Sous-titres vidéo : le guide complet (formats, lisibilité, styles, outils)

Sous-titres, captions, ouverts, fermés : les mots

Le W3C, qui écrit les standards du web, distingue deux choses. Les captions sont « a text version of the speech and non-speech audio information needed to understand the content », dans la langue de l’audio ; les subtitles désignent la traduction dans une autre langue. Les captions sont « ouvertes » quand elles sont « always displayed and cannot be turned off », et « fermées » quand elles « can be hidden or shown by people watching the video ». En français, on dit « sous-titres » pour tout, et « sous-titres pour sourds et malentendants » (SME) quand les bruits et la musique sont décrits.

Le format de fichier le plus répandu est le SRT : un fichier texte où chaque sous-titre a un numéro, un horodatage de la forme heures:minutes:secondes,millisecondes, une ou deux lignes de texte, puis une ligne vide ; il n’existe pas de standard officiel pour son encodage. Le WebVTT est son équivalent normalisé par le W3C pour le web, avec le positionnement du texte, encore au stade de Candidate Recommendation Draft en mai 2026. YouTube accepte les deux, plus une douzaine d’autres formats (SBV, TTML, DFXP, SCC, EBU-STL…), en précisant pour le SRT que « only basic versions of these files are supported ».

Pourquoi sous-titrer : les chiffres qui tiennent

Le chiffre que tout le monde cite, « 85 % des vidéos regardées sans le son », vient d’un article de Digiday de mai 2016 : « as much as 85 percent of video views happen with the sound off, according to multiple publishers ». Ce sont des déclarations d’éditeurs sur Facebook, à une époque où une vue se comptait à trois secondes, sans méthodologie publiée, et cela ne dit rien de YouTube ni de TikTok. Facebook a donné ses propres chiffres la même année, sur ses publicités : « 41% of videos were basically meaningless without sound », et les publicités sous-titrées gagnaient 12 % de temps de visionnage dans ses tests internes.

Les données récentes viennent des plateformes elles-mêmes. Netflix : « more than 40% of viewing hours happen with subtitles (including SDH) across the globe » en mai 2023, puis « nearly half of all viewing hours on Netflix in the US happen with subtitles or captions on » en avril 2025. YouTube, en mars 2023 : plus de six milliards de vidéos sous-titrées et « more than one billion users watching videos with captions enabled every day ».

Au Royaume-Uni, le régulateur Ofcom a compilé les données des diffuseurs : l’usage des sous-titres « ranged from roughly 5% to 20% of viewing » selon les services, davantage chez les moins de 24 ans, et un sondage YouGov de 2023 donne 61 % des 18-24 ans qui préfèrent les sous-titres activés. L’enquête Stagetext de 2021 (2 003 personnes) allait plus loin : « four out of five viewers aged 18-25 » disent les utiliser tout ou partie du temps. La BBC résume : environ 10 % des téléspectateurs utilisent régulièrement les sous-titres, jusqu’à 35 % pour certains contenus en ligne, et « the majority of these viewers are not hard of hearing ». Pour la France, il n’existe pas de donnée publique équivalente ; l’Ifop a mesuré en 2025 une préférence pour la version originale sous-titrée chez 26 % des Français et 43 % des 18-24 ans, ce qui parle de doublage, pas d’activation des sous-titres.

Reste l’accessibilité, qui ne dépend d’aucun sondage. Le critère 1.2.2 des WCAG 2.2, de niveau A, demande que « captions are provided for all prerecorded audio content in synchronized media ». En Europe, l’acte législatif sur l’accessibilité (directive 2019/882) s’applique depuis le 28 juin 2025 à des services listés, dont les services d’accès aux médias audiovisuels, le commerce en ligne ou les livres numériques, et exige que les sous-titres pour sourds et malentendants soient « fully transmitted with adequate quality » ; les médias préenregistrés publiés avant cette date en sont exclus. Ce n’est pas une obligation pour la vidéo d’un créateur ; c’est le cadre des services qui les diffusent.

Les règles de lisibilité des diffuseurs

Les chartes des diffuseurs sont la meilleure base qui existe : elles ont été écrites pour des gens qui lisent des sous-titres huit heures par jour. Trois références, dont une française.

Pour une vidéo verticale, retiens deux chiffres : deux lignes et des mots courts. flysub applique ces règles en dur : un sous-titre ne dépasse jamais deux lignes, les segments font environ quatre mots, et chaque mot est calé sur sa prononciation. En français, l’espace fine insécable est ajoutée automatiquement avant « ? », « ! », « : » et « ; », ce que les sous-titres automatiques des plateformes ne font pas.

Les styles pour les formats courts

Sur un Short, un Reel ou un TikTok, le sous-titre n’est plus une aide de lecture : c’est un élément de montage. Trois familles couvrent l’essentiel.

• Classique. Blanc sur fond sombre, deux lignes, sans animation. Pour les interviews, les podcasts, les sujets sérieux : le texte ne doit pas se faire remarquer.
• Karaoké, mot à mot. Chaque mot s’allume quand il est prononcé. Il retient l’œil sur le rythme de la voix ; c’est le style des tutoriels et des face-caméra.
• Mots clés surlignés. Majuscules, un mot en couleur, parfois un emoji. Il hiérarchise le propos à la place du spectateur : efficace sur une promesse ou un chiffre, à proscrire sur un discours que tu ne veux pas orienter.

Quel que soit le style, le texte reste dans la zone que l’interface ne recouvre pas : au-dessus des boutons, sous le nom du compte. Les dimensions sont dans notre guide du format 9:16. Avec flysub, les 10 styles se changent d’un clic, et la preview est le rendu : ce que tu vois dans l’éditeur est, au pixel près, ce que contient le MP4.

Quatre façons d’ajouter des sous-titres

1. Les sous-titres automatiques des plateformes

YouTube génère des sous-titres automatiques pour le français et des dizaines d’autres langues, mais prévient : « Automatic captions may not be ready at the time that you upload a video », et « Always review automatic captions and edit any parts that haven’t been properly transcribed ». TikTok a lancé ses « auto captions » en avril 2021, d’abord en anglais américain et en japonais ; aujourd’hui, « captions will be automatically generated for videos that you upload », avec un texte modifiable par le créateur et désactivable par le spectateur. Instagram « uses speech recognition technology to automatically create closed captions for Reels », réglage absent sur ordinateur. Gratuits, fermés, au style imposé, et jamais relus à ta place.

2. Un fichier SRT ou WebVTT envoyé avec la vidéo

Sur YouTube, tu importes le fichier dans les sous-titres de la vidéo : le texte est indexé, traduisible par la plateforme, activable par le spectateur. C’est la bonne voie pour une vidéo longue. Son défaut pour un format court : le style est celui du lecteur, et le spectateur doit l’activer.

3. Le logiciel de montage

Premiere Pro, DaVinci Resolve ou Final Cut transcrivent et posent une piste de sous-titres que tu stylises image par image. C’est précis et long ; pour Premiere, flysub exporte une piste transparente à poser sur ta timeline, ce qui évite de refaire le style à chaque vidéo.

4. Un outil IA qui transcrit et incruste

Avec flysub : importe jusqu’à 10 vidéos d’un coup, en indiquant la langue parlée parmi huit (français, anglais, espagnol, portugais, allemand, italien, néerlandais, arabe) ou en laissant la détection automatique ; la transcription est mot à mot, se corrige dans l’éditeur (un mot, un emoji, un mot mis en avant), puis s’exporte en MP4 avec les sous-titres incrustés, ou en MOV transparent ProRes 4444 pour ton montage dans les plans payants. L’essai gratuit donne 3 vidéos de 180 secondes au maximum, exportées en MP4 avec watermark. Deux limites à connaître : flysub ne traduit pas, et n’exporte pas encore de fichier SRT.

Les erreurs qui coûtent des vues

• Trois lignes et plus. Le spectateur lit au lieu de regarder, puis décroche. Deux lignes, des segments courts.
• Des automatiques non relus. Les noms propres, les chiffres et les mots anglais dans une phrase française sont les premiers à casser. Relis au moins ceux-là.
• Du texte sous les boutons. Le bas de l’écran est recouvert par la légende et les icônes de l’interface. Remonte les sous-titres.
• Un style animé sur un contenu grave. Un témoignage ou un discours politique n’a pas besoin de mots clés surlignés : ils orientent la lecture.
• Un décalage d’une demi-seconde. Un sous-titre en avance révèle la phrase avant la voix ; un sous-titre en retard fait relire. Le calage se fait au mot, pas à la phrase.
• La ponctuation oubliée. Sans point ni virgule, deux segments se lisent comme une seule phrase. En français, la typographie compte aussi : espace fine avant « ? » et « ! ».