Une vidéo où quelqu’un parle est consommée en silence bien plus souvent que ne l’imagine la personne qui l’a faite. Elle tourne dans un train avec les écouteurs restés à la maison, dans un bureau paysager, au lit à côté de quelqu’un qui dort, dans un fil qui se lance en sourdine et ne sera jamais réactivé. Les chiffres exacts bougent selon la plateforme et l’année, mais toutes les enquêtes qui se sont penchées dessus atterrissent dans la même zone : une grande partie du visionnage en fil d’actualité — dans bien des contextes la majorité — se fait sans le son. Ajoutez les spectateurs sourds ou malentendants, pour qui les sous-titres ne sont pas une préférence mais le canal tout entier, et la conclusion devient difficile à éviter. Pour une part réelle et considérable de votre public, les sous-titres ne sont pas un accessoire de la vidéo. Ils sont la bande-son de la vidéo, rendue dans la seule forme qui atteigne ces gens. Une vidéo parlée sans sous-titres est, pour eux, un film muet qui a oublié ses intertitres.
Vient ensuite le deuxième public : les gens qui comprennent votre langue mieux par écrit qu’à l’oreille. Écouter est la compétence linguistique la plus difficile qui soit — cela va à la vitesse du locuteur, dans son accent, avec ses syllabes avalées — et des centaines de millions de personnes lisent couramment une langue qu’elles peinent à suivre à l’oreille. Un sous-titre supprime l’accent et la moitié du problème de vitesse d’un seul geste. Et derrière eux se tient le public qui ne lit pas du tout votre langue : pour ces gens, une piste traduite fait la différence entre regarder et continuer à faire défiler. L’économie de la chose penche entièrement de votre côté. La vidéo elle-même a coûté cher : la réflexion, le script, la lumière, les prises. Une deuxième piste de sous-titres ne coûte presque rien en comparaison, et elle élargit le public sans réenregistrer un seul mot — votre voix, votre visage et votre jeu restent exactement ce qu’ils étaient.
L’objection évidente est que les plateformes génèrent déjà des sous-titres automatiquement, et c’est vrai — à partir du seul son. Le système de reconnaissance n’a jamais vu votre script. Il ignore que le nom de votre produit porte une majuscule au milieu, que le nom de famille de votre cofondatrice n’est pas un mot courant, que le jargon de votre secteur est du jargon et non un mot mal entendu. Alors il écrit tout cela phonétiquement, choisit le mauvais homophone avec une confiance totale, saupoudre la ponctuation à la statistique et coupe les lignes là où le modèle respire par hasard. Quand la plateforme traduit ensuite automatiquement ces sous-titres automatiques, les erreurs se multiplient entre elles : les spectateurs de la deuxième langue reçoivent la traduction d’une mauvaise transcription, à deux pas de tout ce que vous avez dit. Et ils n’accusent pas la plateforme. Une faute à l’écrit reste à l’écran, lisible et attribuable, à côté de votre visage. Un mot mâché passe en une seconde ; un nom massacré dans un sous-titre, c’est une capture d’écran.
Voilà le plaidoyer pour livrer votre propre piste, et il commence par l’origine du texte. Dans Talk2Camera, le texte des sous-titres vient de votre script réel ou de la reconnaissance effectuée sur l’appareil — et quand vous lisez le script que vous avez écrit, les sous-titres héritent de son orthographe. Les noms sortent tels que vous les avez écrits : la capitalisation étrange de votre produit, le nom de votre collègue, le terme technique que le sous-titreur automatique n’a jamais croisé. Cette seule propriété — les sous-titres savent ce que vous vouliez dire — élimine toute la classe d’erreurs qui rend les sous-titres automatiques embarrassants. Elle remet aussi les retours à la ligne entre vos mains plutôt qu’entre celles du modèle, ce qui compte plus qu’il n’y paraît : un sous-titre qui se coupe au milieu d’un nom, ou qui abandonne une préposition en bout de ligne, se lit deux fois — et un sous-titre lu deux fois a déjà échoué à sa seule mission, qui est d’être invisible.
Pour la deuxième langue, Talk2Camera traduit vos sous-titres dans une autre langue sous la forme d’une piste supplémentaire, et le détail qui fait tenir la fonction, c’est le minutage. La traduction conserve votre minutage d’origine, ligne par ligne : la ligne traduite apparaît exactement au moment où vous prononcez la ligne d’origine. Cela ressemble à un détail technique, jusqu’au jour où l’on regarde une piste qui dérive. Vos mains désignent la chose que vous nommez deux secondes après que le lecteur en a pris connaissance, votre visage réagit à une blague que le sous-titre n’a pas encore racontée, et la personne à l’écran se détache lentement des mots qui défilent sous elle. La correspondance ligne à ligne a un second bénéfice, plus discret : elle rend la relecture possible. Quiconque lit la langue cible peut poser les deux pistes côte à côte et les vérifier ligne contre ligne — sans naviguer dans la timeline, sans deviner quelle phrase répond à quelle autre.
La livraison est un choix entre deux contenants, et l’app prend en charge les deux. Les sous-titres peuvent être incrustés dans l’image — la bonne réponse pour les fils qui ignorent les fichiers annexes : le texte incrusté est toujours visible, survit à tous les lecteurs et à tous les re-téléversements, et vous coûte en échange la possibilité de l’éteindre ou de proposer plus d’une langue. Ou bien ils voyagent en fichiers .srt vers les plateformes qui acceptent les sous-titres en accompagnement : là, ils restent activables et cherchables, et le spectateur choisit sa langue — l’original et la traduction peuvent faire la route ensemble. La règle pratique : incrustez pour la vidéo verticale courte, livrez le .srt là où la plateforme le respecte, et faites les deux quand une vidéo vit à plusieurs endroits. Quel que soit le véhicule, le constat demeure. Le spectateur qui lit n’est pas un cas limite. À en croire les chiffres, il est peut-être votre majorité — et il mérite mieux qu’une hypothèse phonétique sur votre propre nom.