Tous les deux ou trois ans, une idée de montage arrive avec son argumentaire, et celui du montage par le texte affirme que la timeline est finie — que frotter de la vidéo aura bientôt l’allure qu’a aujourd’hui le rembobinage d’une cassette. Les monteurs timeline rendent la politesse en traitant le montage par le texte de jouet pour gens qui n’ont jamais appris le vrai outil. Les deux camps se disputent sur la mauvaise chose. Les deux vues ne sont pas des réponses rivales à une même question ; ce sont des réponses à des questions différentes, et un montage ordinaire de vidéo face caméra pose les deux sortes avant d’être terminé. La compétence utile n’est pas la loyauté envers une vue. C’est de savoir, à chaque instant, à quelle question vous êtes en train de répondre — car une question de sens réglée sur la timeline gâche un après-midi, et une question d’images ne peut pas se régler du tout dans le texte. Triez votre montage en ces deux piles et l’essentiel du débat se dissout. Ce qui reste est une méthode de travail, et une méthode calme : chaque vue fait le travail où l’autre est mauvaise, dans un ordre qui, on le verra, compte.
Commencez par ce à quoi la timeline sert vraiment, car la liste est plus longue que l’argumentaire du texte ne l’admet. Où commence la vidéo ? L’enregistrement commence par votre main qui cherche le bouton et votre visage qui se met en place ; le premier mot arrive une seconde et demie plus tard, et choisir l’image exacte d’ouverture est une décision sur des images, pas sur des mots. Une transcription n’a pas de vocabulaire pour cela — elle ne peut pas vous montrer un clignement, une main qui sort du cadre, la demi-seconde où votre sourire se pose. Même chose pour resserrer sans supprimer : deux bonnes phrases séparées par une respiration d’un temps trop longue, où la solution est de raccourcir un creux de dix images, pas d’effacer quoi que ce soit qu’une transcription saurait nommer. Et même chose pour le son : une couture qui tombe proprement sur une consonne, une respiration fondue plutôt que hachée, un ronflement visible dans la forme d’onde et jamais dans les mots. Ce sont des questions de temps et de son. La timeline n’est pas une interface d’un autre âge pour elles ; c’est l’instrument juste, et elle le restera.
Passons aux questions pour lesquelles le texte est fait. Une phrase simplement fausse — la première tentative ratée, le chiffre corrigé l’instant d’après — est un problème de sens, et la chercher en frottant la timeline relève de l’archéologie : vous creusez des strates de forme d’onde grise pour une chose que l’œil reconnaîtrait instantanément. La digression qui semblait valoir le détour et ne le valait pas ; l’aparté qui émousse l’argument fort juste avant qu’il ne porte ; le paragraphe où vous avez dit deux fois la même chose et où la seconde version est la meilleure — ce sont des décisions de monteur au sens où un correcteur de prose en prend, et elles se prennent au mieux comme on corrige de la prose : en lisant. Dans le texte, chacune coûte une lecture et une touche. Et l’effet profond n’est pas la vitesse mais la couverture. À vitesse de lecture, vous pesez chaque phrase de la prise, comme chaque phrase d’un brouillon ; à vitesse de frottement, vous ne réparez que ce qui fut assez catastrophique pour rester en mémoire. Le montage par le texte ne trouve pas seulement les coupes plus vite. Il trouve des coupes que la timeline n’aurait jamais fait remonter.
Dans Talk2Camera, le choix n’est pas exclusif, car les deux vues modifient une seule et même liste de coupes. L’onglet Transcription liste la prise en phrases touchables — transcrites sur l’appareil sur iPhone et iPad, tirées sur Android du script sur lequel la prise a été lue, minuté par le prompteur pendant que vous parliez. Touchez une phrase, coupez-la, et ce segment de vidéo sort du montage ; la phrase reste visible, barrée, et revient d’une touche. Passez à la timeline et la même coupe est là, un creux que vous pouvez inspecter et jouer — et les ajustements que vous faites sur la timeline, les décisions à l’image près sur où les choses commencent et finissent, appartiennent au même montage unique que la transcription vous montre. Chaque changement, de la phrase coupée au bord ajusté jusqu’aux pauses retirées automatiquement, atterrit dans une seule liste vérifiable où chaque élément s’annule séparément. Et sous les deux vues, le fichier d’enregistrement lui-même n’est jamais modifié. Pas d’export d’un mode vers l’autre, pas de point de non-retour — deux fenêtres sur le même ensemble de décisions.
Cette forme suggère un ordre de travail, et il vaut la peine d’être suivi. Faites d’abord la passe texte. Lisez la prise, coupez les phrases qui ne devraient pas exister, et faites-le sans vous soucier des coutures — il n’y a aucun sens à polir à l’image près une phrase que vous allez supprimer. Puis parcourez la timeline sur ce qui a survécu : posez l’image d’ouverture, resserrez la respiration entre les deux phrases désormais voisines, vérifiez les coutures créées par la passe texte et ajustez celle qui accroche. La première passe est du montage comme on écrit ; la seconde, du montage comme un artisanat. Dix minutes de chaque battront une heure d’une seule, parce que chaque passe n’affronte que les questions pour lesquelles elle est équipée. Les camps continueront de se disputer, puisqu’un argumentaire a besoin d’un ennemi. Mais le montage d’une personne qui parle est à la fois un texte et des images, et il paraît tout naturel, une fois qu’on a travaillé ainsi, de le monter comme les deux.