Sous-titres d'une vidéo : extraire ou générer le texte

2026-08-13

Vous avez besoin du texte d'une vidéo — pour la rendre accessible, la publier sur les réseaux, la traduire ou simplement retrouver une phrase précise. Deux chemins mènent aux sous-titres d'une vidéo : extraire ceux qui existent déjà dans le fichier ou sur la plateforme, ou les créer à partir de la bande-son grâce à la reconnaissance vocale. Et dans bien des cas, la vraie réponse n'est ni l'un ni l'autre : c'est une transcription en texte continu, sans horodatage. Voici comment identifier votre situation, la méthode adaptée à chacune, et l'essentiel du format SRT.

D'abord, identifier votre situation

Avant de chercher un outil, regardez ce que contient déjà votre vidéo. Trois cas de figure existent :

• Des sous-titres en fichier séparé ou en piste intégrée. Un fichier .srt à côté de la vidéo, ou une piste de sous-titres qu'on peut activer et désactiver dans le lecteur. Le texte existe déjà : il suffit de l'extraire, et il sera exact au mot près.
• Des sous-titres incrustés dans l'image. Ils font partie des pixels, comme un logo. Il n'y a aucun texte à récupérer directement ; plutôt que de tenter une reconnaissance de caractères image par image, il est presque toujours plus simple de repartir de la bande-son.
• Pas de sous-titres du tout. Le cas le plus fréquent : rushs, visios enregistrées, vidéos smartphone. La reconnaissance vocale est alors la seule voie.

Les deux premières lignes relèvent de l'extraction, les deux dernières de la génération. Les méthodes n'ont rien en commun.

Extraire les sous-titres d'une vidéo qui en possède déjà

Si le texte existe, ne le refaites pas. Sur YouTube, ouvrez la description de la vidéo et cliquez sur « Afficher la transcription » : le texte horodaté s'affiche dans un panneau et se copie-colle. Si la vidéo vous appartient, YouTube Studio permet en plus de télécharger le fichier de sous-titres directement.

Pour un fichier vidéo local (MKV ou MP4 avec piste de sous-titres), des outils gratuits comme VLC ou ffmpeg savent extraire la piste vers un fichier .srt en quelques secondes — aucune reconnaissance vocale n'entre en jeu, le texte est copié tel quel.

Une réserve importante : si les sous-titres présents ont été générés automatiquement par la plateforme, ils héritent de ses erreurs — souvent sans ponctuation, avec les noms propres écorchés. Vérifiez un extrait avant de bâtir quoi que ce soit dessus ; il est parfois plus rentable de retranscrire proprement la bande-son.

Générer des sous-titres automatiquement quand il n'y en a pas

Sous-titrer à la main, c'est écouter, taper, caler chaque réplique sur le bon instant : comptez plusieurs heures de travail par heure de vidéo. La reconnaissance vocale ramène cela à quelques minutes :

1. Récupérez le fichier vidéo. Inutile d'en extraire l'audio au préalable : les bons outils acceptent la vidéo telle quelle.
2. Lancez la reconnaissance vocale. L'outil convertit la parole en texte horodaté, ponctuation comprise.
3. Relisez et corrigez. Les noms propres, sigles et termes techniques sont les points faibles de toute reconnaissance automatique. Une passe de relecture reste indispensable avant publication.
4. Exportez au format voulu : fichier de sous-titres pour accompagner la vidéo, ou texte brut pour travailler le contenu.

Automatique ou manuel, ce n'est donc pas l'un contre l'autre : l'automatique produit un premier jet fidèle à 95 % et plus quand le son est propre, l'humain apporte les 5 % restants là où ils comptent — vidéo publique, contenu juridique, sous-titrage professionnel. La qualité du résultat dépend surtout de la bande-son : une voix claire sans musique de fond se transcrit remarquablement bien, un micro lointain dans une pièce qui résonne beaucoup moins.

Le format SRT en deux minutes

SRT (SubRip) est le format de sous-titres le plus universel : un simple fichier texte, lisible et modifiable dans n'importe quel éditeur, accepté par YouTube, les réseaux sociaux et tous les lecteurs vidéo. Chaque bloc contient un numéro d'ordre, un horodatage de début et de fin, puis le texte :

12
00:01:04,600 --> 00:01:07,200
Bienvenue dans ce tutoriel :
on commence par l'installation.

Deux règles de lisibilité valent la peine d'être connues : pas plus de deux lignes par bloc, environ 40 caractères par ligne, pour que le spectateur lise sans effort. Son cousin WebVTT (.vtt), utilisé par les lecteurs web, est quasi identique — la conversion de l'un vers l'autre est triviale.

Quand une transcription est plus utile que des sous-titres

Le réflexe « il me faut les sous-titres » cache souvent un autre besoin : celui du texte lui-même. Or un fichier SRT découpe la parole en fragments de quelques mots, entrecoupés d'horodatages — pénible à relire, impossible à citer proprement, ingérable à traduire. Si votre objectif est de résumer une conférence, citer un intervenant, archiver une visio ou rédiger un article à partir d'une vidéo, ce qu'il vous faut est une transcription continue, comme nous le détaillons dans notre guide convertir une vidéo en texte.

C'est exactement ce que produit Oratext : envoyez votre fichier vidéo sur le site ou au bot Telegram @oratextbot, et récupérez le texte intégral, avec détection automatique parmi environ 99 langues. Ensuite, en un clic : nettoyage des hésitations et tics de langage, résumé, extraction des points d'action ou traduction du contenu vers une autre langue — pratique pour préparer des sous-titres multilingues à partir d'une seule vidéo source.

FAQ

Peut-on extraire les sous-titres d'une vidéo YouTube dont on n'est pas l'auteur ?

Techniquement oui, via le panneau « Afficher la transcription », qui se copie librement. En revanche, le contenu reste protégé par le droit d'auteur : citer un court extrait avec la source est généralement admis, republier le texte intégral ne l'est pas.

La reconnaissance vocale fonctionne-t-elle si la vidéo mélange plusieurs langues ?

Oui. Oratext reconnaît environ 99 langues et détecte automatiquement celle qui est parlée — utile pour les interviews bilingues ou les conférences internationales.

SRT ou texte brut : que choisir pour commencer ?

Partez du besoin final. Sous-titres à afficher pendant la lecture : SRT. Texte à relire, résumer, traduire ou archiver : transcription brute. Dans le doute, la transcription d'abord — on en tire des sous-titres bien plus facilement que l'inverse.

Une vidéo sous la main ? Faites le test : la transcription est gratuite sur oratext.com à raison de 3 minutes par jour, sans inscription, ou directement dans Telegram avec le bot @oratextbot, qui accepte les fichiers jusqu'à 20 Mo.