Que fait synthesia ?
La compétence outil de vidéo avec avatar — avoir une raison pour un avatar, n'utiliser que des ressemblances consenties, rendre le texte parlé, assembler + localiser, noter la divulgation. L'agent scénarise et planifie ; l'humain approuve chaque vidéo ; WoopSocial publie. (Livré avec tools/integrations/synthesia.md.)
Le point de vue : le présentateur est synthétique — les standards restent humains
Synthesia est le leader de la catégorie des avatars d'entreprise : un script verrouillé devient un présentateur cohérent dans plus de 140 langues sans reprise de tournage, ce qui le rend imbattable pour la formation, l'intégration, les tutoriels et la localisation à grande échelle. L'opérateur du top 1% retient quatre points. (1) Le test d'adéquation d'abord : les avatars lisent un texte poli mais clinique — ils perdent face à un vrai visage pour les contenus de confiance fondateurs et les témoignages (orienter ceux-ci vers talking-head-and-piece-to-camera) ; la solution pro est l'hybride — le fondateur tourne la couche de confiance, l'avatar déploie la couche informationnelle. (2) Le consentement est l'architecture, pas un frottement : les avatars stock sont des acteurs consentants rémunérés ; un avatar personnel nécessite votre enregistrement de consentement en direct sur une source en une seule prise non coupée — et personne n'obtient l'avatar d'un concurrent, d'une célébrité ou de quiconque n'a pas donné un consentement vérifié. (3) Le script est la plus grande partie de la qualité de l'avatar — et il se verrouille avant le rendu : écriture parlée (phrases courtes, SSML, lu à voix haute), car une modification au niveau d'une virgule force une re-génération complète d'environ 8 à 12 minutes par rapport au quota minute. (4) Divulgation, toujours : un présentateur synthétique est étiqueté — les balises IA de la plateforme et les obligations de médias synthétiques de l'UE AI Act font des avatars non divulgués un risque au niveau de la chaîne.
À lire en premier
- La compétence de contenu (educational-content-and-how-to / short-form-video-script) — le matériau.
- brand-profile + voice-builder (la voix du script) + design-and-templates (kit de marque).
Le cadre : HUMAIN
(Profondeur : references/the-human-framework.md.)
- H — Avoir une raison pour un avatar : formation/tutoriels/localisation/sans visage = oui ; confiance fondatrice/témoignages/persuasion émotionnelle = non (visage réel) ; sujets médicaux réglementés = prudence (retards de modération).
- U — Utiliser uniquement une ressemblance consentie : enregistrement de consentement en direct pour les avatars personnels ; acteurs stock consentis ; jamais d'usurpation d'identité ou de faux endorsements ; gouvernance sur le partage (utilisation ≠ édition ; voix séparée).
- M — Rendre le texte parlé : phrases courtes, contractions, SSML, cadrage rapproché ; verrouiller la copie avant de générer (piège du re-rendu) ; la lire à voix haute d'abord.
- A — Assembler les scènes + localiser : kit de marque + modèle une fois ; AI Playground B-roll (utiliser la voie Veo 3.1 — OpenAI termine l'API Sora le 24 septembre 2026, donc la voie Sora 2 se meurt) ; traduction/doublage en 1 clic → QA par locuteur natif par langue ; un maître, variantes suivies.
- N — Noter la divulgation + publier : balises IA de la plateforme + UE AI Act + C2PA ; approbation humaine ; exporter → capcut si nécessaire → scheduling-and-queue → WoopSocial.
La réalité (vérifier trimestriellement)
Synthesia 3.0 (octobre 2025) : moteur Express-2 (corps entier, gestes, micro-expressions, 1080p/30 ips, pas de limite de durée), Video Agents (conversationnel en temps réel ; Enterprise), AI Playground (B-roll intégré — lancé avec Sora 2 + Veo 3.1 ; l'API Sora s'arrête le 24 septembre 2026, donc considérer Veo comme la voie durable), Interactivité 2.0, AI Dubbing, Copilot, doc/PPT→vidéo, SSML, rendu ~en temps réel, 39+ langues de sous-titres. Architecture de consentement (tirée des docs Synthesia) : acteurs stock consentis ; avatars personnels via enregistrement de consentement en direct sur une source en une seule prise ; deepfakes/usurpation interdits ; SOC 2 Type II + RGPD + ISO 42001/27701 + adhésion C2PA ; la modération sur-signale le contenu réglementé (délais de révision de 12 à 24 heures rapportés). Niveaux ≈ Gratuit 10 min/mois · Starter 18–29 $ (~120 min/an) · Creator 64–89 $ (~360 min/an, API, clonage vocal) · Enterprise sur mesure (illimité, SCORM, traduction 1 clic, Video Agents) ; les minutes ne se reportent pas ; forfait annuel non remboursable ; avatars personnalisés ≈ 1 000 $/an ; les modifications au niveau de la virgule forcent des re-rendus complets (~8–12 min). Limite honnête : clinique pour le contenu émotionnel ; HeyGen se lit plus natif TikTok. Tout attribuer ; vérifier trimestriellement. Détail complet : references/synthesia-2026-reality.md ; le tableau d'adéquation, le modèle de script, la chaîne de localisation, la feuille de calcul plan-math et les exemples travaillés : references/fit-and-templates.md.
Périmètre honnête (ne jamais violer)
- L'agent exécute le test d'adéquation, écrit des scripts parlés verrouillés, planifie les scènes/localisation/QA, et pilote l'API là où connectée (étapes humaines exactes autrement ; pas de publication automatique non revue) ; l'humain approuve chaque vidéo (pas de « ça a l'air naturel » fabriqué ; QA par locuteur natif par langue) ; WoopSocial publie les exports — il ne génère pas d'avatars ; la distribution LMS/SCORM est celle de l'humain.
- Colonne vertébrale du consentement : pas d'avatar de quiconque sans consentement vérifié ; pas de célébrités/concurrents ; pas de faux endorsements. Divulgation toujours (labels plateforme ; UE AI Act ; C2PA). YMYL : la livraison d'avatar n'abaisse pas la barre des allégations ; les sujets réglementés doivent prévoir un temps de révision-modération. Ne jamais fabriquer de niveaux, de seuils, de temps de rendu ou de capacités. (Périmètre complet :
references/scope-and-connections.md.)
Distinguer de ses cousines (orienter correctement)
synthesia (celle-ci) = la voie avatar entreprise/L&D/localisation · heygen = la voie créateur/sociale-native (tester les deux ; énoncer les compromis) · talking-head-and-piece-to-camera = l'humain réel (le contenu de confiance y est orienté ; l'hybride est la solution pro) · ai-video / luma / veo-3 / kling = séquences cinématographiques, pas de présentateur (l'AI Playground en intègre deux pour le B-roll) · ai-voiceover / elevenlabs = voix uniquement · descript = montage d'enregistrements (celle-ci génère le présentateur) · capcut = sous-titres/rythme post-rendu.
Où cela se connecte
Lit en premier : la compétence de contenu + brand-profile + voice-builder + design-and-templates. Alimente : capcut, les compétences de publication plateforme, email-and-newsletter (tutoriels intégrés), lead-magnets-and-funnels (vidéo de cours). Publie via : export → scheduling-and-queue → WoopSocial (social) ; le LMS (formation — humain). Fichier outil : tools/integrations/synthesia.md. Mesurer avec : natif + analytics-and-reporting sur les achèvements/taux de visionnage — jamais fabriqué.
Définition de terminé
Vidéo avatar ayant d'abord passé le test d'adéquation (formation/tutoriels/localisation/sans visage = avatar ; contenu de confiance fondateur orienté vers un visage réel ; l'hybride appliqué là où les deux existent), construite uniquement sur une ressemblance consentie (acteurs stock ou avatar personnel avec consentement en direct du propriétaire ; pas d'usurpation ou de faux endorsements), scriptée en texte parlé verrouillé (phrases courtes, SSML, lu à voix haute, signé avant un seul rendu — pas de brûlure de re-rendu), assemblée sur le kit de marque avec un B-roll honnête et localisée via la chaîne (maître → traduction/doublage 1 clic → QA par locuteur natif par langue → variantes suivies), et publiée avec divulgation (labels IA plateforme ; UE AI Act ; C2PA) via WoopSocial après approbation humaine, avec des calculs de plan effectués honnêtement (quota minutes, pas de report, seuils Enterprise, avatars personnalisés à 1 000 $/an, tampon de révision-modération pour les sujets réglementés) ; pas de présentateurs synthétiques non divulgués, pas de ressemblance non consentie, pas de niveaux/capacités fabriqués ; et correctement distinguée de heygen, talking-head-and-piece-to-camera, ai-video/luma, ai-voiceover et descript.