Comment ajouter automatiquement des sous-titres à ses vidéos ?

Générer les sous-titres prend désormais moins de temps que de les relire. La reconnaissance vocale automatique atteint une précision suffisante sur une voix claire en français, et la plupart des outils sont gratuits. Le travail s'est déplacé, il porte maintenant sur la correction, sur la mise en forme et sur le choix du support de diffusion, trois points où les erreurs coûtent plus cher que quelques mots mal transcrits.

Sur les fils d'actualité, une vidéo démarre muette par défaut. Sans texte à l'écran, les premières secondes ne disent rien, et ce sont elles qui décident si le spectateur reste. C'est la raison la plus immédiate de sous-titrer. Ce n'est pas la seule, et pour certaines entreprises ce n'est même plus un choix.

Pourquoi les sous-titres automatiques sont devenus incontournables

Les raisons de sous-titrer ses vidéos dépassent largement l'accessibilité pour les personnes sourdes ou malentendantes, même si c'est un argument essentiel. Les sous-titres améliorent l'engagement sur les réseaux sociaux, où les vidéos se lancent souvent sans son par défaut. Ils favorisent également le référencement : YouTube et les autres plateformes indexent le texte des sous-titres, ce qui améliore la découvrabilité des vidéos. Enfin, ils rendent le contenu accessible à un public non francophone ou en cours d'apprentissage de la langue.

Pour les entreprises, les sous-titres présentent un autre avantage moins souvent cité, la réutilisation du contenu. Un sous-titre bien rédigé devient une transcription, qui devient un article de blog, des extraits pour les réseaux sociaux ou un support de formation. C'est un investissement en temps qui se rentabilise rapidement si vous produisez régulièrement des vidéos.

Pour certaines entreprises, le sous-titrage est une obligation

L'article 47 de la loi du 11 février 2005 impose l'accessibilité des services de communication au public en ligne. Il vise l'État, les collectivités, les organismes chargés d'une mission de service public, et les entreprises dont le chiffre d'affaires réalisé en France dépasse 250 millions d'euros, apprécié sur la moyenne des trois derniers exercices clos.

Le référentiel général d'amélioration de l'accessibilité, qui décline cette obligation, demande une transcription textuelle ou des sous-titres synchronisés pour toute vidéo préenregistrée comportant du son. S'y ajoutent deux exigences formelles que beaucoup d'organisations découvrent tard, la mention du niveau d'accessibilité en page d'accueil et une déclaration d'accessibilité publiée en ligne. Le décret du 24 juillet 2019 prévoit des sanctions financières en cas de manquement à ces deux obligations déclaratives.

Le règlement européen sur l'accessibilité élargit par ailleurs le périmètre depuis juin 2025 à une série de services destinés aux consommateurs, dont le commerce en ligne, les services bancaires et la billetterie de transport, sans condition de taille pour certaines catégories. Les micro-entreprises restent hors champ. Si votre activité relève de ces secteurs, la question du sous-titrage se traite avec le juridique, pas seulement avec le service communication.

Les sous-titres automatiques YouTube

YouTube est la plateforme la plus utilisée pour diffuser des vidéos, et sa fonctionnalité de sous-titrage automatique est probablement la plus accessible. Une fois la vidéo uploadée, YouTube génère automatiquement des sous-titres en reconnaissant la voix. Le délai varie de quelques minutes à quelques heures selon la durée de la vidéo et la charge des serveurs de Google.

Pour y accéder, rendez-vous dans YouTube Studio, sélectionnez la vidéo concernée, puis allez dans l'onglet « Sous-titres ». Vous pouvez y voir les sous-titres générés automatiquement, les télécharger au format SRT ou VTT, ou les éditer directement dans l'interface.

La précision est généralement bonne pour un français standard avec une bonne qualité audio, mais elle se dégrade avec les accents régionaux marqués, le jargon technique ou les noms propres. Une relecture rapide reste recommandée avant toute publication professionnelle.

Whisper (OpenAI) : la solution la plus précise pour les fichiers locaux

Whisper est un modèle de reconnaissance vocale open source développé par OpenAI et disponible gratuitement sur GitHub. Il se distingue par sa précision remarquable, notamment sur le français, les accents et le vocabulaire technique. Contrairement aux solutions en ligne, il s'exécute localement sur votre ordinateur, ce qui garantit la confidentialité de vos données.

Son installation nécessite Python et quelques lignes de commande, ce qui peut représenter un frein pour les non-techniciens. Mais des interfaces graphiques comme Whisper Desktop ou des intégrations dans des outils comme MacWhisper (Mac) permettent de l'utiliser sans ligne de commande. La transcription d'une vidéo de 10 minutes prend moins d'une minute sur un ordinateur récent avec GPU.

Whisper génère des fichiers SRT que vous pouvez ensuite importer dans n'importe quel logiciel de montage ou uploader directement sur YouTube.

Les outils en ligne, VEED.io et CapCut

VEED.io est une solution web qui propose une transcription automatique intégrée à un éditeur vidéo. On importe la vidéo, on clique sur « Sous-titres », et les sous-titres sont générés en quelques minutes. L'interface permet ensuite de les éditer visuellement, de personnaliser la typographie et les couleurs. La version gratuite est limitée en durée ; les plans payants commencent autour de 24 €/mois.

CapCut, l'outil de montage mobile de ByteDance (TikTok), propose également un sous-titrage automatique très rapide et gratuit sur iOS et Android. Il convient particulièrement pour les formats courts (Reels, TikTok, Shorts). L'interface est simple et orientée mobile, avec des styles de sous-titres prêts à l'emploi.

Les logiciels de montage intégrant le sous-titrage automatique

Si vous montez déjà vos vidéos avec un logiciel comme Adobe Premiere Pro, DaVinci Resolve ou Final Cut Pro, ceux-ci intègrent désormais des fonctions de transcription automatique natives. Dans Premiere Pro, la fonction « Transcription du texte » génère des sous-titres directement dans la timeline et les synchronise automatiquement avec l'audio. DaVinci Resolve propose une fonctionnalité équivalente depuis sa version 18.

L'avantage de ces solutions intégrées est qu'elles s'inscrivent dans votre flux de travail existant, sans exporter la vidéo, la ré-importer, puis la ré-synchroniser. Le résultat est un gain de temps significatif sur les projets longs.

Les règles qui rendent un sous-titre lisible

Un sous-titre exact mais mal découpé ne se lit pas. Les conventions du métier, héritées du sous-titrage télévisé, tiennent en quelques repères que les outils automatiques n'appliquent presque jamais seuls.

• Deux lignes au maximum, jamais trois. Une troisième ligne masque l'image et casse le rythme de lecture.
• Une quarantaine de caractères par ligne, espaces compris. Au-delà, le texte devient illisible sur un téléphone.
• Environ quinze caractères par seconde de vitesse d'affichage. Un sous-titre de soixante caractères reste donc quatre secondes à l'écran, pas une.
• Une seconde d'affichage minimum, même pour un mot isolé, sinon l'œil n'a pas le temps de se poser.
• Une coupure qui respecte la syntaxe. On ne sépare pas un article de son nom ni un pronom de son verbe entre deux lignes.
• Pas de sous-titre à cheval sur un changement de plan, qui provoque une relecture involontaire.

La transcription automatique produit typiquement des blocs trop longs et découpés au silence plutôt qu'au sens. Reprendre le découpage prend deux à trois minutes par minute de vidéo, et cette relecture sépare le sous-titre qui se lit de celui qui se subit.

Fichier séparé ou texte incrusté

Le choix se pose à chaque publication et il n'a rien d'anodin.

Le fichier séparé, au format SRT le plus souvent, se charge à côté de la vidéo. Le spectateur peut le désactiver, le moteur de recherche peut l'indexer, et la correction d'une faute se fait sans réexporter la vidéo. C'est la bonne option sur YouTube, Vimeo et un site en propre.

Le texte incrusté fait partie de l'image. Il s'affiche partout sans réglage, y compris sur les plateformes qui ne gèrent pas les fichiers externes ou qui les désactivent par défaut. Il n'est en revanche ni désactivable, ni indexable, ni corrigible après coup, et il se dégrade si la vidéo est recadrée au format vertical.

La règle pratique consiste à incruster pour les formats sociaux courts, où le spectateur ne touchera aucun réglage, et à livrer un fichier séparé partout où la vidéo doit être trouvée par une recherche. Les deux ne s'excluent pas, une même vidéo peut sortir en deux versions.

Format SRT, VTT, ASS : lequel choisir ?

Plusieurs formats de fichiers de sous-titres existent. Le SRT (SubRip Text) est le plus universel, accepté par presque toutes les plateformes (YouTube, Vimeo, Facebook Video, LinkedIn). Le VTT (WebVTT) est le standard du web et permet quelques formatages supplémentaires. Le ASS/SSA offre des options de mise en forme avancées mais est moins largement supporté.

Pour la plupart des usages, le SRT suffit. Si vous devez diffuser sur plusieurs plateformes, produisez un SRT et convertissez-le au besoin, la plupart des éditeurs de sous-titres exportant les trois formats. Le comparatif détaillé des solutions du marché figure dans notre page dédiée aux outils de sous-titrage en ligne.