Sous-titres décalés : comment identifier et corriger

Le test qui prend dix secondes

Ne regarde pas le début. Regarde la fin.

• Le décalage à la fin est le même qu'au début → décalage constant.
• Le décalage à la fin est nettement plus grand → dérive progressive.

Tout le reste du diagnostic découle de cette seule observation. Les deux cas n'ont rien en commun, ni dans la cause ni dans la correction.

Cas 1 — le décalage constant

Les sous-titres sont toujours en avance ou en retard de la même durée. C'est le cas le plus fréquent et le plus bénin.

Les causes

• La transcription porte sur la vidéo longue, pas sur le clip. Si les timings sont calculés sur la source complète et appliqués à un extrait qui commence à 14 min 32, tout est décalé d'exactement 14 min 32 — ou d'une fraction si une correction partielle a été appliquée.
• Le clip a été recoupé après la transcription. Rogner deux secondes au début décale tout de deux secondes.
• Un générique ou une intro a été ajouté devant le clip sans décaler les sous-titres.

La correction

Un décalage global. Mesure l'écart sur un mot précis, applique-le à l'ensemble, vérifie sur un autre mot ailleurs dans le clip. Si le second point tombe juste, c'est réglé.

Cas 2 — la dérive progressive

Synchrone sur les premières secondes, de plus en plus faux ensuite. C'est le cas qui rend fou, parce qu'on corrige le début et on casse la fin.

Les causes

• Une différence de cadence entre le fichier transcrit et le fichier monté. Les écarts classiques sont 29,97 contre 30 images par seconde, ou 23,976 contre 24. L'écart est minuscule — de l'ordre de 0,1 % — mais il s'accumule : sur trois minutes, ça fait déjà une fraction de seconde visible, et bien plus sur une source longue.
• Une source à cadence variable (typiquement un enregistrement d'écran ou de visioconférence). La durée réelle et la durée déclarée ne coïncident pas, et le décalage grandit.
• Un décalage audio/vidéo déjà présent dans la source. Dans ce cas les sous-titres sont justes : c'est l'image qui ment.

La correction

Un décalage global ne sert à rien ici — c'est le signe distinctif du cas 2. Il faut soit re-transcrire depuis le fichier réellement monté (la solution propre, et souvent la plus rapide), soit appliquer une correction proportionnelle plutôt qu'additive. Dans la pratique, re-transcrire coûte moins cher que de rattraper une dérive à la main.

Le cas particulier du mot par mot

Les sous-titres dits karaoké, où chaque mot s'allume à son tour, ne tolèrent pas ce que les sous-titres par phrase pardonnent. Un décalage de 200 millisecondes passe inaperçu sur une phrase entière ; sur un mot isolé, il est immédiatement visible, parce que le spectateur voit le mot s'allumer après l'avoir entendu.

Deux points d'attention propres à ce style :

• Les silences. Un blanc d'une seconde au milieu d'une phrase doit rester un blanc. Les systèmes qui répartissent les mots uniformément sur la durée de la phrase produisent un décalage qui se répare de lui-même à la phrase suivante — le pire des deux mondes, puisque ça ressemble à une dérive sans en être une.
• Les nombres et les sigles. « 2026 » se prononce en plusieurs syllabes mais compte pour un mot : la durée allouée est souvent trop courte.

Sur la génération elle-même, voir générer des sous-titres automatiques.

Comment éviter le problème plutôt que le corriger

1. Transcrire le clip, pas la source. Découper d'abord, transcrire ensuite : le décalage constant devient structurellement impossible.
2. Ne plus toucher aux bornes après la transcription. Tout recadrage temporel ultérieur décale tout.
3. Vérifier à la fin, pas au début. Un contrôle de trois secondes sur la dernière phrase attrape 100 % des dérives.

C'est l'ordre qu'applique Créatis : le clip est borné d'abord, la transcription porte sur l'extrait, et les timings sont calculés mot par mot sur ce fichier-là. Voir aussi les sous-titres automatiques pour Shorts.