Points clés
Des sous-titres accessibles, ce n’est pas simplement des sous-titres qui existent. Ils portent le dialogue plus les sons non parlés qui comptent, ils signalent chaque changement de locuteur, et ils apparaissent et disparaissent au rythme de la parole. Les sous-titres traduits sont une autre chose encore, en général le dialogue seul et souvent traduit. Une transcription, c’est le texte sans minutage, et elle sert les personnes qui ne peuvent pas du tout utiliser le lecteur vidéo — c’est donc un livrable à part, pas un substitut. Des sous-titres automatiques sans relecture, voilà l’échec le plus courant.
On vous a dit que les sous-titres devaient être accessibles. Vous avez des sous-titres. Vous essayez maintenant de comprendre l’écart entre ces deux affirmations, et personne n’a été très précis à ce sujet.
L’écart n’est presque jamais qu’une vidéo n’a aucune piste de sous-titres. C’est que la piste existante est inutilisable d’une manière qui ne se voit pas avant qu’un spectateur sourd ou malentendant essaie de suivre la vidéo avec elle. Voici ce que cela signifie concrètement, dans l’ordre où vous allez le rencontrer.
Trois mots, trois livrables, trois publics
Sous-titres SME, sous-titres traduits et transcription sont employés indifféremment dans la conversation courante, et la consigne qu’on vous a transmise ne les emploie presque certainement pas comme des synonymes. Si elle en nomme deux, c’est qu’elle attend deux choses.
Les sous-titres SME (pour sourds et malentendants) portent le dialogue plus les sons non parlés qui comptent. Ils sont rédigés en partant du principe que le spectateur n’entend rien, donc tout ce que la bande sonore fait sans que l’image le montre doit se trouver dans le texte.
Les sous-titres traduits portent en général le dialogue seul, et il s’agit souvent d’une traduction. Ils partent du principe que vous entendez la vidéo parfaitement, simplement vous ne comprenez pas la langue parlée. Une piste de sous-titres traduits ne vous dira pas que l’alarme s’est déclenchée, parce qu’un spectateur entendant dans la langue cible n’a pas besoin qu’on le lui précise.
Une transcription, c’est le texte seul, sans minutage. Pas de repères temporels, pas de synchronisation, pas de lecteur vidéo impliqué. Elle sert les personnes qui utilisent un lecteur d’écran, celles qui ne peuvent pas manipuler le lecteur vidéo, et celles qui préfèrent simplement lire plutôt que regarder.
C’est ce dernier point que l’on confond le plus souvent. Une transcription publiée à côté de la vidéo ne remplit pas une obligation de sous-titrage, et un fichier de sous-titres ne remplit pas une obligation de transcription, parce qu’ils atteignent des publics différents par des voies différentes. Si vous en produisez un seul et que vous l’appelez les deux, vous n’en avez produit qu’un.
Autant le dire clairement : les obligations d’accessibilité varient selon le pays, le secteur et l’organisation. Il n’existe pas de norme mondiale unique à laquelle vous pourriez vous comparer et considérer l’affaire close. La règle qui compte est celle à laquelle votre organisation est réellement soumise, et quelqu’un chez vous sait laquelle, même si personne ne vous l’a dit. Posez la question avant de construire tout un processus sur une supposition.
Les sous-titres SME portent le son, pas seulement la parole
C’est le point qui surprend les personnes qui n’ont jamais pensé aux sous-titres autrement que comme de la parole retranscrite en texte. Une porte qui claque. Une alarme. Un rire hors champ. Un téléphone qui sonne et interrompt quelqu’un en pleine phrase. Rien de tout cela n’est du dialogue, et rien de tout cela n’est visible.
Si un spectateur qui n’entend pas la bande sonore regarde votre vidéo et qu’un événement survient sans qu’il puisse en rendre compte, les sous-titres ont échoué exactement à ce pour quoi ils existent. La personne à l’écran qui réagit à un bruit jamais mentionné se met alors à se comporter de façon incompréhensible.
Le test n’est pas « y avait-il un son » mais « ce son porte-t-il du sens ». Le bruit d’ambiance n’a pas besoin de sous-titre. Une musique de fond à laquelle personne ne réagit non plus, en général. L’alarme qui fait sortir tout le monde de la pièce, si. Un rire aussi, quand il vous indique comment une réplique a été reçue. Le jugement vous revient, et c’est un vrai jugement plutôt qu’une règle qu’on pourrait automatiser, ce qui explique en partie pourquoi une relecture humaine du fichier compte. Pour la version détaillée de la manière dont cela se gère en pratique, le guide sur le sous-titrage pour sourds et malentendants couvre la mécanique.
N’en faites pas trop non plus. Une piste de sous-titres qui annote chaque bruissement entre en concurrence avec le dialogue pour le temps de lecture du spectateur et le fait prendre du retard sur la vidéo. Incluez ce qui change le sens de la scène. Laissez le reste de côté.
Indiquer qui parle
Une piste de sous-titres qui enchaîne le dialogue de trois personnes sans indiquer où l’une s’arrête et où l’autre commence est techniquement présente et fonctionnellement inutilisable. C’est l’un des défauts les plus fréquents d’un fichier qui a pourtant passé toutes les cases de contrôle, parce que le contrôle vérifie que des sous-titres existent, pas qu’ils se lisent correctement.
Pensez à ce qu’un spectateur entendant obtient gratuitement. Les voix ne se ressemblent pas. Vous savez que la réponse vient de quelqu’un d’autre parce qu’elle sort d’une gorge différente, et souvent vous pouvez entendre de quel côté de la pièce elle vient. Retirez le son et tout cela disparaît. À l’image, un plan de réaction ou un cadrage serré peut laisser la personne qui parle hors champ pendant toute une phrase.
Les conventions pour marquer un changement de locuteur varient selon les habitudes et les plateformes, et n’importe laquelle des conventions courantes fonctionne, à condition de l’utiliser de façon cohérente dans tout le fichier. Ce qui ne fonctionne pas, c’est l’absence totale de marquage. Un entretien, une table ronde, un enregistrement de réunion, tout ce qui comporte plus d’une voix, a besoin que chaque relais soit signalé à chaque fois qu’il se produit, y compris quand les deux mêmes personnes échangent rapidement des répliques courtes. Surtout dans ce cas, en fait, parce que c’est là que le lecteur perd le fil le plus vite.
Un minutage qui suit la parole
Les sous-titres doivent apparaître quand les mots sont prononcés et disparaître quand ils s’arrêtent. Un sous-titre qui arrive avec un temps de retard fait lire la réplique au spectateur après qu’il a vu la réaction qu’elle provoque. Un sous-titre qui s’attarde sur le plan suivant lui fait lire une scène alors qu’il regarde une autre.
Aucun des deux cas n’est fatal sur un repère isolé. Sur dix minutes, c’est épuisant, et la vidéo devient plus difficile à suivre avec les sous-titres qu’un spectateur ne l’aurait fait sans eux. Le dérapage progressif est le coupable habituel : un fichier qui démarre synchronisé et prend de plus en plus de retard, souvent parce qu’il a été généré sur une version de la vidéo puis appliqué à une autre qui a une seconde de plus en début ou en fin.
Vérifiez la fin du fichier, pas le début. Tout le monde vérifie le début. Si le dernier repère d’une longue vidéo tombe encore juste sur les mots, le milieu est probablement bon. S’il a glissé, tout le fichier doit être re-synchronisé plutôt que corrigé au cas par cas. Un contrôle structurel avec un validateur de fichier SRT repérera les repères qui se chevauchent ou mal formés avant l’envoi, même s’il ne peut pas vous dire si les mots sont les bons mots.
Les sous-titres automatiques et la relecture qui les rend utilisables
Des sous-titres automatiques sans relecture sont la façon la plus courante dont une organisation se retrouve avec des sous-titres qui ne respectent pas sa propre obligation. Ils arrivent en général avec des choix de ponctuation auxquels on ne peut pas se fier, aucun changement de locuteur marqué, et aucun son non parlé, parce que le système a reçu pour instruction de retranscrire la parole, et c’est exactement ce qu’il a fait.
Rien de tout cela ne rend les sous-titres automatiques inutiles. Ils constituent un bon premier jet et font gagner un vrai temps sur la partie la plus mécanique du travail. L’erreur consiste à traiter le résultat comme le livrable final plutôt que comme la matière première. Ce qui transforme l’un en l’autre, c’est une personne qui relit le fichier en regard de la vidéo et corrige quatre choses : les mots mal retranscrits, les limites de phrases, les changements de locuteur, et les sons qui portent du sens.
Pour ce premier jet justement, SozAI transcrit fichiers audio et vidéo, enregistrements et liens YouTube en texte avec identification des locuteurs dans plus de 99 langues, via son application iOS, Android et macOS, et le site propose aussi des outils gratuits de sous-titrage et de comptage qui fonctionnent entièrement dans le navigateur, sans rien envoyer sur un serveur. L’identification des locuteurs vous donne une longueur d’avance sur les relais de parole ; les repères sonores et le minutage final restent à votre charge.
Prévoyez du temps pour cette relecture. C’est plus court que de transcrire à partir de rien et plus long que de ne rien faire, et c’est toute la différence entre un fichier qui existe et un fichier qui fonctionne.
Ce qui continue à poser problème une fois tout cela fait
Beaucoup de choses, et il vaut mieux savoir où les chercher.
- Les noms propres, le jargon et les termes spécifiques ressortent mal de la transcription automatique et restent faux, parce qu’un relecteur peu familier du sujet ne remarque pas qu’un terme est légèrement de travers.
- Le fichier de sous-titres se retrouve attaché à la mauvaise version de la vidéo après un montage, et la synchronisation part avec lui. Personne ne revérifie après une coupe.
- La transcription, elle, ne voit tout simplement jamais le jour, parce que c’est le livrable qui n’a pas de case évidente dans le flux de publication et qui ne déclenche aucune alerte quand il manque.
- Une piste de sous-titres traduits est mise en ligne comme s’il s’agissait de sous-titres SME, ce qui laisse les spectateurs sourds dans la langue d’origine avec le dialogue seul et aucun repère sonore.
Rien de tout cela ne se voit lors d’un contrôle rapide des trente premières secondes, ce qui est pourtant le seul contrôle que subissent la plupart des vidéos. Si vous mettez en place un processus, placez le contrôle à la fin du fichier et après le montage final, pas avant.
L’autre chose à garder en tête, c’est qu’aucun soin apporté au fichier de sous-titres ne règle la question de votre obligation légale. Celle-ci découle de la règle à laquelle votre organisation est soumise, et le détail pratique de la manière dont ces obligations sont généralement formulées est traité dans l’article sur la transcription et la conformité en matière d’accessibilité. Obtenez d’abord cette réponse, puis appliquez le savoir-faire décrit plus haut à ce que cela exige réellement.
