La majorité des vidéos courtes sont regardées sans le son ou à moitié : dans le train, dans une file d'attente, à côté de quelqu'un qui dort. Les sous-titres ont cessé d'être un bonus d'accessibilité il y a des années ; ils sont le deuxième canal de la vidéo. Mais la façon dont le texte apparaît compte autant que sa présence, et les données des meilleurs contenus de chaque plateforme vont toutes dans le même sens : les sous-titres mot par mot battent les sous-titres en bloc.

Pourquoi le mot par mot retient et les blocs non

Un sous-titre statique sur deux lignes se lit en une seconde environ, plus vite qu'il n'est prononcé, puis il reste inerte à l'écran comme un meuble jusqu'au bloc suivant. L'œil du spectateur finit en avance et se met à vagabonder, et un œil qui vagabonde, c'est un pouce qui fait défiler.

Les sous-titres mot par mot règlent ce problème de trois façons à la fois :

  • Le mouvement. Un mot qui surgit toutes les quelques centaines de millisecondes, c'est un flux continu de micro ruptures de rythme : l'image n'est jamais figée.
  • Le rythme imposé. Le spectateur ne peut pas lire en avance ; sa vitesse de lecture est forcée de suivre votre vitesse d'élocution, ce qui garde son attention synchronisée avec l'audio.
  • Le focus sur le mot prononcé. Mettre en valeur le mot prononcé à cet instant fusionne les canaux audio et visuel : les spectateurs sans le son « entendent » en fait le rythme de votre parole.

Avant d'être une tactique de rétention, les sous-titres sont une obligation d'accessibilité : les recommandations du W3C sur les sous-titres des médias préenregistrés (en anglais) sont la barre à laquelle la plupart des équipes sont réellement évaluées.

Ce type de sous-titrage s'appuie sur le framework Speech d'Apple (en anglais), qui prend en charge une reconnaissance effectuée en local : c'est pour cela que l'audio n'a jamais besoin d'être envoyé où que ce soit pour être lu.

La mise en valeur : le 80/20 du style de sous-titres

Un texte uniforme est monotone, visuellement. L'amélioration, c'est la mise en valeur des mots clés : le ou les deux mots de chaque ligne qui portent le sens reçoivent une autre couleur, une taille plus grande, ou les deux. « Cette erreur vous coûte des MILLIERS » ne se lit pas comme la même phrase en caractères uniformes : le mot mis en valeur est la miniature de la ligne.

Les règles qui gardent le tout propre :

  1. 1-2 mots mis en valeur par ligne, maximum. Mettez tout en valeur et vous n'aurez rien mis en valeur.
  2. Mettez en valeur les noms et les chiffres, pas les mots de liaison. « MILLIERS », « jamais », « 3 secondes », pas « et » ni « très ».
  3. Un emoji par ligne, au plus, et seulement quand il colle au sens (💰 pour l'argent, ⚠️ pour un avertissement). Une avalanche d'emojis fait spam.
  4. Grand, bien contrasté, vers le bas et au centre, à l'écart de l'interface de la plateforme, avec un contour épais ou une ombre pour résister à n'importe quel fond.

Des sous-titres mot par mot sans le travail fastidieux

Animer à la main le minutage de chaque mot serait absurde : c'est du travail de transcription, et il doit être automatique. Zella transcrit sur l'appareil (rien n'est envoyé, fonctionne hors ligne) et génère un minutage au mot près, puis le met en forme avec des préréglages de sous-titres viraux, 10 sur Mac et 9 sur iPhone, tous avec mise en valeur du mot prononcé. La mise en valeur des mots clés et l'emoji unique par ligne sont appliqués automatiquement à partir de la transcription, et un éditeur de transcription mot par mot vous permet de corriger noms et jargon en quelques secondes.

La voie en un toucher : Auto-Polish (en anglais) sous-titre votre vidéo avec le préréglage Beast par défaut, un seul gros mot à la fois, mots clés mis en valeur, avec emoji, car ce style en gros caractères est celui qui performe le mieux pour les reels face caméra. Vous préférez plus discret ? Lancez les sous-titres manuellement et choisissez un préréglage mot par mot plus petit ; la logique de mise en valeur est la même.

La vérification des sous-titres avant de publier

Regardez votre vidéo une fois sans le son. Si vous suivez le raisonnement, sentez la mise en valeur tomber sur les bons mots et que votre œil ne quitte jamais l'image, les sous-titres font leur travail. Ce visionnage muet est le contrôle qualité le plus révélateur qui soit en vidéo courte.

Questions fréquentes

Comment ajouter des sous-titres mot par mot à un Reel ou un TikTok ? Transcrivez l'audio pour obtenir un minutage au mot près, puis appliquez un style de sous-titres qui fait apparaître un mot (ou quelques-uns) à la fois au rythme de la parole, avec le mot prononcé mis en valeur. Les sous-titres intégrés de TikTok ne font pas de vrai mot par mot ; les outils dédiés, si. Dans Zella, la transcription sur l'appareil associée à un préréglage mot par mot le fait automatiquement, et un toucher sur Auto-Polish applique par défaut le style Beast en gros caractères.

Les sous-titres mot par mot sont-ils meilleurs que des sous-titres classiques ? Pour des vidéos courtes de 15-60 secondes, oui. Un bloc statique sur deux lignes se lit en une seconde environ, plus vite qu'il n'est prononcé, puis reste inerte pendant que l'œil vagabonde. Les sous-titres mot par mot ajoutent un mouvement continu, calent le rythme de lecture du spectateur sur votre rythme d'élocution et fusionnent les canaux audio et visuel pour ceux qui regardent sans le son.

Les sous-titres doivent-ils suivre mon rythme de parole ? Exactement. La mise en valeur mot par mot doit suivre votre voix pour que l'apparition des mots paraisse rythmée, pas aléatoire. C'est pourquoi un minutage au mot près (et pas seulement un bloc de sous-titres par phrase) est important.

Comment mettre en valeur des mots clés dans les sous-titres ? Donnez au ou aux deux mots de chaque ligne qui portent le sens (des noms et des chiffres comme « MILLIERS », « jamais », « 3 secondes ») une autre couleur ou une taille plus grande. Mettez en valeur au plus un ou deux mots par ligne ; mettez tout en valeur et vous n'aurez rien mis en valeur.

Combien d'emojis utiliser dans les sous-titres ? Au plus un par ligne, et seulement quand il colle au sens (💰 pour l'argent, ⚠️ pour un avertissement). Une avalanche d'emojis fait spam et encombre la lecture.

Ai-je besoin de sous-titres si l'audio de ma vidéo est bon ? Oui : la majorité des vidéos courtes sont regardées sans le son ou à moitié. Les sous-titres sont le deuxième canal de la vidéo, pas un bonus d'accessibilité. Regardez votre vidéo une fois sans le son : si vous suivez le raisonnement et sentez la mise en valeur tomber juste, les sous-titres font leur travail.