Synchronisation des sous-titres : repérage, temps d’entrée et temps de sortie

Pourquoi la synchronisation détermine la qualité des sous-titres

La synchronisation des sous-titres consiste à faire coïncider l’apparition d’un texte avec le moment où une parole, un son ou une information visuelle devient pertinent, puis à le retirer lorsque cette information n’a plus besoin d’être lue. Elle ne se résume donc pas à placer une phrase au-dessus d’une bande sonore. Il faut déterminer des points temporels précis, tenir compte du rythme du discours, des changements de plan et du temps nécessaire à la lecture.

Un sous-titre en avance peut révéler une information avant le personnage ou le narrateur. Un sous-titre en retard oblige au contraire à rattraper une phrase déjà prononcée. Dans les deux cas, le lecteur doit fournir un effort supplémentaire pour relier le texte à l’image et au son. La difficulté est plus importante pour les personnes sourdes ou malentendantes, pour les apprenants d’une langue, ainsi que dans les contenus comportant plusieurs locuteurs ou des informations visuelles rapides.

La synchronisation concerne plusieurs usages : sous-titrage sourd et malentendant, sous-titrage multilingue, vidéos pédagogiques, réunions enregistrées, contenus institutionnels, œuvres audiovisuelles et vidéos diffusées sur le web. Les principes restent proches, mais les règles de présentation, d’identification des voix et de description des sons peuvent varier selon le public, le support et le cahier des charges.

Le repérage, première étape du travail

Le repérage, aussi appelé spotting dans certains environnements professionnels, consiste à repérer les endroits où un sous-titre doit apparaître et disparaître. Le repéreur examine la vidéo, écoute la bande sonore et crée une suite de segments associés à des timecodes. Chaque segment comporte au minimum un temps d’entrée, un temps de sortie et un contenu textuel.

Le temps d’entrée correspond au début d’affichage. Il doit généralement être placé au moment où le locuteur commence à parler, ou légèrement après lorsque cela améliore la lisibilité sans désynchroniser le texte. Le temps de sortie correspond à la fin d’affichage. Il intervient lorsque la phrase est terminée, lorsqu’un changement de locuteur impose une nouvelle unité ou lorsque le sous-titre doit laisser la place à un autre élément.

Le repérage n’est pas une transcription automatique des pauses respiratoires. Une phrase peut être répartie en deux sous-titres pour respecter la longueur des lignes et la vitesse de lecture. À l’inverse, plusieurs mots courts peuvent être réunis lorsque leur maintien à l’écran reste clair et que le temps disponible le permet.

Pour repérer correctement, il est utile de procéder dans cet ordre :

1. identifier la parole ou le son qui doit être rendu accessible ;
2. écouter le début et la fin de l’unité de sens ;
3. observer les changements de plan, les entrées et sorties de personnages ou les événements importants ;
4. choisir un découpage qui conserve le sens grammatical ;
5. vérifier le temps de lecture disponible avant de valider le segment.

Un bon repérage établit la structure temporelle de l’ensemble du fichier. Il facilite ensuite la traduction, la relecture et les corrections techniques.

Temps d’entrée : trouver le bon point de départ

Le temps d’entrée doit être suffisamment proche du signal auquel le sous-titre se rapporte. Pour une réplique, le repère principal est le début audible de la parole. Pour une indication sonore, il s’agit du moment où le son devient identifiable et utile à la compréhension. Pour un texte incrusté dans l’image, le sous-titre peut suivre l’apparition de cet élément ou le compléter, selon le rôle qu’il joue.

Un décalage très court peut devenir perceptible lorsque plusieurs sous-titres se succèdent. Les décalages s’accumulent surtout quand un fichier a été créé à partir d’une transcription sans contrôle sur la vidéo finale. Il faut alors vérifier le montage réellement diffusé, et non une version de travail dont le début, les coupes ou la cadence peuvent différer.

Le repère d’entrée doit également respecter la continuité du discours. Une phrase qui commence avant un changement de plan ne doit pas nécessairement attendre le plan suivant. Si le changement visuel correspond à une rupture de scène ou à un changement de locuteur, il peut en revanche justifier un nouveau sous-titre. La décision dépend du sens, de la lisibilité et de la cohérence avec les autres segments.

Les logiciels de sous-titrage affichent souvent la forme d’onde sonore. Elle aide à localiser les attaques de parole, les silences et les sons marquants, mais elle ne remplace pas l’écoute. Une forme d’onde ne permet pas toujours de distinguer une respiration, un bruit de fond, une consonne faible ou le début réel d’un mot. Le contrôle auditif reste donc nécessaire.

Temps de sortie : éviter les sous-titres trop courts ou trop longs

Le temps de sortie doit laisser au lecteur le temps de terminer la lecture tout en évitant de maintenir un texte après la fin de l’information. Un sous-titre qui disparaît trop vite devient difficile à lire. Un sous-titre conservé trop longtemps peut être confondu avec la réplique suivante, surtout si le locuteur change ou si l’image présente une nouvelle action.

La durée utile dépend de plusieurs facteurs : le nombre de caractères, la complexité du vocabulaire, la langue, le public, la présence d’informations sonores et le rythme des images. Une phrase courte et familière se lit plus facilement qu’une formulation longue comportant des noms propres, des chiffres ou des termes techniques. Dans une vidéo pédagogique, la densité d’informations peut justifier un découpage plus prudent que dans un échange très simple.

Il faut aussi éviter les affichages très brefs entre deux segments. Un intervalle insuffisant peut produire un effet de clignotement. À l’inverse, des sous-titres qui se chevauchent ou qui se succèdent sans cohérence rendent la lecture moins confortable. Les paramètres exacts doivent être définis par le cahier des charges du diffuseur ou du projet. Les recommandations professionnelles, notamment celles du Conseil supérieur de l’audiovisuel et de la Commission supérieure technique de l’image et du son, servent de points de référence en France, mais elles ne remplacent pas les consignes particulières du support concerné.

Vitesse de lecture et densité du texte

La synchronisation est inséparable de la vitesse de lecture. Celle-ci est souvent exprimée en caractères par seconde, ou CPS. Le calcul consiste à rapporter le nombre de caractères affichés à la durée du sous-titre. Selon les outils et les cahiers des charges, les espaces peuvent être comptés ou non. Il faut donc connaître la convention utilisée avant d’interpréter l’indicateur.

Un indicateur de CPS ne suffit pas à juger un sous-titre. Deux textes de même longueur peuvent présenter une difficulté très différente. Un vocabulaire courant, une syntaxe directe et une phrase bien découpée facilitent la lecture. Des abréviations nombreuses, des mots longs ou une ponctuation confuse l’entravent. Le lecteur doit aussi regarder l’image et parfois identifier le locuteur en même temps.

Lorsque le texte est trop dense, plusieurs solutions sont possibles :

• réduire les répétitions et les hésitations sans supprimer une information indispensable ;
• répartir la phrase sur deux sous-titres ;
• allonger la durée lorsque le montage le permet ;
• reformuler avec une syntaxe plus directe ;
• réduire la quantité de texte affichée simultanément.

La réduction doit rester fidèle au sens. Elle ne doit pas effacer une négation, une condition, une relation de cause à effet ou une indication nécessaire à la compréhension. Pour un sous-titrage destiné aux personnes sourdes ou malentendantes, les sons et les informations de locution doivent également être hiérarchisés avec soin.

Le rôle des changements de plan et des changements de locuteur

Les changements de plan constituent un repère visuel important, mais ils ne commandent pas automatiquement une coupure de sous-titre. Une coupure à chaque plan peut produire une succession artificielle de fragments et nuire à la lecture. Il est préférable de conserver une unité de sens lorsque le texte reste pertinent et lisible.

Un changement de plan peut toutefois signaler une nouvelle scène, un saut temporel, une modification de lieu ou l’arrivée d’une information importante. Dans ce cas, maintenir l’ancien sous-titre peut créer une ambiguïté. Le repéreur doit observer ce que le montage fait comprendre, et non appliquer une règle mécanique.

Le changement de locuteur mérite une attention particulière. Lorsque deux personnes parlent rapidement, un sous-titre unique peut rendre l’attribution incertaine. Le texte peut alors être séparé, associé à une convention d’identification prévue par le projet, ou positionné selon les règles applicables au support. Dans le sous-titrage sourd et malentendant, les indications de locuteur et les descriptions sonores ont une fonction d’accessibilité. Elles ne doivent pas être ajoutées de façon décorative : chaque élément doit aider à comprendre qui parle ou ce qui se produit.

Une règle pratique consiste à vérifier trois continuités : la continuité du sens, la continuité du locuteur et la continuité de la scène. Lorsqu’une de ces continuités est rompue, le découpage mérite un examen spécifique.

Timecode, fréquence d’images et formats de fichiers

Un timecode décrit la position d’un événement dans la vidéo. Il peut être présenté en heures, minutes, secondes et images. Le repérage dépend alors de la fréquence d’images du fichier, souvent appelée frame rate. Deux fichiers portant des indications temporelles proches peuvent désigner des positions différentes si leur fréquence d’images n’est pas la même ou si leur mode de comptage diffère.

Avant toute intervention, il faut relever les caractéristiques techniques de la vidéo : durée, fréquence d’images, résolution si elle influence le contrôle visuel, présence éventuelle d’un timecode de départ et format de diffusion. Une erreur de fréquence d’images peut provoquer un décalage progressif. Le sous-titre semble correct au début, puis se décale de plus en plus à mesure que la vidéo avance. Ce problème ne se corrige pas en déplaçant manuellement chaque segment : il faut rechercher la cause du décalage et effectuer une conversion adaptée.

Les formats de sous-titres n’ont pas tous les mêmes fonctions. Le format SRT est simple et largement utilisé pour des séquences temporelles. Le WebVTT, défini par le World Wide Web Consortium dans le cadre des technologies web, permet notamment de décrire des cues temporels destinés à l’affichage dans un lecteur compatible. D’autres environnements professionnels utilisent des formats plus riches, capables de conserver des informations de style, de positionnement ou de métadonnées. Le choix du format doit être fait avant la livraison, car une conversion peut modifier les timecodes, la mise en page ou certains caractères.

La norme ou la recommandation retenue doit être datée et vérifiée au moment du projet. Les spécifications techniques évoluent, et un lecteur vidéo peut appliquer des règles différentes selon la plateforme ou le logiciel.

Méthode de travail pour synchroniser une vidéo

Une méthode fiable sépare les opérations afin de limiter les erreurs. La première étape consiste à visionner la vidéo sans écrire, pour comprendre le sujet, le nombre de locuteurs, la structure et les passages difficiles. La deuxième consiste à préparer une transcription contrôlée. Une transcription automatique peut accélérer le travail, mais elle doit être comparée à la bande sonore, notamment pour les noms propres, les termes techniques, les nombres et les négations.

La troisième étape est le repérage. Chaque segment reçoit ses temps d’entrée et de sortie, puis le texte est découpé en lignes lisibles. La quatrième est l’adaptation, qui consiste à respecter la vitesse de lecture, la syntaxe et les priorités d’information. La cinquième est la relecture linguistique. La sixième est le contrôle technique dans la vidéo finale.

Une grille de contrôle peut comprendre les points suivants :

1. le premier sous-titre apparaît-il au bon moment, sans décalage avec la parole ou l’événement visuel ?
2. les fins de sous-titres suivent-elles la fin des unités de sens ?
3. la vitesse de lecture reste-t-elle adaptée au public et aux consignes du projet ?
4. les sous-titres sont-ils séparés de manière cohérente lors des changements de locuteur ?
5. les changements de plan créent-ils une ambiguïté ou une coupure inutile ?
6. les timecodes correspondent-ils à la fréquence d’images et au format demandé ?
7. les caractères accentués, signes de ponctuation et retours à la ligne sont-ils correctement interprétés par le lecteur ?

Le contrôle doit être réalisé sur la vidéo destinée à la diffusion. Un export modifié peut changer le nombre d’images, le début du programme ou la durée de certains plans.

Erreurs fréquentes et moyens de les corriger

La première erreur consiste à synchroniser une transcription sur une mauvaise version de la vidéo. Le résultat peut être précis sur un fichier de travail et incorrect sur le montage final. La solution est de vérifier l’identité du média, sa durée et ses caractéristiques avant le repérage, puis de contrôler la version livrée.

La deuxième erreur est de placer les temps d’entrée et de sortie uniquement à partir de la forme d’onde. L’écoute et l’observation de l’image sont indispensables, car les signaux sonores ne correspondent pas toujours aux limites sémantiques. La troisième erreur est de conserver un sous-titre jusqu’à la fin d’une longue pause. Le texte peut alors rester affiché alors que l’image a déjà changé d’action ou de locuteur.

La quatrième erreur est de couper une phrase au milieu d’un groupe grammatical. Les coupures doivent favoriser la compréhension, sans séparer inutilement un déterminant de son nom, une préposition de son complément ou un auxiliaire du verbe qu’il accompagne. La cinquième est de corriger la vitesse de lecture en supprimant des mots essentiels. Une reformulation précise vaut mieux qu’une suppression qui altère le sens.

Enfin, un contrôle purement technique ne détecte pas toutes les difficultés. Un fichier peut être valide et rester inconfortable à lire. La validation doit associer vérification des timecodes, relecture linguistique et visionnage continu. Lorsque plusieurs personnes interviennent, une convention écrite sur le format, la ponctuation, les sons, les locuteurs et les seuils de lecture réduit les divergences.

Repères utiles pour évaluer un fichier de sous-titres

Le tableau suivant résume les principaux éléments à examiner avant une livraison :

Élément	Question de contrôle	Risque en cas d’erreur
Temps d’entrée	Le texte apparaît-il avec la parole ou l’événement concerné ?	Information en avance, parole manquée ou association confuse avec l’image
Temps de sortie	Le texte disparaît-il après l’unité de sens, sans rester inutilement à l’écran ?	Chevauchement, confusion entre deux répliques ou lecture interrompue
Durée d’affichage	Le lecteur dispose-t-il d’un temps suffisant selon la densité du texte ?	Lecture incomplète et fatigue
Découpage	Les lignes et les segments respectent-ils la syntaxe et le sens ?	Compréhension ralentie ou interprétation erronée
Timecode	La base temporelle correspond-elle à la vidéo et au format demandé ?	Décalage constant ou progressif
Contexte audiovisuel	Les changements de plan et de locuteur sont-ils pris en compte ?	Attribution incertaine et rupture de continuité

Ces contrôles peuvent être complétés par une lecture à vitesse normale, puis par des vérifications ciblées sur les passages rapides, les silences, les changements de scène et les dialogues superposés. Pour les contenus d’éducation ou de service public, il est également utile de vérifier que le texte reste compréhensible sans supposer que le lecteur a entendu la bande sonore.

Références publiques et cadre de vérification

Plusieurs références peuvent guider le travail, à condition de vérifier leur version et leur champ d’application. Les recommandations du Conseil supérieur de l’audiovisuel apportent des repères sur l’accessibilité des programmes audiovisuels en France. La Commission supérieure technique de l’image et du son publie des travaux et recommandations techniques utilisés comme références dans les métiers de l’image et du son. Le World Wide Web Consortium décrit le format WebVTT et les mécanismes de sous-titrage associés aux contenus web.

Les règles d’accessibilité numérique doivent aussi être examinées lorsqu’une vidéo est publiée dans un service numérique public ou éducatif. Les Web Content Accessibility Guidelines, dont la version 2.2 a été publiée par le World Wide Web Consortium en 2023, fournissent un cadre général pour l’accessibilité des contenus web. Elles ne remplacent pas une spécification de sous-titrage, mais elles rappellent qu’une information audio importante doit disposer d’une alternative textuelle synchronisée.

Ces documents n’imposent pas nécessairement les mêmes paramètres pour chaque usage. La bonne démarche consiste à identifier le public, le diffuseur, le format de sortie, les exigences d’accessibilité et la version de la vidéo, puis à consigner les règles retenues. La synchronisation devient ainsi un processus vérifiable, plutôt qu’une correction subjective effectuée à la fin du montage.

FAQ : questions courantes sur la synchronisation des sous-titres

Quelle est la différence entre un temps d’entrée et un temps de sortie ?

Le temps d’entrée indique le moment où le sous-titre commence à s’afficher. Le temps de sortie indique le moment où il disparaît. Ces deux repères encadrent la durée d’affichage et doivent être cohérents avec la parole, le son, l’image et le temps de lecture.

Faut-il couper un sous-titre à chaque changement de plan ?

Non. Le changement de plan est un indice à examiner, pas une règle automatique. Une phrase peut continuer sur un nouveau plan si elle reste compréhensible et pertinente. Une coupure devient plus utile lorsque le plan marque une nouvelle scène, une nouvelle information ou un changement de locuteur.

Pourquoi un décalage augmente-t-il au fil de la vidéo ?

Un décalage progressif peut venir d’une différence de fréquence d’images, d’une conversion mal réalisée ou d’une vidéo dont la durée n’est pas identique à celle utilisée pour le repérage. Il faut comparer les caractéristiques des deux fichiers avant de corriger les sous-titres segment par segment.

Comment savoir si un sous-titre est trop rapide à lire ?

Il faut examiner la durée, la quantité de caractères, la complexité du vocabulaire et le contexte visuel. Un indicateur de caractères par seconde peut aider, mais il doit être interprété selon la convention du projet et complété par un visionnage réel.

Une transcription automatique suffit-elle pour produire des sous-titres synchronisés ?

Non. Elle peut fournir une base, mais elle doit être vérifiée sur la vidéo finale. Les erreurs de reconnaissance, les mots homophones, les noms propres, les timecodes approximatifs et le découpage grammatical nécessitent une relecture humaine et un contrôle technique.