En bref. Une transcription vidéo descriptive restitue les paroles, les sons pertinents et les informations visuelles essentielles dans une version de remplacement textuelle lisible.

Définition : Une transcription vidéo est une version textuelle des paroles et des sons porteurs de sens d’une vidéo. Une transcription descriptive restitue également les informations visuelles nécessaires à la compréhension du contenu, les rendant ainsi accessibles sous forme de texte.

Points clés

Les recommandations sur les transcriptions de la Web Accessibility Initiative du W3C indiquent que les transcriptions descriptives sont nécessaires aux personnes à la fois sourdes et aveugles.
Les recommandations sur le sous-titrage du W3C expliquent que les sous-titres (captions) affichent les informations sonores dans le lecteur multimédia, en synchronisation avec le son.
Le document du W3C consacré à la compréhension du critère de succès 1.2.8 décrit une version de remplacement textuelle qui respecte l’ordre des dialogues et des descriptions visuelles.
En octobre 2026, la documentation de Google sur les fonctionnalités d’IA recommande de rendre les contenus importants disponibles sous forme textuelle pour AI Overviews et AI Mode.

Quelles informations inclure dans la transcription ?

Les recommandations de transcription du W3C demandent d’inclure les paroles et les sons non verbaux pertinents, tels que les pleurs d’un bébé ou le bruit des sabots d’un cheval qui approche. Elles recommandent d’identifier les personnes qui parlent lorsque c’est pertinent et de mentionner la musique de fond lorsqu’elle contribue à la compréhension. Les descriptions de la musique emploient des termes objectifs pour en caractériser l’ambiance.

Les informations visuelles nécessitent un examen distinct. Les recommandations sur les transcriptions donnent des exemples de textes que les sous-titres peuvent omettre, notamment le titre de la vidéo ainsi que le nom et la fonction d’une personne qui intervient. Une transcription descriptive ajoute ces éléments lorsqu’ils sont nécessaires à la compréhension.

Ces mêmes recommandations proposent la description visuelle suivante dans leur exemple de transcription :

Un homme assis à un bureau commence à regarder une vidéo sur son ordinateur.

L’explication du critère de succès 1.2.8 du W3C, qui fait partie des Règles pour l’accessibilité des contenus Web (Web Content Accessibility Guidelines, WCAG), étend cette exigence aux interactions. Si une vidéo demande au spectateur de réagir, la version de remplacement textuelle fournit des liens ou un autre moyen d’effectuer l’action équivalente. Ses descriptions suivent l’ordre des événements de la vidéo.

Comment préparer et vérifier une transcription ?

Les recommandations sur les transcriptions du W3C décrivent la réutilisation d’un fichier de sous-titres : exporter le texte brut lorsque l’outil de montage le permet, ou supprimer les repères temporels. Les lignes de sous-titres peuvent se regrouper en paragraphes cohérents. Les repères temporels restent facultatifs lorsqu’ils facilitent l’utilisation de la transcription.

L’exactitude nécessite une vérification distincte. Les recommandations sur le sous-titrage indiquent que les sous-titres automatiques répondent aux besoins des utilisateurs et aux exigences d’accessibilité uniquement lorsque leur entière exactitude est confirmée. Une transcription automatique nécessite donc une comparaison avec l’enregistrement avant publication.

Le script de production nécessite lui aussi une comparaison avec le contenu multimédia final. L’explication du critère relatif à la version de remplacement pour un média du W3C accepte un scénario comme version de remplacement uniquement s’il est corrigé pour représenter fidèlement le résultat du montage. L’examen de la vidéo terminée permet également d’établir l’ordre dans lequel les descriptions visuelles doivent apparaître.

Où placer le texte sur un site web ?

Les recommandations sur les transcriptions du W3C indiquent que la plupart des transcriptions sur le Web utilisent HTML. Pour un contenu multimédia hébergé sur le site, elles recommandent généralement de placer la transcription sur la même page. Le texte lui-même, ou un lien vers celui-ci, peut figurer directement sous la vidéo. Des titres et des liens peuvent faciliter l’utilisation d’une longue transcription.

Pour la recherche par IA, la documentation de Google sur les fonctionnalités d’IA énonce le principe pertinent : les contenus importants sont disponibles sous forme de texte. Publier les informations de fond de la vidéo dans une transcription HTML applique ce principe à la vidéo. La même documentation indique également que les données structurées correspondent au texte visible sur la page.

Termes associés

Questions fréquentes

Puis-je créer une transcription à partir de sous-titres existants ?

Oui. Les recommandations sur les transcriptions du W3C décrivent l’utilisation de fichiers de sous-titres comme point de départ. Vous ajoutez ensuite les informations visuelles importantes et mettez le texte en forme pour la lecture.

Une transcription remplace-t-elle les sous-titres pour l’accessibilité ?

Les WCAG les traitent comme des dispositions distinctes. Les recommandations sur le sous-titrage du W3C situent au niveau A le sous-titrage des vidéos préenregistrées dont le contenu sonore est porteur de sens, tandis que son explication de la version de remplacement pour un média situe le critère de succès 1.2.8 au niveau AAA.

Puis-je utiliser un résumé à la place d’une version de remplacement textuelle complète ?

Un résumé seul omet des informations exigées par l’explication de la version de remplacement pour un média du W3C. Celle-ci demande les dialogues, les sons pertinents et les descriptions visuelles dans leur ordre d’apparition, avec des fonctionnalités équivalentes pour les interactions.

Sources

Vérifiez comment une page se lit pour les moteurs de réponse. Ouvrir l’analyseur de score GEO

Transcriptions vidéo