Des sous-titres qui coupent le scroll : la méthode des meilleurs créateurs
La police, la taille, le contour et le timing derrière des sous-titres qui coupent le scroll — les vrais chiffres, pourquoi chacun compte, et comment obtenir ce rendu premium en un clic au lieu de tout refaire à chaque vidéo.
Il y a les sous-titres, et il y a les sous-titres qui coupent le scroll. Ce qui les sépare, ce n'est pas le temps passé : c'est une série de décisions précises que les créateurs performants prennent une fois et réutilisent à vie.
Voici la recette complète, pour un clip 9:16 sur TikTok, Reels ou Shorts :
- Police : une sans-serif grasse — Anton, Montserrat Bold ou Archivo Black
- Taille : 7–10% de la hauteur de l'image
- Couleur : blanc, ou jaune pour les contenus à haute énergie
- Contour : un trait noir de 3–4px, ou un fond plein
- Longueur de ligne : 2–4 mots, une ou deux lignes, jamais trois
- Position : tiers médian-bas, à l'écart des 15% inférieurs
- Timing : mot par mot, pas phrase par phrase
C'est exactement ce qui distingue un sous-titre premium d'un sous-titre par défaut. La suite de cet article explique pourquoi chaque chiffre est ce qu'il est — et pourquoi vous ne devriez jamais avoir à les régler à la main.
Pourquoi les sous-titres automatiques des plateformes ne coupent jamais le scroll
TikTok, Instagram et YouTube sous-titrent tous votre vidéo gratuitement et instantanément. C'est aussi pour ça qu'une immense partie de la vidéo courte se ressemble : même police, même position, même bloc gris que tout le monde dans le feed.
C'est là le vrai problème. Un sous-titre est la première chose que lit un spectateur qui défile, le plus souvent sans le son. S'il ressemble à tous les autres clips, la partie est déjà perdue. Des sous-titres génériques ne se contentent pas de ne rien apporter : ils signalent activement qu'une vidéo a été uploadée plutôt que fabriquée.
Les sous-titres premium font l'inverse. Ils sont la signature visuelle qui fait s'arrêter le pouce, et dès la troisième vidéo, ce qui vous rend reconnaissable.
Les chiffres, et pourquoi ce sont ceux-là
Taille : 7–10% de la hauteur de l'image. Sur un export 1080 × 1920, cela représente environ 135–190px de hauteur de capitale. C'est absurdement grand sur un écran de bureau et parfaitement juste sur un téléphone. C'est de loin l'erreur la plus fréquente : styliser ses sous-titres à la taille qui paraît équilibrée dans son éditeur, sur un écran de 27 pouces, puis publier quelque chose d'illisible sur l'appareil auquel la vidéo est destinée.
Contour : trait noir de 3–4px. Ce n'est pas de la décoration, c'est une assurance. Votre sujet va passer devant une fenêtre, le ciel va cramer, un mur blanc va remplir le cadre. Du texte blanc pur sans contour échoue à un moment ou un autre dans presque tous les clips. Un contour ou un fond plein garantit le contraste sur un arrière-plan que vous ne contrôlez pas.
Longueur de ligne : 2–4 mots. Celle-là repose sur de vraies recherches en lecture. L'empan perceptif d'un lecteur expérimenté — la quantité de texte réellement captée en une seule fixation oculaire — s'étend sur environ 3–4 lettres à gauche du point de fixation et 14–15 espaces-lettres à droite (Rayner, Slattery & Bélanger, 2010). Un sous-titre de deux à quatre mots tient au plus près de cette fenêtre : il est absorbé en une ou deux fixations. Une ligne longue, non : l'œil doit enchaîner les sauts, et chaque saut est du temps passé à lire au lieu de regarder.
Le sous-titrage professionnel a abouti à la même contrainte, par l'autre bout. Le English Timed Text Style Guide de Netflix plafonne les sous-titres à 42 caractères par ligne, deux lignes maximum, avec une vitesse de lecture limite de 20 caractères par seconde pour les programmes adultes. La vidéo courte serre encore davantage, parce que le spectateur regarde en même temps un visage, un cut et un arrière-plan en mouvement.
Si vos sous-titres passent à trois lignes, c'est qu'ils sont trop longs — la solution est de mettre moins de mots par cue, pas de réduire la taille du texte.
Position : tiers médian-bas. Assez haut pour dégager l'interface de la plateforme — pseudos, boutons, barres de progression occupent tous la bande inférieure — et assez bas pour ne pas manger le visage de votre sujet. Prévisualisez dans un cadre au format téléphone, pas dans une fenêtre de bureau, sinon vous ne verrez la collision qu'une fois la vidéo publiée.
Police : une poignée de survivantes. Du texte sur de la vidéo, c'est du texte sur un fond imprévisible, mobile et mal éclairé. Les graisses fines disparaissent sur les images lumineuses. Les serifs perdent leurs déliés sur un téléphone. Les scriptes sont illisibles à cette vitesse. Ce qui survit, ce sont les sans-serif géométriques et grotesques grasses à grande hauteur d'x : Anton, Archivo Black, Montserrat Bold, Poppins Bold, Inter Bold.
Le timing mot à mot, c'est le signal premium
Une fois la typographie réglée, la granularité du timing est la plus grosse différence qui reste — et c'est celle que les spectateurs ressentent sans savoir la nommer.
Les sous-titres au niveau de la phrase déposent un bloc de texte et le laissent là. L'œil le lit en une demi-seconde, puis n'a plus rien à faire. Le timing au mot révèle les mots à mesure qu'ils sont prononcés : le sous-titre reste verrouillé sur la voix et l'œil continue de bouger.
C'est ce qu'on appelle les « sous-titres karaoké ». Cela suppose un temps de début et de fin par mot, pas par ligne. C'est aussi ce qu'il y a de plus fastidieux à faire à la main : décaler des mots un à un sur une timeline, cue par cue, vidéo après vidéo, indéfiniment. Exactement le genre de tâche qui devrait être automatique.
Obtenez ce look en un clic
Vous ne devriez pas avoir à les régler à la main. CakeCut applique des sous-titres de créateur premium (synchronisation au niveau des mots, styles qui arrêtent le défilement) à votre vidéo en un seul clic.
À quoi ressemble vraiment le premium
Deux rendus CloudCap réels, aux deux extrémités du spectre.
Haute énergie. Le jaune sur contour noir est la combinaison la plus contrastée qui existe, et le mélange de graisses — un petit script en amorce au-dessus d'un mot d'affiche massif — crée une hiérarchie à l'intérieur d'un sous-titre de deux mots. C'est un coupe-scroll pour les accroches et les punchlines. Ce serait épuisant sur quatre minutes de face caméra.
Sobre, et discrètement le plus technique des deux. Sans-serif blanche grasse et nette, aucune couleur — et le texte se place derrière le sujet, si bien que son épaule passe devant le mot. Cet indice de profondeur donne au sous-titre l'impression d'être intégré à la scène plutôt que collé par-dessus, et il dégage le visage sans avoir à décentrer le texte.
Ni l'un ni l'autre n'est le genre de chose qu'on assemble à la main à chaque publication. Les deux tiennent en un clic.
Accordez le ton, puis arrêtez de décider
- Cuts rapides ou arrière-plans chargés — utilisez un fond plein plutôt qu'un contour. Un contour ne suffit pas quand l'arrière-plan change toutes les 400ms.
- Contenus posés et sérieux — des sous-titres animés agressifs sonnent faux. La retenue est un style à part entière.
- Écritures non latines — vérifiez que la police possède les glyphes. Beaucoup de polices d'affichage sont latines uniquement, et la police de repli ne respectera pas votre graisse.
- Mots longs — l'allemand, le finnois et le vocabulaire technique font sauter la règle des 2–4 mots. Moins de mots par ligne, pas un texte plus petit.
Chacune de ces décisions ne devrait être prise qu'une fois. Le vrai coût n'est pas de la prendre : c'est de la reprendre, vidéo après vidéo, indéfiniment, pour finir avec un rendu légèrement différent à chaque fois.
Des sous-titres premium, en un clic
C'est précisément la raison d'être de CloudCap. Vous apportez un clip fini et vous repartez avec des sous-titres de créateur premium en un clic : timing au mot déjà appliqué, style distinctif déjà appliqué, prêt à publier.
Les styles sont de vrais presets — dont les deux ci-dessus — pour que la vingtième vidéo ait la même allure que la première. Rien de ce qui précède n'a besoin d'être configuré, mesuré ou recalculé. Et quand vous voulez reprendre la main, le timing, la mise en page et le style de chaque mot restent modifiables, et la boîte de sous-titre est une vraie boîte : le texte ne peut pas déborder du cadre en silence.
Vous pouvez traduire vos sous-titres quand vous voulez qu'un même clip touche un public plus large, et exporter soit une vidéo sous-titrée prête à publier, soit des fichiers de sous-titres comme SRT, TXT et JSON quand vous avez besoin du texte à part.
Ce n'est pas un logiciel de montage. Si vous devez couper, étalonner ou mixer l'audio, continuez à le faire là où vous le faites déjà. CloudCap prend le relais au moment du sous-titrage — cette heure que vous perdriez sinon à déplacer des mots sur une timeline, pour un résultat qui ressemble à celui de tout le monde.
Sources
- Rayner, K., Slattery, T. J., & Bélanger, N. J. (2010). Eye movements, the perceptual span, and reading speed. Psychonomic Bulletin & Review, 17(6), 834–839. L'empan perceptif des lecteurs expérimentés des systèmes d'écriture alphabétiques est de 3–4 lettres à gauche du point de fixation et de 14–15 espaces-lettres à droite. L'article rapporte également des durées moyennes de fixation d'environ 205–253ms et des saccades vers l'avant de 6,2 à 8,9 espaces-lettres, les lecteurs rapides produisant des saccades plus longues que les lecteurs lents.
- Netflix. English Timed Text Style Guide. Spécifie 42 caractères par ligne, deux lignes au maximum, et des vitesses de lecture allant jusqu'à 20 caractères par seconde pour les programmes adultes (17 pour les programmes jeunesse).
Une remarque sur les chiffres qui ne sont pas sourcés : la hauteur de capitale de 7–10%, le contour de 3–4px et le placement dans le tiers médian-bas sont des conventions issues de ce qui fonctionne systématiquement en vidéo mobile 9:16, pas des normes publiées. Les zones de sécurité des plateformes en particulier évoluent avec les changements d'interface et la longueur des sous-titres — les plateformes diffusent leurs gabarits de zone de sécurité à jour via leurs propres outils publicitaires, et ce sont eux qui font autorité, davantage que n'importe quelle valeur fixe en pixels, y compris celles de cet article.