L’essentiel
Transcrivez d’abord l’épisode, avec l’horodatage, et considérez ce fichier comme une matière première, pas comme quelque chose à publier tel quel. Les horodatages vous donnent les marqueurs de chapitres. Le texte vous donne les citations à extraire, que vous vérifiez à l’oreille avant de les diffuser. Le résumé s’adresse à quelqu’un qui hésite à écouter ; les notes s’adressent à quelqu’un qui a déjà écouté. Publier la transcription brute en guise de notes ne satisfait ni l’un ni l’autre, parce que la parole imprimée telle quelle regorge de répétitions et de faux départs que personne ne remarque à l’oral.
L’enregistrement est bouclé, le montage aussi, et voilà qu’une deuxième tâche surgit, celle dont personne ne vous avait prévenu : les notes, les marqueurs de chapitres, un résumé pour le flux, deux ou trois publications pour les réseaux sociaux. La plupart des podcasteurs font ça de mémoire, curseur de lecture à la main, en remontant et redescendant dans soixante-dix minutes d’audio pour retrouver le moment où l’invité a dit la phrase qu’il fallait. Ça prend autant de temps que le montage, et le résultat reste flou, puisqu’on décrit un épisode dont on ne garde qu’un souvenir approximatif.
Une transcription règle le problème de la recherche. Elle n’écrit pas les notes à votre place. Ce qu’elle fait, c’est transformer chacune de ces tâches, qui relevait de la recherche, en un travail d’édition — et éditer va bien plus vite que chercher. L’ordre dans lequel vous procédez compte autant que l’outil que vous choisissez.
Commencer par la transcription, pas par les notes
La séquence qui fonctionne est la suivante : transcription horodatée, puis chapitres, puis citations à extraire, puis résumé, puis notes, puis publications sociales. Chaque étape se nourrit de ce que la précédente a produit. Si vous rédigez les notes en premier, vous finirez par chercher les positions des chapitres à la main, puis par refaire le même travail pour les citations.
Les horodatages sont ce qu’on néglige, et qu’on regrette ensuite. Un mur de texte brut vous dit ce qui a été dit. Les horodatages vous disent où — et c’est ce « où » dont toutes les tâches suivantes ont besoin : un marqueur de chapitre est une position, une citation a besoin d’une position pour être vérifiée, et un auditeur qui se demande « à quel moment ils parlent du prix » cherche lui aussi une position. Une transcription sans horodatage ne règle que la moitié du problème et vous laisse le curseur de lecture pour l’autre moitié.
Les moyens d’en obtenir une sont nombreux. Certains hébergeurs génèrent des transcriptions au moment de la publication, certains logiciels de montage les exportent directement depuis la session, et il existe des outils autonomes ; les vraies différences portent sur l’identification des intervenants, la précision des horodatages et la façon de traiter un vocabulaire inhabituel. Transcrire un épisode de podcast est un problème bien couvert aujourd’hui, et le choix de l’outil compte moins que le fait d’avoir vraiment le fichier ouvert dans une seconde fenêtre pendant que vous écrivez.
Si vous voulez rester sur la machine où vous montez déjà, SozAI est une application de transcription pour iOS, Android et macOS qui accepte des fichiers audio, vidéo ou un lien YouTube et renvoie un texte avec identification des intervenants et résumé. C’est une option parmi d’autres, et si votre hébergeur produit déjà une transcription horodatée exploitable, utilisez celle-là et sautez cette étape.
Précision honnête : si vos épisodes sont courts, centrés sur un seul sujet, et que vous publiez une description de deux lignes avec un lien, toute cette méthode est superflue. La transcription se justifie sur des conversations longues avec plusieurs séquences distinctes, ce qui décrit la plupart des émissions d’interview.
Les marqueurs de chapitres viennent des horodatages, pas du texte
Les chapitres sont des positions dans l’audio. Ça paraît évident, jusqu’au moment où vous essayez de les générer à partir d’un résumé et découvrez qu’un résumé ne contient aucune position. Il peut vous dire que l’épisode aborde le recrutement, la tarification et l’épuisement professionnel. Il ne peut pas vous dire que la tarification commence à quatorze minutes et quelques secondes, parce que cette information n’a jamais figuré dans le texte du résumé.
La transcription fait donc le travail en deux passages. D’abord, une lecture rapide de bout en bout, en repérant les endroits où le sujet change vraiment. Ensuite, on relève l’horodatage de la première phrase de chaque nouveau sujet, pas de la dernière phrase de l’ancien, pour que les auditeurs qui sautent à un chapitre arrivent au début de la chose plutôt qu’à la fin de la précédente.
Décider où se trouvent ces changements reste une affaire de jugement, et ça le restera toujours. Une conversation ne change pas de sujet net comme ça ; elle dérive, revient en arrière, puis quelqu’un raconte une anecdote qui se révèle être le vrai sujet du segment. Vous devez trancher si cette anecdote mérite son propre chapitre ou fait partie de celui qui l’entoure, et aucun résumé automatique ne tranchera pour vous, parce que ce choix dépend de ce que vous pensez que les auditeurs voudront retrouver directement.
- Visez des chapitres vers lesquels un auditeur irait plausiblement directement, pas chaque sujet évoqué en passant.
- Nommez-les d’après le contenu, pas la structure : « Pourquoi ils ont supprimé l’offre gratuite » vaut mieux que « Partie 3 ».
- Isolez l’intro et la publicité dans leurs propres chapitres courts, pour que ceux qui veulent les passer le puissent.
- Vérifiez que le dernier chapitre commence avant la conclusion, pas pendant.
Les formats varient selon la plateforme. Certaines veulent des heures, minutes et secondes, d’autres acceptent minutes et secondes, d’autres encore imposent un séparateur précis, et un fichier de chapitres refusé par un lecteur est pire que l’absence de chapitres. Quand il faut passer d’un format à l’autre, un convertisseur de code temporel en ligne s’en occupe sans que vous ayez à faire le calcul à la main à minuit.
Les citations à extraire, et pourquoi on les vérifie malgré tout
Parcourir une transcription à la recherche de phrases marquantes va bien plus vite que de les repérer à l’oreille, et ça fait ressortir des choses qu’on avait oublié avoir entendues. Cherchez les phrases qui tiennent seules, sans mise en contexte. C’est plus rare qu’on ne croit dans une conversation, parce que les meilleurs moments dépendent souvent de la question qui les a précédés, et une phrase qui a besoin de trois phrases d’explication n’est pas une citation à extraire.
Ensuite, vérifiez chaque citation à l’oreille avant qu’elle n’atterrisse sur un visuel ou dans une publication. Ce n’est pas facultatif, et voici pourquoi c’est gênant : les erreurs des outils de transcription automatique se concentrent précisément sur les formulations marquantes qu’on a envie de citer. Un choix de mots inhabituel, un terme inventé, une intonation appuyée, quelqu’un qui parle vite parce qu’il est enthousiaste — ce sont exactement les conditions dans lesquelles le texte est le moins fiable, et ce sont aussi les conditions qui produisent la phrase qu’on veut afficher en gros caractères.
Vérifier coûte peu une fois qu’on a les horodatages. On saute à la position, on écoute quinze secondes, on confirme les mots exacts. Faites ça pour quatre citations et vous aurez passé deux minutes. Publier une citation erronée attribuée à votre invité coûte nettement plus que ça.
Un léger toilettage est acceptable — retirer un « euh », supprimer un faux départ, utiliser des points de suspension à l’endroit d’une proposition coupée. Reformuler ce que quelqu’un a dit pour que ce soit plus propre ne l’est pas, même quand la version plus propre correspond visiblement à ce qu’il voulait dire.
Le résumé et les notes s’adressent à deux lecteurs différents
Le résumé est lu par quelqu’un qui n’a pas encore écouté et qui hésite à le faire. Il doit fonctionner comme un texte autonome : de quoi parle l’épisode, qui y participe, quel est l’argument, pourquoi ça vaudrait le coup d’y consacrer une heure. Il doit révéler le fond plutôt que le suggérer, parce qu’un résumé qui garde le sujet pour lui ressemble à une bande-annonce, et on saute les bandes-annonces.
Les notes sont lues par quelqu’un qui a déjà écouté, ou qui écoute en ce moment même avec les notes ouvertes sous les yeux. Ce lecteur veut les détails qu’on ne peut pas retrouver à l’oreille : le livre mentionné, le compte de l’invité sur les réseaux, l’étude autour de laquelle on s’est disputé, l’outil dont le nom s’écrit bizarrement, les liens vers l’épisode précédent évoqué en passant. Les chapitres ont aussi leur place ici. Ce lecteur n’a besoin qu’on lui vende rien.
L’erreur classique consiste à écrire un seul paragraphe censé remplir les deux rôles, ce qui donne un texte trop vague pour être utile en résumé et trop pauvre pour servir de référence. Écrivez les deux séparément. Ils sont courts, l’un comme l’autre.
Si vous publiez aussi une version vidéo, le champ de description sur la plateforme vidéo s’adresse encore à un troisième public, composé surtout de gens arrivés depuis une recherche ou une recommandation. Faire passer l’épisode dans un résumeur qui fonctionne à partir d’un lien YouTube vous donne un brouillon pour ce champ, même s’il a besoin du même travail de relecture que tout le reste.
Les noms propres sont ce qui doit absolument être juste
Une transcription rend tout votre catalogue d’épisodes consultable, et c’est toute la différence entre un auditeur qui retrouve l’épisode où vous parliez d’un sujet précis et un auditeur qui abandonne après deux essais. L’audio est opaque à la recherche. Le texte ne l’est pas. Des archives transcrites transforment trente heures de conversation en quelque chose qu’on peut réellement consulter.
Le problème, c’est que les mots les plus susceptibles d’être mal transcrits sont justement ceux qu’on recherche. Noms d’invités, noms d’entreprises, noms de produits — les noms propres en général, surtout quand ce ne sont pas des mots courants. Ils sont inhabituels par nature, ce qui explique les erreurs de transcription, et ils sont spécifiques par nature, ce qui explique qu’on les tape dans une barre de recherche.
Corrigez-les en premier, avant d’écrire quoi que ce soit d’autre. Ouvrez la transcription, recherchez chaque nom que vous savez présent, et corrigez chaque occurrence en une seule passe. Ça prend quelques minutes et ça se répercute partout : l’orthographe correcte se retrouve alors dans vos titres de chapitres, vos citations, votre résumé et vos notes sans que vous ayez à la corriger quatre fois séparément. Attention aux noms qui apparaissent sous deux ou trois orthographes erronées différentes, car un simple rechercher-remplacer n’en corrigera qu’une.
Ce que la transcription ne fera pas pour vous
Elle ne sera pas vos notes d’épisode. Publier la transcription brute dans le champ des notes est l’erreur la plus fréquente de tout ce processus, et le résultat se lit exactement aussi mal qu’on l’imagine. La parole regorge de répétitions, de reprises, de phrases abandonnées en cours de route et d’apartés qui passent totalement inaperçus à l’écoute mais qui sautent aux yeux sur la page. L’auditeur n’a pas remarqué que l’invité a dit « en fait » neuf fois. Le lecteur, lui, le remarque tout de suite.
Et ça ne satisfait vraiment personne. Celui qui hésite à écouter ne veut pas de onze mille mots. Celui qui a déjà écouté veut des liens et des références, pas ce qu’il vient d’entendre, restitué en pire. Ça se lit comme du remplissage, et les moteurs de recherche savent repérer du remplissage depuis longtemps.
Publier la transcription sur sa propre page, clairement identifiée comme telle, est en revanche tout à fait raisonnable. C’est utile pour l’accessibilité et pour le référencement, et le lecteur qui l’ouvre sait exactement à quoi s’attendre.
Transformer une transcription en article lisible est possible, et c’est un vrai travail d’écriture — restructurer, couper, ajouter le contexte que les voix apportaient et que la page, elle, ne fournit pas. Prévoyez du temps pour ça, ou ne le faites pas. La transcription vous évite le curseur de lecture. Elle ne vous évite pas l’écriture, et toute méthode qui prétend le contraire décrit des notes que personne ne lit.
