soigner l'ambiance sonore une fois le texte calé, j'avais détaillé où trouver de la musique libre de droits pour ses vidéos YouTube dans un autre billet, ça se combine bien avec un sous-titrage propre. La leçon, si je devais en garder une seule : ne jamais laisser un seul outil gérer toute une étape du montage, on garde toujours plus de contrôle en séparant les tâches, même si ça semble prendre une minute de plus au départ.