Montage vidéo IA : ce que l’IA fait bien et mal en 2026 (coupe, recadrage, sous-titres, choix éditorial)

Les quatre métiers du monteur, et ceux que l’IA a pris

Monter, c’est quatre métiers. Choisir : ce qu’on garde. Couper : où ça commence et où ça s’arrête. Habiller : recadrage, sous-titres, son, couleur. Juger : est-ce que ça mérite de sortir, et est-ce loyal envers les gens qui sont dedans. L’IA est entrée par le deuxième et le troisième métier. Elle est la plus faible sur le premier et le quatrième.

Ce que les plateformes ont sorti

YouTube annonçait en septembre 2025 que « Edit with AI » transformerait les rushs en « un premier montage », à côté de fonds générés par Veo 3 Fast dans les Shorts, d’un effet « Speech to song », d’un outil conversationnel nommé Ask Studio et d’un outil de détection de ressemblance pour les créateurs dont le visage est repris par une IA. Son doublage automatique, ouvert en décembre 2024 à des centaines de milliers de chaînes, double une vidéo en anglais vers le français, l’allemand, l’hindi, l’indonésien, l’italien, le japonais, le portugais et l’espagnol, laisse le créateur relire les doublages avant publication, et affiche aux spectateurs une étiquette « auto-dubbed ».

Un an plus tard, en septembre 2026, YouTube décrivait un outil de montage conversationnel dans les Shorts et l’application YouTube Create : partir d’une consigne, obtenir un premier montage, continuer la conversation pour couper automatiquement les pauses, réordonner pour le rythme, puis tester jusqu’à trois montages pour voir quelle accroche retient l’attention. La détection de la voix rejoint la détection du visage dans l’outil de ressemblance. YouTube indique qu’en août 2026, des centaines de milliers de chaînes utilisaient chaque jour l’éditeur propulsé par Gemini.

Meta a choisi la langue. Depuis octobre 2025, Meta AI traduit les reels avec la voix du créateur, pour un résultat qui « ressemble authentiquement au créateur, juste dans une autre langue », avec synchronisation labiale en option, gratuitement, pour les comptes Instagram publics et les créateurs Facebook à partir de 1 000 abonnés ; anglais, espagnol, hindi et portugais sont venus d’abord, et chaque reel traduit porte l’étiquette « Translated with Meta AI ». Instagram a aussi sorti Edits en avril 2025, une application vidéo gratuite avec une timeline précise à l’image, des détourages, de l’animation par IA et un export sans filigrane.

Le premier outil génératif de TikTok, AI Alive, transforme une photo en vidéo pour les Stories ; chaque résultat reçoit une étiquette « AI-generated » et des métadonnées C2PA, pour rester identifiable même téléchargé et partagé hors de la plateforme.

Ce que les logiciels professionnels ont sorti

Adobe a rendu Generative Extend disponible dans Premiere Pro en avril 2025, avec la prise en charge de la 4K et de la vidéo verticale, pour ajouter des images à un plan qui s’arrête trop tôt, avec Media Intelligence pour chercher dans les rushs par leur contenu, la traduction des sous-titres en 27 langues, et des Content Credentials attachés aux images générées. En juin 2026, un assistant IA est entré en bêta publique pour trier les éléments en chutiers, renommer les plans, repérer les questions d’interview et assembler « un point de départ de travail ». En septembre 2026, Adobe a mis la génération dans la timeline, avec ses modèles Firefly et des modèles partenaires de Google, Kling, Runway et Luma, et trois outils audio en bêta publique : Enhance Audio, Separate Crosstalk, qui sépare automatiquement deux voix qui se chevauchent en deux pistes, et Dynamic Auto Ducking.

DaVinci Resolve 20, de Blackmagic Design, a ajouté en avril 2025 « plus de 100 nouvelles fonctions », dont AI IntelliScript, qui assemble un montage à partir d’un script, AI Animated Subtitles, des sous-titres animés au fur et à mesure que les mots sont prononcés, AI Multicam SmartSwitch, qui bascule automatiquement les angles sur la personne qui parle, et un AI Audio Assistant. La version 21.1, en septembre 2026, connecte le logiciel à Claude, Claude Code et ChatGPT Codex, pour qu’un assistant puisse, à la demande, créer des montages de temps forts à partir d’une vidéo longue, retirer les plans indésirables et lancer les exports.

Ce que l’IA fait bien

• Transcrire. AssemblyAI, que flysub utilise, annonce un taux d’erreur par mot moyen de 5,6 % en anglais pour son dernier modèle (janvier 2026), mesuré sur ses propres jeux de test : environ un mot sur vingt sur un audio propre, selon l’éditeur lui-même. La métrique est sévère : elle compte chaque écart avec la référence, « y compris des différences anodines de style de transcription », comme le notaient les auteurs de Whisper.
• Couper sur la parole. Les temps par mot permettent de couper entre deux mots, jamais dedans, et de supprimer les pauses sans toucher aux respirations. flysub laisse 180 millisecondes avant le premier mot et 320 après le dernier ; l’éditeur de YouTube coupe les pauses à la demande.
• Recadrer sur la personne qui parle. La détection des visages suit celui qui parle ; la bascule multicaméra, dans Resolve, coupe sur la voix active. À deux, flysub passe en écran partagé plutôt que de deviner.
• Sous-titrer. Des sous-titres mot à mot calés sur la voix, animés, dans des dizaines de langues, sont devenus une affaire d’un clic dans tous les outils cités.
• Séparer les voix. Deux personnes sur une seule piste, c’était un réenregistrement. Separate Crosstalk dans Premiere, ou Speaker Split dans flysub (détection automatique ou 2 à 6 voix, un WAV 48 kHz par personne), les séparent désormais.
• Traduire et doubler. Avec une voix qui ressemble à la tienne et une étiquette qui dit que ce n’est pas elle.

Ce que l’IA fait encore mal

• Choisir le moment. Le banc d’essai académique de la « détection de temps forts », QVHighlights, note les extraits sur une échelle humaine de cinq points ; l’extrait classé premier par le modèle de référence n’était jugé « très bon » qu’environ 6 fois sur 10 (HIT@1 de 55,6 % à 60,2 %, NeurIPS 2021). Notre propre audit de la première version de la sélection de flysub comptait 4 extraits publiables sur 27 avant la réécriture des règles ; le fonctionnement de la version actuelle est dans comment une IA choisit le meilleur moment.
• Les noms et les chiffres. Un taux d’erreur de 5 % par mot, c’est une erreur tous les vingt mots, et les erreurs se concentrent sur les noms propres et les chiffres, précisément les mots qu’un sous-titre affiche en gros. Personne ne vérifie les petits mots ; tout le monde voit un nom mal écrit.
• Rester fidèle. « Réordonner pour le rythme » est un acte éditorial : deux phrases échangées peuvent changer ce qu’une personne a soutenu. La règle de divulgation de YouTube nomme la ligne à ne pas franchir : un contenu qui « fait dire ou faire à une personne réelle quelque chose qu’elle n’a pas dit ou fait » doit être déclaré, que l’outil ait été un modèle ou une souris.
• Traduire le sens. Une voix doublée dit ce que la traduction dit. Meta prévient que ses traductions peuvent être « inexactes ou hors de propos » ; une blague, une expression ou une négation peut ressortir inversée, avec ta voix.
• Voir. Tous les outils ci-dessus travaillent à partir de la transcription ou des visages. Un graphique, une démonstration, une réaction sans paroles sont invisibles pour la sélection comme pour les sous-titres.
• Savoir quand c’est fini. Dans l’enquête Adobe de juin 2026 auprès de plus de 16 000 créateurs, 57 % disent que leurs sorties IA demandent « une retouche modérée ou importante avant d’être prêtes à partager », et l’édition 2025 comptait 86 % de créateurs utilisant l’IA générative (83 % en France). L’usage est presque général ; la confiance dans la sortie brute, non.

Ce que tu dois étiqueter, et ce que tu ne dois pas

L’AI Act européen s’applique depuis le 2 août 2026. Son article 50 demande aux fournisseurs de systèmes qui génèrent du son, de l’image, de la vidéo ou du texte de synthèse que leurs sorties soient « marquées dans un format lisible par machine et détectables comme générées ou manipulées artificiellement », et à quiconque publie un deepfake de « déclarer que le contenu a été généré ou manipulé artificiellement ». La FAQ de la Commission ajoute les dates pratiques et l’exception qui compte pour les monteurs : les systèmes mis sur le marché avant le 2 août 2026 ont jusqu’au 2 décembre 2026 pour se conformer, les contenus générés avant le 2 août 2026 n’ont pas à être étiquetés rétroactivement, et l’obligation de marquage ne s’applique pas quand le système « assure une fonction d’assistance pour le montage standard » ou ne modifie pas substantiellement les données fournies. Les amendes vont jusqu’à 15 millions d’euros ou 3 % du chiffre d’affaires mondial.

Les plateformes ont leurs propres règles, et elles se rejoignent. YouTube impose de déclarer les contenus générés réalistes et liste ce qui n’en a pas besoin : les filtres de beauté, les réglages de couleur ou de lumière, la « création de sous-titres », la génération d’idées. Il peut aussi étiqueter une vidéo lui-même quand elle porte des métadonnées C2PA ou sort de ses propres outils. TikTok impose une étiquette sur tout contenu IA réaliste, en applique une automatiquement quand il le détecte, ne permet pas de la retirer, et précise qu’activer le réglage n’affectera pas la diffusion de la vidéo. Meta affiche une étiquette « AI info » quand il détecte des signaux standard de l’industrie ou quand le créateur le déclare.

La ligne est donc nette. Un extrait coupé par une IA, recadré, sous-titré, étalonné, avec les silences supprimés : rien à étiqueter. Une voix traduite et synchronisée, un fond généré, un visage modifié, une phrase mise dans la bouche de quelqu’un : à étiqueter, et de plus en plus souvent la plateforme le fera à ta place.

Utiliser le montage IA sans perdre le montage

1. Laisse la machine faire la passe mécanique.Transcription, coupe sur les phrases, recadrage, sous-titres, séparation des voix. C’est la partie qu’elle fait mieux qu’un humain fatigué à minuit.
2. Relis les sous-titres pour les noms et les chiffres.Une passe, noms propres et chiffres seulement. Ça prend deux minutes et ça retire l’erreur que tout le monde verra.
3. Réécoute chaque réordonnancement.Si l’outil a déplacé des phrases, joue le passage original. Si le sens a bougé, annule.
4. Garde l’original et la transcription.Le jour où quelqu’un dit que tu l’as coupé de façon déloyale, le fichier complet est ta réponse.
5. Étiquette ce que les règles disent, garde ce que l’outil écrit.Les éléments générés ou doublés reçoivent une étiquette ; les Content Credentials et les données C2PA restent dans le fichier.
6. Décide toi-même ce qui sort.La vérification en 60 secondes avant de publier est dans notre article sur la sélection des extraits par IA.