Instructions pour le sous-titrage et l'accessibilité média
Traitez les légendes et les pistes d'accessibilité comme des atouts de production, et non comme une finition. Construisez-les à partir du script, du mixage audio, du montage, du plan de localisation et de la cible de diffusion de la plateforme. Si l'utilisateur demande une conformité légale, indiquez les normes que vous utilisez et recommandez un examen par un conseiller juridique/accessibilité qualifié ; ne promettez pas une conformité légale sur la base d'un seul fichier généré.
Commencez par classer le média
Avant d'écrire ou d'exporter des légendes, identifiez :
- Type de contenu : vidéo préenregistrée avec audio, vidéo en direct/ quasi-direct, audio uniquement, vidéo uniquement, ou clip social sans son.
- Besoin du public : légendes pour les spectateurs sourds/malentendants, sous-titres traduits pour les spectateurs entendants, SDH, transcription, transcription descriptive, audiodescription, langue des signes, ou légendes automatiques par défaut de la plateforme.
- Cible de diffusion : incrustation sociale, fichier sidecar pour lecteur web, diffusion/OTT, LMS/portail de formation, révision interne, package localisé, ou master d'archivage.
- Risque d'accessibilité : texte visuel essentiel, graphiques, enregistrements d'écran, plusieurs intervenants, dialogues qui se chevauchent, musique/paroles, éléments narratifs basés sur le son, flashs/stroboscopes, typographie cinétique rapide, faible contraste, petits écrans mobiles, ou superpositions d'interface utilisateur de la plateforme.
- Source de vérité finale : le mixage audio verrouillé et l'image finale. Les scripts générés, les brouillons TTS et les transcriptions ASR sont des points de départ, pas l'autorité après les montages.
Faits documentés à préserver
Utilisez-les comme contraintes factuelles lorsque cela est pertinent, en citant la source dans votre sortie ou vos notes de transmission lorsque l'affirmation est importante.
- WCAG 2.2 exige des légendes pour l'audio préenregistré dans les médias synchronisés au niveau A (SC 1.2.2), des légendes pour l'audio synchronisé en direct au niveau AA (SC 1.2.4) et une audiodescription pour la vidéo préenregistrée au niveau AA (SC 1.2.5). Le niveau A de WCAG permet soit une audiodescription, soit une alternative média pour la vidéo synchronisée préenregistrée selon SC 1.2.3. Source : W3C WCAG 2.2, vérifié le 10/07/2026.
- Les directives WCAG 2.2 sur les flashs stipulent que le contenu ne doit pas flasher plus de trois fois par seconde, à moins d'être en dessous des seuils de flash général/rouge. Source : W3C Understanding SC 2.3.1, vérifié le 10/07/2026.
- Le contraste minimum WCAG pour le texte est de 4,5:1, avec 3:1 pour le texte de grande taille. Il s'agit d'un critère pour le texte Web ; les légendes incrustées sont des pixels vidéo, mais utilisez-le comme objectif de conception minimum pour la lisibilité des légendes, sauf si une spécification de plateforme plus stricte s'applique. Source : W3C WCAG 2.2 SC 1.4.3, vérifié le 10/07/2026.
- Section508.gov distingue les légendes fermées, les légendes ouvertes, les sous-titres et les transcriptions : les légendes fermées peuvent être activées/désactivées ; les légendes ouvertes sont permanentes dans la vidéo ; les sous-titres traduisent généralement les dialogues pour les publics entendants et n'incluent pas normalement les identifiants de locuteur ou l'audio non verbal ; les transcriptions ne sont pas horodatées. Source : Directives sur les médias synchronisés de Section508.gov, vérifié le 10/07/2026.
- Les règles de qualité des légendes de la FCC américaine pour les programmes télévisés couverts définissent la qualité en termes de précision, de synchronisation, d'exhaustivité et de placement ; les légendes doivent inclure les informations non verbales pertinentes, être lisibles et éviter de bloquer le contenu visuel essentiel. Source : 47 CFR Sec. 79.1 via le Legal Information Institute/texte eCFR, vérifié le 10/07/2026. Cette compétence ne détermine pas si un projet spécifique est couvert par les règles de la FCC.
- L'Aide YouTube listait les formats SRT et SBV/SubViewer comme formats de base et les formats WebVTT/TTML/SAMI/RealText comme formats avancés ; les fichiers SRT/SBV de base doivent être en UTF-8 brut et YouTube note que la prise en charge du style est limitée. Source : Aide YouTube, vérifié le 10/07/2026.
- L'Aide Vimeo indiquait que Vimeo prend en charge les formats SRT et WebVTT pour les légendes/sous-titres, recommande WebVTT et exige un encodage UTF-8 pour les caractères spéciaux. Source : Aide Vimeo, vérifié le 10/07/2026.
- WebVTT est un format de texte horodaté UTF-8 utilisé avec les pistes média ; il commence par
WEBVTT, contient des repères chronométrés, et peut être utilisé pour les légendes, les sous-titres, les descriptions, les chapitres ou les métadonnées selon la prise en charge du lecteur. Sources : documentation WebVTT du W3C/MDN et de la Bibliothèque du Congrès, vérifié le 10/07/2026. - La syntaxe W3C WebVTT exige UTF-8, une signature de fichier
WEBVTT, des horaires de repère avec des millisecondes de période, des heures de début de repère ordonnées et des heures de fin supérieures aux heures de début. Le chevauchement des repères est autorisé par le format pour les légendes/sous-titres, mais de nombreux flux de travail de livraison de légendes rejettent ou signalent encore les chevauchements. Source : W3C WebVTT Candidate Recommendation Draft, vérifié le 11/07/2026. - SRT est une convention de fichier sidecar en texte brut largement utilisée mais peu standardisée, composée de blocs répétés : compteur numérique, ligne de temps début/fin, texte de la légende et un séparateur de ligne vide. La pratique de livraison courante utilise des horaires
HH:MM:SS,mmm --> HH:MM:SS,mmmet UTF-8 pour le téléchargement sur les plateformes modernes, même si les fichiers SRT hérités peuvent utiliser d'autres encodages. Source : Description du format SRT de la Bibliothèque du Congrès plus les directives de plateforme déjà citées ici, vérifié le 11/07/2026. - Les directives de texte horodaté de Netflix sont spécifiques à la plateforme, pas une loi universelle. Ses directives d'aide publique pour les partenaires incluent des maximums de 2 lignes, des guides de style spécifiques à la langue, des durées d'événement minimales/maximales dans les exigences générales, et des conventions SDH en anglais américain pour les identifiants/sons effets entre parenthèses. Source : Netflix Partner Help Center, vérifié le 10/07/2026.
Heuristiques de production à appliquer
Ce sont des valeurs par défaut du métier. Remplacez-les pour un guide de style formel du client, une spécification de diffuseur, une convention de sous-titrage spécifique à une langue ou une erreur de validation de plateforme.
- Préférez un fichier de légende sidecar pour l'accessibilité chaque fois que la plateforme le prend en charge. N'ajoutez des légendes incrustées/ouvertes que lorsque la plateforme, l'achat publicitaire ou l'expérience utilisateur exige un texte toujours visible.
- Si vous incrustez des légendes pour les réseaux sociaux, conservez quand même un fichier sidecar/transcription maître modifiable. Les légendes incrustées ne peuvent pas être activées/désactivées, restylisées, recherchées, traduites ou utilisées de manière fiable par les technologies d'assistance.
- Utilisez des légendes éditées pour les médias préenregistrés. Les légendes automatiques sont utiles pour l'alignement des brouillons, mais le travail final nécessite une révision humaine/agent par rapport à l'audio, à l'identité du locuteur, à la ponctuation, aux effets sonores, aux noms propres et au timing.
- Gardez les repères lisibles : généralement 1 à 2 lignes, des longueurs de ligne équilibrées, des sauts de phrase naturels et un temps d'affichage suffisant pour lire sans se précipiter. Si le texte est trop dense, ne modifiez que la redondance non essentielle tout en préservant le sens et le vocabulaire clé.
- Synchronisez les repères avec l'audio qu'ils représentent : apparaissez près du début de la parole/du son, disparaissez près de sa fin, évitez les repères qui se chevauchent et évitez que les légendes ne devancent les blagues, les révélations ou les instructions critiques pour la sécurité avant qu'elles ne soient entendues.
- Repositionnez les légendes lorsqu'elles couvrent des visages, des tiers inférieurs, l'interface utilisateur d'un produit, des graphiques, des sous-titres déjà présents dans l'image, des surimpressions légales ou des contrôles de plateforme.
- Dans la vidéo générée, réduisez le travail de légende en concevant le script et le montage pour l'accessibilité : moins de voix concurrentes, texte à l'écran lisible, informations visuelles décrites dans la narration lorsque possible, et pauses pour l'audiodescription si nécessaire.
Rédaction de légendes et de SDH
Créez une maquette de légende à partir de ces entrées :
- vidéo et audio verrouillés ;
- script de narration/dialogue final ou transcription ;
- liste des locuteurs avec noms, titres, rôles, prononciations, et moment où les noms sont révélés pour la première fois ;
- glossaire pour les noms de produits, noms propres, acronymes, termes techniques, phrases juridiques et noms inventés/générés ;
- feuille de repères musicaux et statut des paroles ;
- liste des textes à l'écran, légendes de graphiques/données, et tout élément narratif uniquement visuel ;
- format(s) cible(s), politique de fréquence d'images/timestamp, balise langue/locale et guide de style.
Pour chaque repère de légende :
- Incluez les mots parlés dans l'ordre. Ne paraphrasez pas, sauf si des contraintes de lisibilité/temps exigent une compression et que la norme choisie le permet.
- Préservez le sens, le ton et le vocabulaire essentiel. Conservez l'argot intentionnel, les erreurs grammaticales, les répétitions ou les hésitations lorsqu'elles sont importantes pour la caractérisation, l'humour, la sécurité ou l'instruction.
- Utilisez la ponctuation pour clarifier le sens, pas pour décorer.
- Identifiez les locuteurs lorsque le spectateur ne peut pas déduire de manière fiable qui parle à partir du placement ou de l'image. Utilisez les noms connus seulement après que le contenu les a révélés ; sinon, utilisez des descripteurs neutres tels que
[narrateur],[voix off],[femme 1]ou des étiquettes approuvées par le client. - Incluez l'audio non verbal lorsqu'il affecte le sens, l'ambiance, la sécurité, l'histoire ou l'instruction :
[alarme retentit],[musique douce au piano],[le public rit],[la porte se déverrouille]. Ne légendez pas chaque son accessoire. - Légendez les paroles lorsqu'elles sont audibles et importantes, sous réserve des droits/instructions du client. Si les paroles ne sont pas légendées, identifiez la musique lorsqu'elle affecte l'expérience.
- Évitez de révéler des informations non disponibles pour les spectateurs entendants à ce moment-là. Ne nommez pas un locuteur mystérieux, ne révélez pas une intrigue ou n'expliquez pas une cause cachée trop tôt.
- Évitez les descriptions visuelles dans les légendes, sauf si elles représentent un son ou une identification de locuteur. L'accès visuel appartient à la narration, à la description intégrée, à l'audiodescription ou à la transcription descriptive.
Sauts de ligne :
- Coupez à la frontière d'une phrase, d'une proposition ou d'un syntagme.
- Évitez de séparer les articles des noms, les adjectifs/modificateurs des noms, les prénoms et noms de famille, les verbes auxiliaires des verbes principaux, les prépositions de leurs objets, ou un pronom sujet de son verbe.
- Ne placez pas la fin d'une phrase et le début d'une autre sur la même ligne lorsqu'une coupure plus propre est disponible.
- Gardez les repères à deux locuteurs rares ; lorsque c'est inévitable, rendez les locuteurs visuellement distincts avec une convention cohérente prise en charge par le format/la plateforme cible.
Timing :
- Alignez les légendes sur l'audio final, pas sur le timing du script.
- Ne laissez pas les légendes persister bien au-delà de la parole, sauf si nécessaire pour la lisibilité et si cela n'est pas trompeur.
- Utilisez des espaces lorsqu'ils améliorent la lisibilité, mais évitez le scintillement inutile dû à des espaces très courts.
- Si un locuteur est interrompu, utilisez une ponctuation qui rend l'interruption compréhensible.
- Pour les clauses de non-responsabilité rapides, les instructions de sécurité ou le texte juridique, insistez sur une diffusion illisible au lieu de cacher le problème dans de petites légendes.
Conception de légendes incrustées/ouvertes
L'incrustation est une typographie sur des images en mouvement. Concevez-la comme une interface utilisateur lisible :
- Utilisez un contraste élevé par rapport à toutes les images représentatives. Ajoutez une boîte semi-opaque, une ombre, un contour ou un dégradé lorsque les arrière-plans varient.
- Gardez le texte suffisamment grand pour le plus petit écran prévu et le chemin de compression. Prévisualisez à la taille d'un téléphone, pas seulement sur un moniteur de bureau.
- Laissez des marges pour l'interface utilisateur de la plateforme : les légendes, les poignées, les boutons de réaction, les barres de progression, les tiers inférieurs et les zones de sécurité diffèrent selon la plateforme et l'orientation.
- Évitez de placer les légendes sur les visages, les bouches dans le travail de synchronisation labiale/avatar, les produits en démonstration, les graphiques, les sous-titres déjà présents et les interprètes en langue des signes.
- Limitez les animations. Les légendes mot par mot cinétiques peuvent aider la rétention sociale, mais elles ne remplacent pas les légendes accessibles si elles omettent des mots, se déplacent trop rapidement, manquent de contraste ou ne peuvent pas être désactivées.
- N'utilisez pas la couleur seule pour distinguer les locuteurs ou le sens. Associez la couleur à des étiquettes, un placement ou d'autres indices non liés à la couleur.
Transcriptions et transcriptions descriptives
Fournissez une transcription lorsque l'utilisateur le demande, lorsque le média est uniquement audio, lorsque les flux de travail de formation/recherche/révision en bénéficient, ou lorsque les exigences d'accessibilité appellent à une alternative média basée sur le temps.
Transcription de base :
- Incluez la parole, les noms des locuteurs, l'audio non verbal significatif et les notes sur la musique/les paroles.
- Corrigez les erreurs évidentes de l'ASR, la ponctuation et les noms propres.
- Ajoutez des titres ou des horodatages lorsqu'ils sont utiles pour la navigation.
Transcription descriptive :
- Incluez la transcription de base plus les informations visuelles essentielles : texte à l'écran, graphiques, actions, changements de scène, démonstrations, gestes et blagues ou instructions uniquement visuelles.
- Utilisez la même source de vérité que pour les légendes et l'audiodescription.
- Préférez des descriptions concises qui permettent à un lecteur de comprendre le contenu sans voir ni entendre la vidéo.
Planification de l'audiodescription
Planifiez l'audiodescription avant le verrouillage de l'image lorsque possible. La solution la moins chère et la plus propre pour de nombreuses vidéos explicatives, démos et vidéos de formation est la description intégrée : rédigez la narration principale pour qu'elle mentionne naturellement les informations visuelles essentielles.
Choisissez la méthode :
- Description intégrée : meilleure pour les nouvelles vidéos explicatives, les vidéos de formation, les démos d'écran, les visites guidées de produits et les médias éducatifs où la narration peut mentionner ce qui est visuellement important.
- Piste d'audiodescription séparée : meilleure lorsque le mixage original doit rester inchangé et que le lecteur/la plateforme prend en charge une piste audio décrite alternative.
- Exportation vidéo décrite alternative : meilleure lorsque la plateforme ne prend pas en charge l'audiodescription sélectionnable par l'utilisateur mais peut héberger une deuxième version.
- Fichier de description en texte horodaté : possible lorsque le lecteur prend en charge les descriptions à partir de texte ; vérifiez la prise en charge de la lecture.
- Transcription descriptive : utile pour un large accès et requise dans certains contextes WCAG, mais pas toujours un remplacement pour l'audiodescription synchronisée au niveau de conformité demandé.
Ce qu'il faut décrire :
- Actions essentielles, identités, changements de scène, décors, graphiques, diagrammes, opérations à l'écran, texte à l'écran, états du produit, gestes et cause/effet uniquement visuels.
- Décrivez du général au particulier pour orienter un spectateur.
- Priorisez ce qui est nécessaire pour suivre, comprendre et apprécier le contenu. Ne remplissez pas chaque pause.
- Utilisez le présent, la voix active, un langage objectif et un vocabulaire adapté au public.
- Évitez d'interpréter l'émotion ou l'intention lorsqu'un fait visible est suffisant. Préférez "Maya serre les poings" à "Maya est furieuse", sauf si l'émotion est autrement énoncée, indubitable et pertinente.
- Placez la description avant ou pendant le moment visuel pertinent lorsque possible, pas après que le spectateur en a besoin.
- Évitez de parler par-dessus les dialogues ou l'audio essentiels à la compréhension, sauf si nécessaire.
Sécurité des flashs, des mouvements et sensorielle
Effectuez une vérification de sécurité sensorielle pour les graphiques animés générés, les montages glitch, les éclairs, les alarmes, les flashs d'appareil photo, les stroboscopes, les coupures rapides, le scintillement de motifs à contraste élevé, les flashs rouges et la typographie cinétique agressive.
- Évitez les flashs au-dessus du seuil WCAG de trois flashs par seconde