Sous-titres vidéo verticale : l'incrustation ne suffit pas

Un sous-titre incrusté dans une vidéo verticale sert la lecture son coupé. Il ne rend pas la vidéo accessible. Pour l'être, le texte doit restituer toute l'information sonore, rester synchronisé et exister en dehors des pixels : selon les recommandations d'accessibilité numérique d'Orange, les sous-titres « doivent être au format texte et synchronisés avec le son de la vidéo », et non incrustés dans l'image. Sous-titres et accessibilité vidéo verticale, ce sont donc deux livrables distincts : l'habillage kinetic pour la performance, le fichier .srt ou .vtt relu pour la conformité. La plupart des marques paient le premier et croient avoir acheté le second.

Un sous-titre incrusté rend-il vraiment votre vidéo verticale accessible ?

Non. Un sous-titre gravé dans l'image rend la vidéo regardable sans le son, ce qui n'a rien à voir avec l'accessibilité. Du texte incrusté, ce n'est pas du texte : ce sont des pixels. Un lecteur d'écran ne le voit pas. Un utilisateur qui a réglé son téléphone sur une police agrandie ne le grossit pas. Un moteur de traduction automatique ne le reprend pas. Et personne ne peut l'extraire pour relire le contenu à son rythme.

Les recommandations publiques françaises sont claires sur ce point : les sous-titres doivent être associés à la vidéo par un fichier texte indépendant et ne doivent pas être affichés directement dans la vidéo. C'est la phrase que personne, sur les pages qui traitent du sujet, ne relie au workflow social. Elle a pourtant une conséquence directe sur votre devis.

On ne va pas arrêter le burn-in pour autant. Le texte animé en 9:16 fait une partie du travail de rétention, au même titre que les trois couches d'un hook de 3 secondes. Sur nos lots e-commerce, retirer la couche texte d'une créative fait chuter la rétention à 3 secondes de façon systématique. Le burn-in reste. Il ne remplace simplement rien.

Le cas TikTok illustre bien le malentendu. Quand la plateforme a lancé ses sous-titres automatiques en avril 2021, elle a précisé dans son annonce officielle que « Auto captions automatically generate subtitles, allowing viewers to read or listen to content », et que le spectateur peut les désactiver depuis le panneau de partage. Résultat : une information portée uniquement par les auto-captions peut disparaître à la lecture. Une information portée uniquement par le burn-in ne disparaît pas, mais reste invisible pour qui utilise un lecteur d'écran. Les deux voies ont chacune un trou. C'est pour ça qu'on les livre ensemble.

La règle que nous appliquons depuis 2025 sur tous nos lots : une vidéo verticale se livre avec deux pistes texte. L'habillage incrusté, qui sert la performance. Le fichier .srt ou .vtt relu, qui sert l'accessibilité et le réemploi. Facturer la première en croyant vendre la seconde, c'est une erreur de devis, pas une erreur de post-production.

Captions, subtitles, transcription : qu'achetez-vous exactement ?

Trois mots, trois livrables différents, et une confusion qui fait rater la moitié des briefs. En anglais, les captions désignent le texte dans la langue d'origine, qui transcrit les dialogues et les sons porteurs de sens, une porte qui claque, une sonnerie, un rire hors champ. C'est le livrable d'accessibilité. Les subtitles, eux, traduisent les dialogues dans une autre langue : utile commercialement, mais ce n'est pas une mesure d'accessibilité. Un lot de Reels sous-titré en anglais pour le marché UK n'est pas un lot accessible.

En France, le vocabulaire de référence est le SME : sous-titrage à destination des sourds et malentendants. La charte de qualité signée en 2011 sous l'égide du CSA, devenu l'Arcom, fixe des conventions que le web a largement oubliées, un code couleur par type de locuteur, du blanc pour la personne visible à l'écran, du jaune pour une voix hors champ, du rouge pour les effets sonores. Personne ne vous demandera ce niveau sur un TikTok de marque. Mais le principe sous-jacent, lui, vaut partout : si le son porte une information, le texte doit la porter aussi.

La transcription, le livrable oublié

La transcription est un document texte linéaire, sans timecode, qui restitue tout le contenu de la vidéo. Elle ne sert à rien dans le feed. Elle sert énormément ailleurs : sur votre fiche produit, dans un article de blog, dans une page de landing où la vidéo est embarquée, et pour les moteurs de réponse qui n'ont aucun moyen de lire votre créative. La fiche réseaux sociaux d'Orange est explicite : « Toutes les vidéos doivent avoir des sous-titres et si possible une transcription. » Coût marginal réel quand le fichier .srt existe déjà : cinq minutes de copier-coller-nettoyage. Presque personne ne le fait.

Où placer les sous-titres en 9:16 sans qu'ils passent sous l'interface ?

Le piège du 9:16, c'est le bas de cadre : les quatre plateformes y empilent légende, pseudo, son, barre de progression et navigation. Un sous-titre placé « en bas, centré » comme au cinéma disparaît sous l'UI. Pour tout le monde, et en premier lieu pour ceux qui en dépendent. Ce n'est pas un problème de montage, c'est un problème de cadrage, donc une décision de tournage, prise avant que la caméra tourne.

Voici nos relevés internes, faits sur iPhone 15 et Pixel 8 en octobre 2026, applications à jour, en pourcentage de la hauteur d'un cadre 1080 × 1920. Ce sont des mesures maison, pas des spécifications officielles : les plateformes déplacent leur interface sans prévenir, refaites la mesure deux fois par an.

Deux conséquences pratiques. D'abord, la bande utile se situe au tiers central bas, pas en pied de cadre : sur nos productions, le bloc texte est verrouillé entre 32 % et 70 % de la hauteur, avec une marge droite de 18 % pour éviter la colonne de boutons. Ensuite, le cadrage doit laisser cet espace libre dès le tournage, un visage centré bas et un sous-titre au même endroit, c'est un plan à refaire.

Le cas LinkedIn mérite une alerte : le feed recadre les verticales et le texte posé trop haut saute au montage de l'aperçu. On y arbitre souvent autrement, parce que le ratio se choisit par placement, et le choix du ratio détermine mécaniquement la zone de texte disponible.

Les sous-titres automatiques des plateformes suffisent-ils ?

Un sous-titre automatique non relu ne vaut rien en conformité, et il vaut parfois moins que rien commercialement. La reconnaissance vocale a fait d'énormes progrès en français depuis 2023, personne ne le conteste. Elle reste prise en défaut exactement là où ça coûte cher : les noms de marque, les références produit, les dosages, les prix, les mentions légales, les négations.

La négation, c'est le cas qui devrait vous inquiéter. « Ne pas appliquer sur peau lésée » qui devient « appliquer sur peau lésée », ce n'est plus une coquille, c'est un message inversé. Sur nos lots français de 30 secondes, nous relevons en moyenne une à trois corrections par vidéo en langage courant, et bien davantage dès qu'un nom de produit, un chiffre ou un acronyme entre dans le script. Le temps de relecture tourne autour de quatre à huit minutes par vidéo. C'est peu. C'est pourtant la ligne que tout le monde supprime.

La fiche « réseaux sociaux » du référentiel Orange le formule sans détour : « même si des outils peuvent générer automatiquement des sous-titres, il est souvent nécessaire de les vérifier ». Les critères WCAG, de leur côté, exigent des sous-titres pour toute vidéo pré-enregistrée avec bande son dès le niveau A (critère 1.2.2), un sous-titre faux ne satisfait aucun critère, puisqu'un critère de conformité porte sur l'exactitude, pas sur la présence.

Le vrai problème : l'auto-caption n'est pas un livrable

Même corrigé dans l'application, le sous-titre automatique reste prisonnier de la plateforme. Vous ne pouvez pas l'exporter, pas le réutiliser sur votre site, pas le fournir à un acheteur qui demande un fichier. Quand un client nous transmet un lot « déjà sous-titré » produit par une agence précédente, on vérifie un seul point : existe-t-il un .srt dans le dossier ? Dans neuf cas sur dix, non. Il faut tout retranscrire. Comptez de 10 à 20 minutes par vidéo pour rattraper ce qui aurait coûté six minutes au moment du montage.

Quelles vidéos devez-vous sous-titrer, et à quel niveau d'exigence ?

Toutes celles qui portent du son signifiant, et le niveau d'exigence dépend de l'endroit où la vidéo atterrit, pas de l'endroit où elle a été tournée. Une créative qui vit uniquement dans le Gestionnaire de publicités Meta et une vidéo embarquée sur votre fiche produit ne relèvent pas du même régime, alors que c'est souvent le même fichier master.

L'ordre de grandeur du public concerné suffit à clore le débat sur l'opportunité. Selon la fiche d'information de l'Organisation mondiale de la santé sur la surdité et la perte auditive, près de 2,5 milliards de personnes présenteront une forme de perte auditive d'ici 2050, et au moins 700 millions auront besoin d'une rééducation auditive. Ce n'est pas une niche. C'est une partie significative de votre audience payante.

Le cadre réglementaire, et ce que nous ne savons pas

Trois textes structurent le sujet en France. L'article 47 de la loi du 11 février 2005 impose l'accessibilité des services de communication au public en ligne du secteur public et des organismes qui en dépendent, avec le RGAA comme référentiel technique, les critères de la thématique « multimédia » y traitent explicitement des sous-titres synchronisés. Les grandes entreprises au-delà d'un certain seuil de chiffre d'affaires sont également visées. Et la directive (UE) 2019/882, dite European Accessibility Act, est applicable depuis le 28 juin 2025, avec un périmètre qui touche notamment le commerce électronique.

Ce que nous ne savons pas, et nous préférons le dire : la question de savoir si un Reel publié sur une plateforme tierce entre dans le champ de ces obligations n'a jamais reçu, sur nos dossiers, de réponse juridique tranchée. Nous ne sommes pas juristes. Ce que nous observons, en revanche, c'est que la question remonte de plus en plus souvent dans les appels d'offres de grands comptes et dans les marchés publics, sous forme d'une ligne de cahier des charges : « fourniture des fichiers de sous-titrage ». Vous l'avez, ou vous ne l'avez pas.

Le chiffre que nous refusons de reprendre

Vous avez lu partout que 80 ou 85 % des vidéos sociales sont regardées sans le son. Nous avons cherché la source primaire récente et traçable de ce pourcentage. Nous ne l'avons pas trouvée : il circule d'article d'agence en article d'agence depuis une étude de 2016 sur un périmètre très différent. La consommation son coupé en feed est une réalité que nos propres données de rétention confirment. Son niveau exact, non. Méfiez-vous de tout prestataire qui vous vend un sous-titrage avec un pourcentage recopié sans URL.

Combien coûte une vidéo verticale accessible, et sur quelle ligne de devis ?

Le surcoût d'accessibilité d'une vidéo verticale de 30 secondes se situe entre 8 et 15 € quand il est intégré au montage, et entre 25 et 60 € s'il est traité en conformité complète. Ce sont des coûts marginaux relevés sur nos lots de production 2026, pas des prix publics : ils supposent que le monteur a déjà le projet ouvert. Repris à froid, sur un lot livré il y a trois mois, comptez deux à trois fois plus.

Comment on arbitre, concrètement. Pour un lot organique TikTok à fort débit, niveau 4 systématiquement : le fichier coûte dix euros et vous appartient. Pour une creative ad destinée à tourner six semaines en média, niveau 4 également, et le fichier sert ensuite à produire les déclinaisons et les versions traduites sans retranscrire. Pour une vidéo embarquée sur votre site, une landing ou LinkedIn, niveau 5 : c'est là que le cadre réglementaire mord. Pour un marché public ou un grand compte avec une direction accessibilité, niveau 5, et la clause figure dans le contrat avant la signature.

Sur un devis, cette ligne doit être nommée. « Sous-titrage » tout court ne veut rien dire : demandez « habillage texte incrusté » d'un côté, « fichier de sous-titres relu, format .srt ou .vtt » de l'autre. Si le prestataire fusionne les deux, il vous vendra du kinetic. Le détail de ce qu'on attend d'un lot se trouve dans l'annexe de recette en 12 lignes, et la mécanique de chiffrage d'un format court est détaillée dans le devis ligne par ligne d'un Reel.

Comment recetter un lot de 20 vidéos en 15 minutes ?

On ne contrôle pas 20 vidéos ligne par ligne : on contrôle 20 fichiers en trente secondes chacun, puis trois vidéos tirées au sort en profondeur. C'est le protocole que nous appliquons à la livraison, et celui que nous recommandons à nos clients pour contrôler leurs autres prestataires.

Étape 1, cinq minutes : ouvrez le dossier livré. Il y a autant de fichiers .srt que de .mp4 ? Sinon, la recette s'arrête là et repart chez le prestataire. Étape 2, dix minutes : prenez trois vidéos au hasard et passez les huit points suivants.

• Le .srt s'ouvre dans un éditeur de texte et contient des timecodes au format 00:00:01,200. Un fichier sans timecode est une transcription, pas un sous-titre.
• Noms de marque, références produit, prix et dosages : orthographe exacte. C'est le premier endroit où l'ASR se trompe.
• Les négations sont présentes. Cherchez « ne », « pas », « sans » dans le fichier et recoupez avec le script.
• 40 caractères maximum par ligne, deux lignes maximum par bloc. Au-delà, c'est illisible sur un écran de 6 pouces.
• Vitesse de lecture autour de 15 caractères par seconde. C'est la convention de confort que nous appliquons ; au-dessus de 20, personne ne suit.
• Les sons porteurs de sens figurent entre crochets : [sonnerie], [rire hors champ], [bip du four]. S'il n'y en a aucun dans tout le fichier alors que la vidéo en contient, le sous-titrage est partiel.
• Zone sûre : ouvrez la vidéo publiée sur un vrai téléphone, pas dans le lecteur de votre éditeur. Le texte doit rester visible sous la légende dépliée.
• Test de coupure : désactivez les sous-titres de la plateforme et coupez le son. La vidéo garde-t-elle son sens ? Si oui, l'habillage fait son travail. Si non, l'information critique n'existe qu'à l'oral.

Ce protocole ne remplace pas un audit d'accessibilité mené par un expert, il n'en a pas la prétention. Il élimine en un quart d'heure 90 % des défauts que nous voyons arriver dans les lots refaits. Et il fonctionne d'autant mieux que les seuils figurent déjà dans le brief initial, selon la logique décrite dans les trois couches du brief utile. Contrôler ce qu'on n'a pas demandé, ça n'a jamais marché.

Qu'est-ce qui reste inaccessible dans une vidéo verticale, au-delà des sous-titres ?

Le cas le plus courant, et le moins traité : la vidéo muette dont toute l'information tient dans le texte à l'écran. Un avant-après de soin capillaire, une démonstration de montage de meuble, un carrousel de prix, le tout sur une musique libre de droits et sans une seule parole. Un utilisateur non-voyant qui scrolle avec un lecteur d'écran n'en retire rien. Zéro. Il n'y a aucun son à transcrire et aucun texte lisible par la machine.

La parade n'est pas élégante mais elle fonctionne : reprendre les informations clés dans la légende du post, et fournir une transcription des informations visuelles dans le pack de livraison pour les réemplois hors plateforme. Nous l'imposons désormais sur tous les formats « texte seul ». Cinq lignes de légende, trois minutes de rédaction.

Contraste, flashs, voix de synthèse

Trois autres points reviennent sur nos recettes. Le contraste du texte incrusté : du blanc pur sur fond clair, très répandu dans les habillages tendance, devient illisible dès que le sujet bouge, on ajoute une ombre portée ou un bandeau semi-opaque, pas un contour fin. Les flashs : les transitions stroboscopiques rapides posent un risque réel pour les personnes photosensibles, et nous les refusons au-delà de trois alternances par seconde. La voix de synthèse TikTok, enfin, aide certains utilisateurs mais massacre les noms de marque : si vous l'utilisez pour une accroche, écoutez-la avant publication.

Une remarque sur les Stories, que le référentiel Orange signale comme peu accessibles : la nature même du format, avec sa durée fixe et son enchaînement automatique, rend la lecture de sous-titres difficile pour qui lit lentement. Nous ne connaissons pas de solution satisfaisante. Le contournement consiste à ne pas y faire passer d'information unique, et à répliquer le message dans un post pérenne.

Les plateformes avancent de leur côté, mais uniquement sur la lecture : sous-titres automatiques, texte agrandi, réglages de contraste, synthèse vocale. Rien de tout cela ne produit le fichier que votre direction juridique vous demandera. La partie création reste de votre côté de la table, et c'est précisément là que la question des sous-titres et de l'accessibilité en vidéo verticale se joue : au moment du cadrage et au moment de l'export, pas au moment de la publication. Le jour où un acheteur vous réclame vos .vtt pour 200 créatives produites l'an dernier, le devis de rattrapage coûte dix fois ce que la ligne aurait coûté sur la facture d'origine. Nous l'avons chiffré deux fois en 2026. Les deux fois, le client a payé.

Questions fréquentes

Un fichier SRT est-il obligatoire si mes sous-titres sont déjà incrustés ?

Le texte incrusté n'est pas du texte : il n'est ni lisible par un lecteur d'écran, ni redimensionnable, ni exportable. Les recommandations d'Orange demandent explicitement un fichier texte indépendant synchronisé avec le son. L'incrustation sert la rétention en feed, le fichier sert l'accessibilité et le réemploi. Livrez les deux, c'est une ligne de devis à dix euros.

Les sous-titres automatiques de TikTok suffisent-ils pour une marque ?

Non, tant qu'ils ne sont pas relus. TikTok précise que ses auto-captions génèrent automatiquement les sous-titres et que le spectateur peut les désactiver. Sur nos lots français de 30 secondes, nous corrigeons en moyenne une à trois erreurs par vidéo, davantage sur les noms de produits et les négations. Le texte corrigé reste par ailleurs prisonnier de l'application.

Où placer les sous-titres pour qu'ils ne passent pas sous l'interface en 9:16 ?

Dans la bande centrale basse, jamais en pied de cadre. Nos relevés d'octobre 2026 situent la zone utile entre 32 % et 70 % de la hauteur sur TikTok, avec une marge droite de 18 % pour éviter la colonne de boutons. Cette zone se réserve au cadrage, pendant le tournage, pas au montage.

Combien coûte le sous-titrage accessible d'une vidéo verticale de 30 secondes ?

Entre 8 et 15 € de coût marginal quand le fichier .srt relu est produit pendant le montage, selon nos lots 2026. Comptez 25 à 60 € pour un pack conformité complet avec transcription et description des informations visuelles. Repris à froid, plusieurs mois après la livraison, le coût est deux à trois fois supérieur.

Quelle différence entre sous-titres, captions et transcription ?

Les captions restituent les dialogues et les sons porteurs de sens dans la langue d'origine : c'est le livrable d'accessibilité. Les subtitles traduisent dans une autre langue et ne relèvent pas de l'accessibilité. La transcription est un texte linéaire sans timecode, utile sur un site ou une fiche produit. Trois livrables différents, trois usages.

Mon entreprise est-elle obligée de sous-titrer ses vidéos sociales ?

Le secteur public et les grandes entreprises au-delà d'un seuil de chiffre d'affaires relèvent de l'article 47 de la loi de 2005 et du RGAA. L'European Accessibility Act s'applique depuis le 28 juin 2025, notamment au commerce électronique. Le statut précis d'une vidéo publiée sur une plateforme tierce reste discuté : faites trancher par votre juridique.