Les règles de sous-titrage que personne n'explique : 17 caractères par seconde, et pourquoi les vôtres sont pressés

Les sous-titres automatiques sont en général exacts et pourtant pénibles à lire. Les mots sont justes, le calage colle à l’audio à la milliseconde, et regarder avec eux fatigue. Ce n’est pas un problème de transcription : c’est un problème de timing, et il tient à quatre nombres que le sous-titrage télé utilise depuis des décennies.

Le nombre qui compte le plus : 17 caractères par seconde

La vitesse de lecture décide de tout. Un sous-titre de 60 caractères affiché deux secondes demande de lire 30 caractères par seconde tout en regardant l’image. C’est impossible, donc il se passe l’une de deux choses : on met en pause, ou on cesse de lire et les sous-titres deviennent du bruit.

La référence sur laquelle converge l’essentiel du secteur est de 17 caractères par seconde pour un programme adulte - le chiffre du guide de style de sous-titrage de Netflix, et la valeur par défaut de notre vérificateur de lisibilité. Le contenu jeunesse descend, généralement autour de 13. Un dialogue rapide de comédie peut dépasser sur quelques sous-titres sans dommage, mais un fichier qui dépasse 20 CPS en moyenne épuise quiconque lit vraiment.

Concrètement, à 17 CPS :

Longueur du sous-titre	Temps d’affichage minimal
30 caractères	1,8 seconde
42 caractères	2,5 secondes
60 caractères	3,5 secondes
84 caractères (deux lignes pleines)	5,0 secondes

Les sous-titres générés automatiquement enfreignent cette règle en permanence, parce qu’ils découpent sur les pauses de l’audio et non sur le temps de lecture. Quelqu’un qui envoie une longue phrase d’une traite produit un sous-titre de 90 caractères affiché trois secondes : parfaitement synchrone sur le papier, illisible en pratique.

42 caractères par ligne, deux lignes maximum

Le deuxième nombre est la longueur de ligne. Au-delà d’environ 42 caractères, l’œil parcourt une distance horizontale telle qu’il perd le début de la ligne suivante, et sur téléphone le texte rétrécit ou casse au mauvais endroit.

Le troisième nombre en découle : jamais plus de deux lignes à la fois. Un sous-titre sur trois lignes couvre l’image et force à choisir entre lire et regarder. Si une phrase ne tient pas en deux lignes de 42, ce n’est pas un sous-titre : ce sont deux.

Et quand on coupe, on coupe à une articulation grammaticale. Une ligne qui s’arrête après « le » ou « de » oblige à garder une demi-idée en tête pendant le saut :

Mauvais :                   Mieux :
Nous décalons le            Nous décalons
lancement à mars parce      le lancement à mars

Sur une vidéo verticale, les deux lignes comptent pour une seconde raison : un sous-titre de trois lignes est assez haut pour empiéter sur la bande que recouvre l’interface de l’app. Le vérificateur de zone de sécurité dessine cette bande sur votre propre image.

Le quatrième nombre : ne pas faire clignoter

Un sous-titre qui apparaît et disparaît en moins d’une seconde se lit comme un clignotement, même si les mots ont réellement duré si peu. Le plancher habituel en diffusion est de cinq sixièmes de seconde (environ 0,83 s) ; en ligne, une seconde pleine est plus sûre. Les interjections courtes - « Oui. » « Voilà. » - sont précisément celles que les outils automatiques expédient trop vite, parce que l’audio dure vraiment cela.

La solution n’est pas d’allonger chaque sous-titre, mais de fusionner. Deux sous-titres d’un mot séparés de 300 ms forment un seul sous-titre affiché une seconde et demie.

Pourquoi l’automatique se trompe systématiquement

Le sous-titrage automatique optimise la synchronisation, pas la lisibilité. Il sait quand chaque mot a été prononcé, donc il place les sous-titres sur la forme d’onde. Le résultat est fidèle au son et indifférent au lecteur :

• les phrases longues dites vite deviennent un sous-titre dense,
• les pauses naturelles deviennent des frontières, même en milieu de proposition,
• les tics de langage obtiennent leurs micro-sous-titres,
• et rien ne fusionne, parce que rien ne mesure le temps de lecture.

C’est pourquoi « la transcription est exacte à 99 % » et « les sous-titres sont désagréables » peuvent être vrais du même fichier.

Vérifier un fichier en une minute environ

Inutile d’examiner 400 sous-titres à l’œil. Exportez votre SRT ou VTT, déposez-le dans le vérificateur de lisibilité : il liste chaque sous-titre qui dépasse votre limite de CPS, déborde en longueur de ligne, utilise trop de lignes ou reste moins longtemps que votre minimum. Les valeurs par défaut sont 17 CPS, 42 caractères, 2 lignes - modifiez-les si votre plateforme a ses propres règles.

Corrigez ensuite dans cet ordre, chaque étape réduisant le travail de la suivante :

1. Fusionnez les clignotements. Les sous-titres de moins d’une seconde collés à leurs voisins.
2. Divisez les denses. Tout ce qui dépasse la limite de CPS devient deux sous-titres avec un vrai point de coupe.
3. Réajustez les lignes longues. Coupez aux articulations, pas au 42e caractère.
4. Relancez la vérification. Un fichier propre dépasse en général 90 % de sous-titres conformes ; courir après 100 % en vaut rarement la peine, quelques sous-titres rapides sur un dialogue réellement rapide ne posant pas de problème.

Si vos sous-titres sortent d’un autre outil dans le mauvais format, le convertisseur de sous-titres passe de SRT à VTT ou texte brut sans toucher aux timings.

Ce que les chiffres ne couvrent pas

Les standards ne disent rien de ce que l’on sous-titre. Deux habitudes apportent plus de confort que n’importe quelle règle de timing : supprimer les tics (« euh », « tu vois ») quand ils ne portent pas de sens, et sous-titrer les sons qui comptent - une porte, un rire, une musique qui démarre - pour ceux qui regardent sans le son. Ni l’un ni l’autre n’apparaît dans un rapport CPS, et les deux font la différence entre des sous-titres conformes et des sous-titres réellement bons.