Doublage, voice-over, sous-titrage, VOSTFR, transcréation, bande rythmo… Dès qu'on s'intéresse à la traduction de vidéos, on tombe sur un vocabulaire foisonnant, souvent utilisé à tort et à travers. Et avec l'arrivée de l'IA, de nouveaux termes se sont ajoutés : clonage vocal, synthèse vocale, diarisation.
Pour y voir clair, nous avons rassemblé dans ce lexique les principaux termes de la localisation vidéo, des techniques traditionnelles du doublage français aux technologies utilisées par les outils d'IA comme le traducteur vidéo IA d'AI Video Translator.
Les grandes familles de traduction audiovisuelle
Localisation
La localisation désigne l'adaptation complète d'un contenu à un marché donné : la langue bien sûr, mais aussi les références culturelles, les unités de mesure, les formats de date, parfois les visuels. La traduction n'en est qu'une partie. Une vidéo localisée doit donner l'impression d'avoir été pensée pour son public.
Traduction audiovisuelle
Terme générique qui regroupe toutes les formes de traduction appliquées à l'image et au son : sous-titrage, doublage, voice-over, audiodescription. C'est un métier à part entière, avec ses propres contraintes de temps et d'espace.
Transcréation
La transcréation va plus loin que la traduction : on réécrit librement un message pour qu'il produise le même effet dans une autre culture. Elle est surtout utilisée pour les slogans, les publicités et les contenus de marque, où une traduction fidèle tomberait à plat.
Le sous-titrage
Sous-titrage
Le sous-titrage consiste à afficher à l'écran une traduction écrite des dialogues, synchronisée avec la parole. La voix originale est conservée. C'est la solution la plus rapide et la moins coûteuse, indispensable pour les vidéos regardées sans le son.
VO, VOST, VOSTFR
VO : version originale, sans traduction
VOST : version originale sous-titrée, dans n'importe quelle langue
VOSTFR : version originale sous-titrée en français
Ces abréviations sont très répandues en France, notamment dans le cinéma et les séries.
VF et VFQ
VF : version française, c'est-à-dire doublée en français
VFQ : version française du Québec, doublée avec un français québécois
Sous-titres SME (ou SDH)
Les sous-titres pour sourds et malentendants (SME en France, SDH en anglais) reprennent non seulement les dialogues, mais aussi les informations sonores utiles : bruits, musique, identification de la personne qui parle. On parle aussi de sous-titrage adapté.
Sous-titres incrustés et sous-titres séparés
Incrustés (burned-in, ou « hardsub ») : les sous-titres font partie de l'image et ne peuvent pas être désactivés. Idéal pour les réseaux sociaux
Séparés (« softsub ») : les sous-titres sont dans un fichier à part, que le spectateur peut activer ou non. C'est le cas sur YouTube
SRT et VTT
Les deux formats de fichiers de sous-titres les plus courants. Le SRT (SubRip) est un simple fichier texte avec des numéros, des horodatages et le texte. Le VTT (WebVTT) lui ressemble beaucoup et est surtout utilisé dans les lecteurs web. Nous avons consacré un guide complet à la traduction des sous-titres SRT.
Spotting (repérage)
Le repérage consiste à définir le moment exact où chaque sous-titre apparaît et disparaît. Un bon repérage respecte le rythme de la parole, les changements de plan et le temps de lecture nécessaire.
Surtitrage
Le surtitrage affiche la traduction au-dessus de la scène, principalement à l'opéra et au théâtre.
Le doublage
Doublage
Le doublage remplace la piste vocale d'origine par une nouvelle piste dans une autre langue. Le spectateur entend la vidéo dans sa langue et peut se concentrer entièrement sur l'image. La France, comme l'Allemagne, l'Italie ou l'Espagne, est un grand pays de doublage.
Doublage synchronisé (synchronisme labial)
Dans le doublage traditionnel du cinéma, le texte traduit est adapté pour correspondre aux mouvements des lèvres des acteurs à l'écran. C'est le synchronisme labial, ou « lip sync » en anglais. C'est la forme de doublage la plus exigeante, car elle impose au texte des contraintes très fortes.
Bande rythmo
Une spécificité du doublage francophone. La bande rythmo est une bande qui défile sous l'image pendant l'enregistrement et sur laquelle est écrit le texte à dire, calé sur les mouvements de lèvres. Les comédiens lisent leur texte au moment exact où il passe sous un repère. Cette technique, longtemps tracée à la main, est aujourd'hui numérique.
Détection
Dans la chaîne de doublage française, la détection est l'étape où un spécialiste repère sur la vidéo les mouvements de bouche, les respirations et les changements de plan, puis les reporte sur la bande rythmo. C'est sur cette base que l'adaptateur écrit le texte.
Adaptation
L'adaptateur, ou auteur de doublage, écrit le texte français à partir de la version originale, en respectant à la fois le sens, le ton, la durée et le synchronisme labial. C'est un véritable travail d'écriture, bien au-delà d'une traduction littérale.
Voice-over
Le voice-over (ou voix superposée) consiste à poser une voix traduite par-dessus la voix originale, qui reste audible en fond, légèrement décalée. On le rencontre surtout dans les documentaires, les reportages et les interviews. Il n'y a pas de recherche de synchronisme labial.
Voix off
La voix off est une voix narrative dont la source n'apparaît pas à l'écran : narrateur, commentaire, voix intérieure. À ne pas confondre avec le voice-over, qui superpose une traduction à une personne visible.
Les technologies de la traduction vidéo par IA
Reconnaissance vocale (STT)
La reconnaissance vocale, ou Speech-to-Text, transforme la parole en texte. C'est la première étape de toute traduction vidéo automatique. Les modèles modernes fournissent aussi des horodatages, qui servent à caler les sous-titres et le doublage.
Transcription
La transcription est la version écrite intégrale de ce qui est dit dans une vidéo. Elle peut servir de base à la traduction, mais aussi de contenu à part entière : article, notes d'épisode, documentation. AI Video Translator propose une transcription et une transcription bilingue.
Diarisation
La diarisation (speaker diarization) consiste à déterminer « qui parle quand » dans un enregistrement. Elle est indispensable pour traduire les interviews et les podcasts, afin que chaque intervenant garde une voix distincte. Nous expliquons pourquoi c'est si important dans notre guide sur la traduction des interviews et podcasts à plusieurs voix.
Traduction automatique contextuelle
Les premiers outils traduisaient phrase par phrase, voire mot à mot. Les modèles de langage actuels tiennent compte du contexte : ce qui a été dit avant, le ton, le registre. Résultat : des traductions plus naturelles, notamment pour les expressions idiomatiques.
Synthèse vocale (TTS)
La synthèse vocale, ou Text-to-Speech, transforme un texte en voix. Les voix de synthèse modernes sont devenues très naturelles, avec une intonation et un rythme proches de la parole humaine.
Clonage vocal
Le clonage vocal consiste à reproduire le timbre d'une personne réelle à partir d'un échantillon de sa voix. Appliqué au doublage, il permet à une personne de « parler » une autre langue avec sa propre voix. C'est aussi ce qui soulève des questions juridiques, car la voix est une donnée personnelle et le résultat peut constituer un hypertrucage au sens de l'AI Act.
Séparation des sources audio
Cette technique isole la voix du reste de la bande sonore : musique, bruitages, ambiance. En doublage IA, elle permet de remplacer uniquement la voix tout en conservant la musique et les effets d'origine.
Hypertrucage (deepfake)
Terme utilisé par l'AI Act pour désigner un contenu image, audio ou vidéo généré ou manipulé par IA, qui ressemble à des personnes, lieux ou événements réels et pourrait sembler authentique. Depuis le 2 août 2026, les deepfakes publiés doivent être signalés comme tels. Nous détaillons ces règles dans AI Act et doublage IA : ce que l'obligation d'étiquetage change depuis août 2026.
Glossaire (gestion terminologique)
Un glossaire est une liste de termes dont la traduction est fixée à l'avance : noms de produits, noms de personnes, vocabulaire technique. Il garantit la cohérence entre plusieurs vidéos d'une même série. Dans AI Video Translator, le glossaire s'importe et s'exporte au format CSV.
Récapitulatif : sous-titrage, doublage ou voice-over ?
Technique | Voix originale | Effort | Usage typique |
|---|---|---|---|
Sous-titrage | conservée | faible | réseaux sociaux, VOSTFR, accessibilité |
Voice-over | audible en fond | moyen | documentaires, reportages, interviews |
Doublage | remplacée | élevé (réduit avec l'IA) | fiction, formation, tutoriels, chaînes YouTube |
Doublage IA avec clonage vocal | remplacée par une voix proche | faible à moyen | contenus de créateurs, entreprises, podcasts |
Pour choisir entre les deux principales options selon votre vidéo, lisez notre comparatif Sous-titres ou doublage ? VF, VOSTFR et IA.
Conclusion
La localisation vidéo combine des savoir-faire anciens, comme la bande rythmo et l'adaptation, et des technologies récentes, comme la diarisation et le clonage vocal. Connaître ce vocabulaire aide à choisir la bonne approche, à dialoguer avec un prestataire, ou à évaluer un outil d'IA en sachant précisément ce qu'il fait.
👉 Découvrir la traduction et le doublage vidéo par IA : AI Video Translator