Bonnes pratiques de sous-titrage : des sous-titres vraiment lisibles

Un sous-titre ne fonctionne que si l’on peut le lire pendant son temps d’affichage tout en voyant ce qui se passe à l’image. Les chaînes de télévision et les plateformes de streaming en ont tiré des règles précises. La vidéo sur les réseaux sociaux change certaines conditions (l’écran est haut et petit, le style plus appuyé, le spectateur fait défiler son fil), mais ces règles restent le bon point de départ, et la plupart s’appliquent telles quelles.

Les recommandations à connaître

Quatre références reviennent sans cesse. Les chiffres de ce guide sont tirés de leurs versions actuelles. Lorsqu’elles divergent, c’est généralement parce qu’elles ont été écrites pour des écrans et des publics différents.

• Les BBC Subtitle Guidelines (version 1.2.5, mars 2026) couvrent la télévision et la vidéo en ligne, et incluent des recommandations spécifiques à la vidéo verticale 9:16.
• L’English (USA) Timed Text Style Guide de Netflix fixe les règles des sous-titres classiques et des sous-titres pour sourds et malentendants (SME, “SDH” en anglais) livrés à Netflix.
• Le DCMP Captioning Key, publié par le Described and Captioned Media Program américain, a été rédigé en pensant aux médias éducatifs.
• Les WCAG 2.2 exigent des sous-titres pour les vidéos préenregistrées (critère de succès 1.2.2), mais ne précisent ni la longueur des lignes, ni la vitesse, ni le style.

Longueur des lignes

Les lignes longues obligent l’œil à parcourir plus de distance et masquent une plus grande partie de l’image. La BBC limite les sous-titres diffusés à la télévision à 37 caractères par ligne, une contrainte héritée du Télétexte. Pour la vidéo en ligne, elle fixe plutôt la limite en largeur : 68 % de la largeur d’une vidéo horizontale 16:9, ou 90 % d’une vidéo verticale 9:16. Le guide anglais de Netflix autorise jusqu’à 42 caractères par ligne.

La vidéo verticale est étroite : bien moins de caractères y tiennent à une taille lisible. La BBC donne une équivalence utile : 37 caractères dans une zone occupant 75 % de la largeur d’une vidéo 16:9 correspondent à 25 caractères sur 90 % d’une image 9:16. Pour TikTok, les Reels et les Shorts, considérez environ 25 caractères par ligne comme un plafond, et faites plus court si votre style de sous-titres utilise une police grande et épaisse.

Lignes par sous-titre

Netflix autorise deux lignes au maximum, et le DCMP Captioning Key préfère ne pas en dépasser deux. La BBC recommande deux lignes pour les vidéos horizontales, 4:3 et carrées, et jusqu’à trois pour les vidéos verticales 9:16, où chaque ligne est plus courte. Sur un montage vertical chargé, une seule ligne (ou deux lignes courtes) dégage davantage l’image et donne moins à lire d’un coup au spectateur.

Vitesse de lecture

La vitesse de lecture se mesure en mots par minute (mots/min) ou en caractères par seconde (cps). Voici ce qu’autorise chaque référence :

Pour vérifier un sous-titre, divisez son nombre de caractères par sa durée d’affichage. Un sous-titre de 38 caractères affiché 1,5 seconde défile à environ 25 cps, soit plus vite que ce que Netflix autorise pour les programmes pour adultes. Affichez-le plus longtemps si la parole le permet, ou coupez-le en deux sous-titres.

Les personnes qui parlent vite sont le cas difficile de la vidéo sur les réseaux sociaux. La BBC note que les spectateurs préfèrent généralement des sous-titres verbatim, et sur les réseaux sociaux, la formulation exacte de la personne est souvent l’essentiel. Plutôt que de réécrire ses propos, découpez-les en sous-titres plus nombreux et plus courts, synchronisés avec la parole. Ne condensez que si les mots ne peuvent vraiment pas être lus à temps, et jamais d’une façon qui en change le sens.

Synchronisation et durée

• Démarrez avec la parole. Les recommandations de la BBC préconisent de caler le sous-titre sur le moment où la parole commence, et de réduire au minimum tout retard par rapport à celle-ci.
• Durée minimale. Netflix fixe un minimum de cinq sixièmes de seconde (20 images à 24 i/s). Le DCMP Captioning Key fixe 40 images, soit 1 seconde et 10 images. La BBC conseille de viser environ 0,3 seconde par mot : un sous-titre de quatre mots reste donc affiché environ 1,2 seconde.
• Durée maximale. Netflix limite un sous-titre à 7 secondes, et le DCMP à 6. Un sous-titre qui reste affiché longtemps après la fin des paroles ne correspond plus à ce que le spectateur entend.
• Changements de plan. La BBC déconseille les sous-titres qui chevauchent un changement de plan : coupez la phrase, ou faites démarrer le nouveau sous-titre sur la coupe. Avec le montage rapide des réseaux sociaux, cette règle est difficile à suivre à la lettre, mais évitez qu’un sous-titre n’apparaisse que quelques images juste avant une coupe.

Où revenir à la ligne

Revenez à la ligne là où la personne ferait naturellement une pause, idéalement après une ponctuation. La BBC énumère les paires qui doivent rester sur la même ligne :

• un article et son nom (la table, un livre) ;
• une préposition et le groupe qui la suit (sur la table) ;
• une conjonction et sa proposition (et ces livres) ;
• un pronom et son verbe (ils viendront) ;
• les éléments d’une forme verbale composée (aura été fait).

Le guide anglais de Netflix recommande de couper après la ponctuation et avant les conjonctions ou les prépositions, et de ne séparer ni un nom, ni un adjectif de son nom, ni un sujet de son verbe. Le DCMP Captioning Key recommande lui aussi de ne pas couper le nom d’une personne, ni de séparer un titre du nom auquel il se rapporte.

Maladroit   Nous avons lancé la
            nouvelle appli en mars.

Mieux       Nous avons lancé
            la nouvelle appli en mars.

Les retours à la ligne ne sont toutefois pas la priorité absolue. Selon la BBC, lorsque de bons retours à la ligne entrent en conflit avec un texte bien édité et une bonne synchronisation, le texte et la synchronisation priment.

Placement en vidéo verticale

Les sous-titres traditionnels se placent en bas au centre de l’image, et se déplacent lorsqu’ils masqueraient un élément important. Le DCMP recommande de placer les sous-titres en haut lorsqu’ils cacheraient le visage de la personne qui parle ou un texte essentiel à l’écran, et Netflix place les sous-titres là où ils sont le plus lisibles lorsqu’un texte apparaît à l’écran.

Les plateformes verticales ajoutent un autre obstacle : l’interface de l’application elle-même. Sur TikTok, les Reels et les Shorts, le nom du créateur de contenu et le texte de la publication recouvrent le bas de la vidéo, et les boutons pour aimer, commenter et partager occupent le bord droit.

• Remontez les sous-titres. La BBC note qu’en vidéo verticale, il est courant de placer les sous-titres un peu plus haut, généralement toujours dans le tiers inférieur, car les visages se trouvent plutôt dans la moitié supérieure de l’image.
• Laissez une marge à droite pour que les mots ne passent pas sous les boutons, et gardez les lignes centrées.
• Dégagez les bouches et le texte à l’écran. Déplacez un sous-titre plutôt que de le laisser chevaucher un plan produit ou un titre.
• Testez sur un téléphone. La disposition des applications change et varie d’un appareil à l’autre : vérifiez une mise en ligne de test sur un vrai écran plutôt que de vous fier à un gabarit figé.

Contraste, contour et taille

Un sous-titre doit rester lisible sur chaque image, d’une pièce sombre à un mur blanc derrière la personne qui parle. Trois méthodes fiables permettent d’y parvenir :

• Un encadré. Par défaut, la BBC utilise du texte blanc sur fond noir. Le DCMP Captioning Key préfère un encadré translucide, pour que le texte reste lisible sur les fonds clairs.
• Un contour ou une ombre. Le DCMP demande des caractères blancs, de graisse moyenne et sans empattement, avec une ombre portée ou un liseré. Pour les styles appuyés des réseaux sociaux, un contour sombre et plein remplit le même rôle.
• Un contraste mesuré. Le rapport de contraste minimal des WCAG pour le texte est de 4,5:1 (critère de succès 1.4.3). Il vise le texte des pages web plutôt que celui des vidéos, mais c’est une référence raisonnable pour le texte d’un sous-titre par rapport à son encadré ou à son contour.

Pour la taille, la BBC définit le texte des sous-titres par la hauteur de ligne, en proportion de la hauteur de la vidéo : 7 à 8 % pour les vidéos horizontales, 4:3 et carrées, et 3,9 à 4,5 % pour les vidéos verticales 9:16. Les styles de sous-titres des réseaux sociaux sont souvent plus grands et plus gras. Cela peut fonctionner, à condition que les lignes restent assez courtes pour tenir à l’écran et que le texte ne masque pas le sujet.

Enfin, la casse. Le DCMP préfère le mélange de majuscules et de minuscules pour la lisibilité, et réserve les capitales aux cris. Les styles tout en majuscules sont courants dans les vidéos courtes ; si vous en utilisez un, raccourcissez encore vos sous-titres.

Interlocuteurs, sons et musique

Les spectateurs qui n’entendent pas l’audio (parce qu’ils sont sourds ou malentendants, ou simplement parce qu’ils font défiler leur fil sans le son) ont besoin de plus que les dialogues.

• Changements d’interlocuteur. Indiquez clairement quand une nouvelle personne prend la parole. La BBC utilise un petit ensemble de couleurs de texte sur fond noir (blanc, jaune, cyan et vert) et attribue toujours la même couleur à chaque personne. Le guide anglais de Netflix n’ajoute l’identité de l’interlocuteur entre crochets que lorsque les spectateurs ne peuvent pas voir qui parle. Le DCMP préfère placer le sous-titre sous la personne qui parle, avec son nom entre parenthèses lorsque le placement ne suffit pas.
• Effets sonores. Sous-titrez les sons qui comptent pour l’histoire ou pour la blague. Les conventions varient : la BBC écrit les indications sonores en capitales blanches, sous forme de courtes phrases sujet-verbe, comme LE PARQUET GRINCE ; Netflix utilise des crochets et des minuscules, comme [une porte claque] ; le DCMP place les descriptions entre crochets et nomme la source du son.
• Musique. Le DCMP place les paroles chantées entre des symboles de note de musique (♪). Pour la musique de fond, une courte description de l’ambiance entre crochets suffit lorsqu’elle compte.
• Choisissez une convention et tenez-vous-y. La cohérence au sein d’une vidéo compte plus que le système retenu.

Précision : noms, nombres et jargon

La reconnaissance vocale automatique vous donne rapidement un premier jet, mais elle commet des erreurs prévisibles. Le centre d’aide de YouTube prévient que ses sous-titres automatiques peuvent déformer les propos à cause d’une mauvaise prononciation, d’accents, de dialectes ou de bruits de fond. Vérifiez systématiquement ces points à la main :

• Les noms de personnes, de marques, de produits et de lieux, y compris leurs majuscules.
• Les nombres, prix, dates et unités. Choisissez une façon d’écrire les nombres et appliquez-la partout. Le DCMP écrit en toutes lettres les nombres de un à dix, et en chiffres au-delà.
• Le jargon et les sigles de votre domaine, qu’une reconnaissance vocale généraliste peut ne pas connaître.
• Les homophones, comme ses et ces, a et à, cent et sans.
• Mots de remplissage et faux départs. Décidez si vous gardez les « euh » et les mots répétés. Les supprimer facilite la lecture ; les garder préserve le ton de la personne qui parle. Ne supprimez jamais un mot qui change le sens.

La correction doit être rapide. Dans AutoCap, chaque mot a son propre temps de début et de fin : vous pouvez corriger un nom mal compris, couper une ligne trop longue ou ajuster la synchronisation d’un seul mot sans resynchroniser tout ce qui l’entoure.

Styles mot par mot et karaoké

Les sous-titres mot par mot affichent un ou quelques mots à la fois, ou révèlent une ligne mot après mot. Les styles karaoké affichent toute la ligne et mettent en évidence chaque mot au moment où il est prononcé. Les deux sont courants dans les vidéos courtes, car le mouvement attire l’œil. Ils changent aussi la façon de lire :

• Moins de texte à la fois, donc pas de lecture anticipée. Avec une ligne complète à l’écran, le spectateur peut saisir la phrase puis revenir à l’image. Quand les mots arrivent un par un, il ne peut lire qu’au rythme de la personne qui parle, et ses yeux restent fixés sur le texte.
• Les recommandations pour la télévision en font une exception. Selon la BBC, les sous-titres cumulatifs (dont une partie apparaît après le reste) ne doivent être utilisés que pour une bonne raison, comme un effet dramatique ou le rythme d’une chanson.
• L’animation fait concurrence aux mots. Un rebond ou un changement de couleur sur chaque mot demande plus d’effort qu’une ligne stable avec un seul mot mis en évidence.

Utilisez-les pour les vidéos courtes et percutantes, les accroches des premières secondes et la mise en valeur d’un mot clé. Passez à un style plus stable pour les tutoriels, les interviews, les longues explications et les débits rapides. Le surlignage karaoké est souvent le meilleur compromis : la phrase entière reste lisible tandis que le mot en cours est mis en évidence. Il ne fonctionne que si la mise en évidence tombe sur le mot au moment où il est prononcé, d’où l’importance de la synchronisation mot par mot : une mise en évidence en avance d’une demi-seconde ressemble à un bug. Vous pouvez comparer les approches dans la galerie de styles de sous-titres.

Liste de contrôle

1. Une ou deux lignes par sous-titre ; jusqu’à trois lignes courtes en vidéo verticale.
2. Environ 25 caractères par ligne au maximum en vidéo verticale ; pas plus de 37 à 42 en vidéo horizontale.
3. Vitesse de lecture limitée à environ 20 caractères par seconde (17 pour les contenus jeunesse), ou 160 à 180 mots par minute.
4. Aucun sous-titre affiché moins d’une seconde environ, ni plus de 6 à 7 secondes.
5. Sous-titres qui démarrent avec la parole et évitent de chevaucher les changements de plan.
6. Retours à la ligne aux pauses naturelles, sans jamais couper un nom propre ni séparer un article de son nom.
7. Sous-titres à l’écart des visages, du texte à l’écran et des boutons de l’application, vérifiés sur un téléphone.
8. Contraste élevé grâce à un encadré, un contour ou une ombre, testé sur des images claires et sombres.
9. Changements d’interlocuteur et sons importants signalés selon un style unique et cohérent.
10. Noms, nombres et jargon vérifiés par une personne.
11. Animation mot par mot réservée aux vidéos courtes.

Pour savoir quand incruster les sous-titres et quand publier un fichier de sous-titres, consultez notre guide sous-titres incrustés ou sous-titres codés.