Transcription pour les utilisateurs sourds et malentendants

Pour les utilisateurs sourds et malentendants (SME), la qualité d’une transcription ou d’un fichier de sous-titres n’est pas une question d’esthétique. Elle détermine si le contenu est utilisable, tout simplement. La norme pratique est une précision de 99 % au niveau du mot, une identification claire de chaque locuteur à chaque changement, et des sons non verbaux entre crochets. La plupart des transcriptions par IA n’atteignent pas ce niveau sans relecture humaine. Cet article explique ce dont les utilisateurs SME ont réellement besoin, où l’IA aide, et ce qui exige encore une attention humaine.

(Conseils pratiques, pas un avis juridique.)

La diversité derrière « SME »

« Sourd et malentendant » couvre un large éventail d’expériences, et ce qui aide chaque personne varie.

Les utilisateurs sourds culturellement, notamment ceux pour qui la langue des signes américaine (ASL) ou britannique (BSL) est une première langue, peuvent lire l’anglais comme une langue seconde. Des transcriptions longues et denses peuvent être plus difficiles à suivre que l’ASL parlé. Pour ce public, un langage simple compte autant que la précision : des phrases plus courtes, un vocabulaire courant et des sauts de paragraphe clairs. L’interprétation en langue des signes est souvent plus accessible que les sous-titres pour un contenu long.

Les utilisateurs malentendants lisent généralement avec une aisance native, mais perdent l’accès à l’audio dans des environnements bruyants, sur des enregistrements de mauvaise qualité, ou quand les locuteurs ont de forts accents ou des chevauchements de parole. Les sous-titres et transcriptions leur donnent le même accès au contenu qu’une audio claire offre aux autres.

Les adultes devenus sourds tardivement préfèrent souvent les sous-titres à la langue des signes, car ils ont une forte maîtrise de l’anglais écrit mais aucune fluidité en langue signée.

Note de terminologie issue de la communauté existante : « Sourd » avec un S majuscule renvoie à l’identité culturelle ; « sourd » en minuscule renvoie à la condition audiologique. « Malentendant » est généralement perçu comme négatif par la communauté sourde et est à éviter.

Ce que la transcription par IA offre réellement

Avant d’aborder ce dont les utilisateurs SME ont besoin, il vaut la peine d’être honnête sur ce que la transcription par IA fournit, car le marketing ne correspond pas toujours à l’expérience réelle.

Les taux de précision annoncés par les fournisseurs pour la transcription IA se situent généralement entre 90 et 97 % dans de bonnes conditions. Les recherches évaluées par les pairs racontent une histoire bien plus nuancée. Une étude de 2024 portant sur 11 services de reconnaissance vocale, réalisée à partir d'enregistrements réels de cours universitaires, a révélé d'importantes variations de performance selon les fournisseurs et les échantillons audio individuels. La transcription en streaming, la technologie utilisée pour les sous-titres en direct, s'est révélée nettement moins fiable que la transcription en post-production. Les chercheurs ont conclu que « les services courants manquent de fiabilité en matière de précision » et ont documenté un décalage évident entre les chiffres annoncés par l'industrie et l'expérience réelle des utilisateurs sourds ou malentendants.

Ce n'est pas un argument contre l'utilisation de la transcription IA. C'est un argument pour comprendre son rôle : l'IA traite l'essentiel des mots à grande vitesse, les humains comblent l'écart de précision et ajoutent ce que l'IA ne peut pas faire.

Pour un cours de 90 minutes, un passage par l'IA prend environ deux à trois minutes. La transcription manuelle à partir de zéro demande six à neuf heures. Une relecture humaine d'un brouillon généré par IA prend généralement deux à trois heures. Le passage par l'IA reste le bon point de départ.

Les Quatre Choses Dont les Utilisateurs Sourds ou Malentendants Ont Réellement Besoin

Le Seuil de Précision Qui Sert Vraiment les Utilisateurs Sourds ou Malentendants

À 97 % de précision sur 1 500 mots, environ 45 mots sont erronés. À 95 %, cela fait 75 erreurs. Pour un contenu général, le lecteur peut souvent déduire le sens correct à partir du contexte. Pour des cours techniques, du contenu médical, des procédures juridiques ou des dialogues rapides, 5 % d'erreurs suffisent à briser la compréhension.

Le DCMP et la FCC fixent tous deux à 99 % la précision au niveau du mot comme norme publiée pour les sous-titres en post-production, avec 98,5 % pour le temps réel. Cet écart entre la norme et la sortie typique de l'IA explique pourquoi la relecture humaine existe.

Pour un aperçu plus approfondi de la mesure de la précision et de ce que signifie réellement le taux d'erreur sur les mots, consultez la précision de la transcription expliquée.

Identification des Intervenants à Chaque Changement

Les conventions de sous-titrage exigent une étiquette de locuteur à chaque changement d'interlocuteur, pas seulement à la première apparition de chacun. Les formats courants : « SARAH : » en début de ligne, ou « [Sarah] » comme marqueur intégré. La diarisation par IA gère correctement les entretiens à deux intervenants dans un audio propre. Elle bute sur trois locuteurs ou plus, les chevauchements de parole, les voix similaires, et l'audio capté avec un seul micro à champ lointain.

Des étiquettes de locuteur manquantes dans une conversation à trois rendent la transcription quasi inutilisable. Le lecteur ne peut pas suivre qui contredit qui, ce qui est précisément l'intérêt de nombreux enregistrements riches en dialogues.

Pour une explication complète du fonctionnement de la diarisation des locuteurs et de ses limites, voir la diarisation des locuteurs expliquée.

Les sons non verbaux qui doivent être sous-titrés

Les sous-titres partent du principe que le spectateur n'entend pas. Cela signifie que tout son pertinent doit avoir un équivalent textuel, pas seulement la parole.

Les directives de qualité de sous-titrage du DCMP exigent une représentation textuelle complète de l'audio, y compris les informations non verbales. Concrètement :

• Les bruits d'ambiance qui affectent la compréhension : « [la porte claque] », « [l'alarme retentit] », « [la foule acclame] »
• La musique avec paroles : les paroles réelles lorsqu'elles sont centrales à la scène, pas « [musique en fond] »
• La musique instrumentale : « [musique à cordes tendue] » ou « [piano entraînant] » quand l'ambiance est pertinente pour le récit
• Le ton et la manière : « [ton sarcastique] » ou « [chuchoté] » lorsque lire les mots sans le contexte du ton change le sens

La transcription par IA ne génère presque jamais d'annotations non verbales. C'est l'un des écarts les plus nets entre la sortie de l'IA et des sous-titres de qualité accessibilité. Chaque son non verbal d'un fichier nécessite un ajout manuel lors de la révision.

Un minutage lisible et des sauts de ligne adaptés

Les sous-titres qui apparaissent avant ou après la parole qu'ils décrivent sont déroutants. Le minutage des sous-titres doit placer le texte pendant la parole, et le faire disparaître dans la seconde qui suit la fin de l'intervention.

La vitesse de lecture compte : la DCMP recommande 150 à 160 mots par minute pour un contenu adulte, avec un plafond absolu de 225 mots par minute. La FCC exige que les sous-titres n'aillent pas plus vite que ce que le spectateur peut lire. Quand l'audio dépasse 160 mots par minute (intervenants rapides, conversations qui se chevauchent, jargon juridique ou médical dense), il faut condenser les sous-titres plutôt que de les afficher tels quels à une vitesse que personne ne peut suivre.

Longueur des lignes : 32 caractères maximum par ligne, deux lignes à l'écran en même temps. Couper aux frontières naturelles des propositions, jamais au milieu d'une phrase.

Questions supplémentaires que se posent les utilisateurs et producteurs sourds ou malentendants

Là où la sortie IA nécessite une relecture humaine

Pour transformer une transcription IA en fichier de sous-titres de qualité accessibilité :

1. Générez la transcription avec un outil comme audio to text. Exportez en TXT ou VTT.
2. Ouvrez dans un éditeur de sous-titres (Subtitle Edit, Aegisub, ou un outil de sous-titrage en ligne).
3. Écoutez l'audio tout en lisant. Corrigez les mots mal entendus. Portez une attention particulière aux noms propres, termes techniques et noms de personnes.
4. Ajoutez des étiquettes d'intervenant à chaque changement de locuteur.
5. Ajoutez les sons non verbaux entre crochets quand ils portent du sens.
6. Vérifiez la longueur des lignes et coupez aux frontières des propositions.
7. Contrôlez la vitesse de lecture. Si un bloc de sous-titres est trop long pour sa fenêtre temporelle, taillez ou divisez.
8. Exportez le fichier final en VTT ou SRT.

Pour une heure d'audio ou de vidéo, la passe de relecture humaine prend généralement deux à trois heures. C'est beaucoup plus rapide que de partir de zéro (six à neuf heures pour un sous-titrage manuel), et le brouillon IA gère de manière fiable le volume de paroles. La passe humaine s'occupe de tout ce que l'IA rate.

Si vous avez simplement besoin d'une transcription propre sans créer de fichier de sous-titres, ConvertAudioToText vous fournit le brouillon IA et exporte des fichiers SRT et VTT que vous pouvez importer dans un éditeur de sous-titres.

Côté génération de sous-titres, l'outil générateur de sous-titres exporte à la fois en SRT et en VTT.

Au-delà des fichiers de sous-titres individuels

Pour les événements en direct et les situations en temps réel, le CART (Communication Access Realtime Translation) est la norme professionnelle. Un fournisseur CART formé utilise une machine sténotype pour produire des sous-titres mot pour mot en temps réel. Le CART atteint environ 98,5 % de précision, soit la norme temps réel citée par la FCC. Le sous-titrage automatique par IA pour les événements en direct s'est amélioré, mais reste moins fiable, notamment dans les pièces bruyantes, avec des accents ou lorsque plusieurs locuteurs se chevauchent.

Pour les situations à enjeux élevés (procédures judiciaires, consultations médicales, procédures gouvernementales), les sous-titres IA ne remplacent ni le CART ni un interprète en langue des signes qualifié.

Les versions en langage simplifié du contenu aident les utilisateurs sourds ou malentendants pour qui l'anglais est une langue seconde. Les transcriptions résumées avec un vocabulaire courant et des phrases plus courtes servent souvent mieux ce public que des sous-titres verbatim. De nombreux producteurs de contenu proposent les deux.

Ce que les normes encodent

Les exigences de conformité (WCAG 2.1 AA, ADA, Section 508, loi européenne sur l'accessibilité) méritent d'être comprises, mais les normes encodent ce dont les utilisateurs sourds ou malentendants ont besoin, plutôt que d'inventer des seuils arbitraires. L'objectif de précision de 99 % existe parce que les recherches sur la compréhension écrite des personnes sourdes ou malentendantes montrent que des taux d'erreur supérieurs à 1 % dégradent de manière mesurable la compréhension des contenus à vocabulaire technique. Les exigences non verbales existent parce qu'un contenu narratif sans indices sonores est incomplet pour les spectateurs qui ne peuvent pas entendre.

La loi européenne sur l'accessibilité est entrée en vigueur le 28 juin 2025, étendant les exigences de sous-titrage aux services du secteur privé dans les États membres de l'UE pour les contenus nouveaux. Les contenus existants bénéficient d'une période transitoire jusqu'en 2030. C'est une extension significative par rapport au périmètre précédent, qui ne concernait que le secteur public.

Pour un tour d'horizon complet des critères WCAG 2.1 et de ce qu'ils impliquent, consultez la conformité WCAG avec les transcriptions. Pour savoir comment l'ADA s'applique à des types d'entités spécifiques, voir la conformité ADA pour les contenus audio. Pour une vision internationale plus large, voir les lois sur l'accessibilité par pays.

Mon avis : l'échec d'accessibilité le plus courant n'est pas l'ignorance juridique. C'est l'hypothèse que les sous-titres générés automatiquement sont « suffisants » parce qu'ils capturent la plupart des mots. Pour les utilisateurs sourds et malentendants qui dépendent du texte comme accès principal aux contenus audio, la plupart des mots n'est pas le niveau requis. Tout le sens est le niveau requis. La relecture humaine n'est pas optionnelle. C'est tout l'enjeu.

FAQ

Quel niveau de précision les sous-titres doivent-ils atteindre pour réellement servir les utilisateurs sourds et malentendants ?

Le DCMP et la FCC fixent tous deux 99 % de précision au niveau des mots comme norme pour les sous-titres en post-production, avec 98,5 % pour le temps réel. À 95 % de précision, une conférence de 1 500 mots contient environ 75 erreurs, ce qui suffit à briser la compréhension d'un contenu technique. La transcription par IA atteint généralement 90 à 97 % dans de bonnes conditions, mais les recherches publiées montrent que les performances réelles, surtout pour les sous-titres en streaming, sont nettement inférieures aux chiffres annoncés par les fournisseurs. La relecture humaine après un brouillon généré par IA est le chemin fiable vers 99 %.

Quels sons non verbaux doivent être inclus dans les sous-titres ?

Tout audio qui porte du sens pour la compréhension du contenu : les bruits de fond qui influent sur la narration (« [porte qui claque] », « [téléphone qui sonne] »), la musique avec paroles, la musique instrumentale lorsqu'elle a une portée émotionnelle ou narrative (« [musique de violon tendue] »), et l'identification des intervenants à chaque changement de locuteur. Les outils d'IA ne capturent presque jamais les sons non verbaux. Ils doivent être ajoutés manuellement lors de la relecture humaine.

Quelle est la différence entre les sous-titres pour sourds et malentendants et les sous-titres classiques à des fins d'accessibilité ?

Les sous-titres pour sourds et malentendants sont rédigés pour les spectateurs qui n'entendent pas et incluent tout l'audio porteur de sens : dialogues, identification des intervenants, effets sonores pertinents et indications musicales. Les sous-titres classiques sont des traductions des dialogues pour les spectateurs qui entendent mais ne comprennent pas la langue, ils omettent donc les sons non verbaux. Pour l'accessibilité, ce sont les sous-titres pour sourds et malentendants qu'il vous faut. Les sous-titres activables peuvent être affichés ou masqués. Les sous-titres incrustés sont intégrés définitivement à la vidéo.

Les utilisateurs sourds préfèrent-ils les sous-titres ou l'interprétation en langue des signes ?

Les préférences varient selon les individus et les contextes. De nombreux utilisateurs sourds de culture sourde, surtout ceux pour qui l'ASL ou la BSL est une première langue, trouvent la langue des signes plus naturelle et moins fatigante que la lecture de sous-titres pour des contenus longs. Dans les situations à enjeux élevés comme les procédures judiciaires ou les consultations médicales, les interprètes en langue des signes offrent un meilleur accès aux locuteurs signants confirmés. Les sous-titres servent un public plus large, y compris les adultes devenus sourds tardivement et les utilisateurs malentendants plus à l'aise avec le texte. Quand c'est possible, proposer les deux est l'option la plus inclusive.

Un transcript généré par IA est-il suffisant pour répondre à l'exigence de sous-titres WCAG 2.1 AA ?

Pas tout seul. La WCAG 2.1 SC 1.2.2 (niveau A) exige des sous-titres synchronisés pour les vidéos pré-enregistrées, et la SC 1.2.4 (niveau AA) impose des sous-titres en temps réel pour les vidéos en direct. Les directives précisent que les sous-titres doivent être équivalents à l'audio, y compris les informations non verbales. Une transcription brute générée par IA convertie en VTT peut satisfaire l'exigence technique de format, mais elle rate généralement les identifications de locuteurs, les sons non verbaux et la précision du minutage. Une relecture humaine comble cet écart. Pour un tour d'horizon détaillé des obligations de conformité selon le type d'entité, consultez notre article sur la conformité WCAG avec les transcriptions.

Sources

• Fiche OMS : Surdité et perte auditive
• Directives de sous-titrage du DCMP
• Mesure de la précision des solutions de reconnaissance vocale automatique (ACM / arXiv 2408.16287)
• Critère de succès 1.2.2 du W3C WCAG 2.1 : Sous-titres (préenregistrés)
• Critère de succès 1.2.4 du W3C WCAG 2.1 : Sous-titres (en direct)
• Normes de qualité du sous-titrage codé de la FCC
• Loi européenne sur l'accessibilité : résumé sur l'accessibilité numérique, Davis Wright Tremaine
• NAD : Traduction en temps réel de l'accès à la communication
• DO-IT : Comment les termes sourd, devenu sourd, malentendant et déficient auditif sont généralement utilisés
• Centre national des sourds : Normes de qualité pour les sous-titres