Comment obtenir la transcription d’une vidéo YouTube : avec ou sans sous-titres (CC)

Vous voulez convertir une vidéo YouTube en texte ? La méthode dépend de la présence d’une piste de sous-titres : si la vidéo a des sous-titres (CC), vous pouvez copier le texte gratuitement via la fonction intégrée « Afficher la transcription » (ainsi YouTube nomme la transcription dans son interface) ; s’il n’y a pas de sous-titres, il faut passer par la reconnaissance vocale par IA pour régénérer une transcription à partir de l’audio. Ce guide s’adresse aux étudiants qui organisent des notes de cours, aux équipes marketing qui transforment des interviews en articles, et aux créateurs qui ont besoin d’un fichier de sous-titres.

Vérification rapide : votre vidéo a-t-elle des sous-titres (CC) ?

Ouvrez la vidéo dans un navigateur d’ordinateur, développez la zone de description sous le titre et descendez jusqu’en bas. Si vous voyez le bouton Afficher la transcription, la vidéo dispose d’une piste de sous-titres.

Pour le parcours sans sous-titres, ce guide s’appuie sur Taption pour la démonstration ; d’autres outils de reconnaissance vocale suivent le même principe.

Pourquoi ce bouton n’apparaît-il pas sur certaines vidéos ? Selon l’aide officielle de YouTube sur les sous-titres automatiques, les causes fréquentes sont : l’audio de la vidéo est encore en cours de traitement, la langue n’est pas prise en charge par les sous-titres automatiques, la vidéo est trop longue, la qualité sonore est mauvaise ou YouTube ne reconnaît pas la parole, il y a un long silence au début, ou plusieurs personnes parlent en même temps / plusieurs langues se mélangent.

Méthode 1 : copier gratuitement la transcription intégrée de YouTube

Si la vidéo possède des sous-titres, ouvrez sa transcription en suivant les instructions officielles de YouTube. Les étapes ci-dessous expliquent comment sélectionner et copier le texte manuellement dans un navigateur sur ordinateur ; il ne s’agit pas d’une fonction de téléchargement de fichiers de sous-titres proposée par YouTube.

• Étape 1 : Ouvrez la vidéo YouTube dans un navigateur d’ordinateur et cliquez sur ...plus à la fin de la zone de description sous le titre pour tout développer.
• Étape 2 : Descendez jusqu’à la section Transcription tout en bas de la description et cliquez sur Afficher la transcription.
• Étape 3 : Un panneau Transcription s’ouvre à droite du lecteur (ou en dessous). Un clic sur une ligne fait sauter la vidéo à cet instant.
• Étape 4 : Cliquez sur ⋮ en haut à droite du panneau et choisissez Activer/désactiver les horodatages pour conserver ou masquer les codes temporels.
• Étape 5 : Mettez d’abord la vidéo en pause pour que le défilement automatique de la transcription ne gêne pas la sélection. Sélectionnez le texte souhaité avec la souris, puis appuyez sur Ctrl + C (Cmd + C sur Mac). Collez-le dans un éditeur de texte et vérifiez que le début et la fin ont bien été copiés. Si la transcription est longue, copiez-la en plusieurs parties.

Cette image illustre l’interface en anglais ; elle ne constitue pas le compte rendu d’un test sur une vidéo réelle. ...more développe la description, Show transcript affiche la transcription et Toggle timestamps affiche ou masque les horodatages. Mettez la vidéo en pause avant de copier le texte.

Cette méthode a trois limites :

• L’appli mobile ne permet pas de copier : Dans l’application YouTube, vous pouvez toucher une ligne de la transcription pour y aller, mais pour l’instant vous ne pouvez ni sélectionner ni copier le texte directement. Sur téléphone, ouvrez youtube.com dans un navigateur et passez en version pour ordinateur.
• Le lecteur intégré ne l’affiche pas : Un lecteur YouTube intégré sur un autre site n’affiche pas la zone de description ; retournez sur la page YouTube d’origine pour ouvrir la transcription.
• Les spectateurs ne peuvent pas télécharger le fichier de sous-titres : YouTube n’offre pas aux spectateurs de bouton pour télécharger le fichier de sous-titres. Les propriétaires de chaîne peuvent télécharger les sous-titres de leurs propres vidéos depuis YouTube Studio ; voir l’aide YouTube Studio pour modifier ou télécharger des sous-titres.

Transformer des sous-titres fragmentés en paragraphes lisibles

Les sous-titres automatiques arrivent en fragments courts, ligne par ligne. Il y a souvent peu de ponctuation, les noms propres anglais passent en minuscules, et l’identité de l’interlocuteur n’est presque jamais indiquée. Sur les vidéos en chinois, on peut aussi voir des caractères simplifiés ou un vocabulaire peu usité à Taïwan — un point important si vous avez besoin du texte en chinois traditionnel taïwanais.

Voici un exemple illustratif. Ce court échange entre un animateur et un intervenant a été rédigé uniquement pour montrer les différences de format ; ce n’est pas la sortie d’une vraie vidéo, et les exemples TXT et SRT plus loin réutilisent le même contenu. Les sous-titres copiés ressemblent à peu près à ceci :

Si vous demandez seulement à ChatGPT, Claude ou Gemini de « nettoyer cette transcription », le modèle écrit souvent un résumé. Pour conserver le contenu intégral, utilisez plutôt cette invite (prompt) suggérée, qui clarifie les exigences et réduit le risque d’omissions :

Vous devriez obtenir quelque chose de ce type (là encore, un exemple illustratif) :

Les modèles génératifs peuvent encore omettre ou réécrire des phrases : pour toute citation, confrontez le texte à la vidéo. Divisez les longues transcriptions par thème en sections faciles à vérifier, puis collez chaque section et comparez-la au texte d’origine. En outre, sauf si les sous-titres d’origine indiquent déjà qui parle, le texte nettoyé n’aura pas de noms d’intervenants, et il ne convient pas tel quel comme fichier de sous-titres.

Méthode 2 : vidéo YouTube sans sous-titres → texte par reconnaissance vocale IA

Les outils qui se contentent d’extraire des sous-titres existants n’ont rien à récupérer lorsqu’il n’y a pas de piste. Il faut alors une reconnaissance vocale qui « écoute » l’audio et régénère texte et timeline à partir du son. Les services cloud et le modèle open source OpenAI Whisper fonctionnent ainsi ; exécuter Whisper sur votre propre ordinateur implique une installation et une configuration en ligne de commande, sans séparation d’intervenants (diarisation) intégrée.

Tutoriel Taption : coller le lien, reconnaître, relire, exporter

Le parcours ci-dessous utilise l’outil vidéo YouTube vers texte et transcription et compte cinq étapes, du collage du lien d’une vidéo publique jusqu’à l’export. Avant de commencer, vérifiez trois points :

• Compte : Vous devez vous connecter avant de coller un lien YouTube. Les nouveaux comptes disposent de 20 minutes gratuites, sans carte bancaire.
• La vidéo doit être accessible au public : Les vidéos privées, réservées aux membres de la chaîne, avec restriction d’âge, bloquées par région, protégées par DRM, et les lives encore en cours ne peuvent pas être importés par lien. Les vidéos publiées depuis moins de 24 heures ou les archives de lives qui viennent de se terminer peuvent échouer à l’import ; dans ce cas, téléversez le fichier.
• Durée et taille : Un fichier peut durer jusqu’à 5 heures. Avant l’envoi, vérifiez la taille maximale indiquée dans la fenêtre d’importation de votre compte. Pour un fichier volumineux, assurez-vous qu’il peut être importé avant de lancer le traitement. Pour les coûts au-delà des minutes gratuites, consultez les forfaits et tarifs Taption.

• Étape 1｜Coller le lien : Après connexion, cliquez sur Télécharger en haut à gauche. En haut de la fenêtre « Télécharger un média », passez sur l’icône Youtube et collez l’URL de la vidéo.
• Étape 2｜Choisir la langue : Dans le menu Sélectionner la langue parlée, choisissez la langue parlée dans la vidéo, par exemple 🇫🇷 Français (France). Pour une vidéo en mandarin, choisissez 🇹🇼 Chinois (Taïwan) lorsqu’elle est surtout en chinois avec seulement quelques mots d’anglais isolés, et 🇹🇼＋🇺🇸 Chinois et Anglais (Traditionnel) lorsque les phrases chinoises et anglaises s’alternent souvent. La différence est expliquée sur la page transcription du mandarin et du chinois-anglais mixte vers le chinois traditionnel. Le menu n’a pas d’option autonome pour le taïwanais (hokkien) : les vidéos avec beaucoup de dialogue en taïwanais demandent davantage de relecture manuelle.
• Étape 3｜Choisir le découpage : Réglez Méthode de transcription sur Transcription automatisée, puis choisissez le Découpage de la transcription selon l’usage. Pour les interviews et réunions, utilisez Transcription par intervenant ; vous pouvez d’abord renseigner Numéro de haut-parleur et Étiquette de locuteur. Pour un exposé ou un cours à une seule voix, choisissez Transcription simple, qui découpe selon le sens. Pour des sous-titres, choisissez Sous-titres vidéo. Le Nombre maximum de caractères par segment vaut 45 par défaut en français ; personnaliser ce nombre exige un abonnement Premium ou Bulk, et le champ n’apparaît pas lorsque vous choisissez chinois et anglais.
• Étape 4｜Relire : Cliquez sur Créer. Une fois terminé, l’éditeur affiche la vidéo à gauche et la transcription avec codes temporels à droite. La reconnaissance vocale peut encore produire des erreurs, notamment en présence de bruit de fond, d’accents, de paroles simultanées ou de nombreux noms propres. Comparez la transcription à l’audio d’origine avant de l’exporter. Vous pouvez renommer les intervenants depuis le menu Intervenant ; la même coquille se corrige partout avec Remplacer tout ; les noms propres fréquents se surlignent et s’ajoutent via Ajouter au dictionnaire dans le Dictionnaire personnel. L’ordre de relecture pour une longue interview figure dans le guide d’organisation et de relecture efficace des transcriptions de réunion (en chinois traditionnel).
• Étape 5｜Exporter : Cliquez sur Exporter en haut à droite, choisissez le format dans la fenêtre Exporter votre transcription et téléchargez le fichier. Si vous n’utilisez que les minutes gratuites, le nom du fichier exporté reçoit le suffixe _taption, une ligne « Transcrit avec Taption » est ajoutée en fin de fichier, et vous ne pouvez pas activer les interrupteurs de code temporel ni de nom d’intervenant pour TXT/PDF ; l’achat de minutes ou un abonnement lève ces limites. Les Sous-titres bilingues exigent un abonnement Premium ou Bulk.

Cette illustration a été redessinée par IA à partir de captures de l’interface en anglais ; ce n’est pas une capture originale. Les panneaux 1, 2 et 3 correspondent aux étapes 1, 2 et 3 du texte ; le panneau 4 correspond à l’étape 5. Effectuez aussi la relecture de l’étape 4 avant l’export. Create correspond à « Créer » et Export à « Exporter ». La valeur 14 est un réglage illustratif, pas la limite de caractères par défaut de la langue choisie.

TXT, SRT ou VTT : quel format de sortie choisir ?

Word (.docx) n’apparaît pas dans la fenêtre Exporter votre transcription ; il se télécharge depuis un résultat Analyse IA et consomme des crédits IA. Cette fenêtre propose aussi le MP4, ainsi que FCPXML et JSON, qui exigent un abonnement Premium ou Bulk.

À quoi ressemblent TXT et SRT ? (exemples de format)

Les exemples ci-dessous réutilisent l’échange illustratif plus haut. Ils ne montrent que le format de fichier ; ils ne représentent pas le résultat de reconnaissance d’une vraie vidéo. Les deux formats portent le même contenu ; seul l’emballage change. Lorsqu’un TXT utilise un modèle de format personnalisé (Premium ou Bulk) qui place le code temporel et le nom d’intervenant sur la même ligne, chaque segment tient sur une ligne :

Un SRT découpe les mêmes phrases en blocs de sous-titres, chacun avec un numéro de séquence et des heures de début et de fin (dans cet exemple, les virgules et points en fin de ligne sont omis) :

Le découpage de sous-titres Taption utilise par défaut un maximum de 45 caractères par segment en français et 16 en chinois traditionnel. Ce sont des valeurs produit, pas une norme universelle de sous-titrage. Pour le nombre de caractères par ligne et les conventions de ponctuation en chinois traditionnel, consultez le guide de style des sous-titres en chinois traditionnel (16 caractères par ligne et normes de ponctuation). Pour choisir entre un fichier séparé et des sous-titres incrustés dans l’image, voir la comparaison complète sous-titres incrustés vs souples (SRT/VTT et MP4 incrusté).

Si les sous-titres s’affichent en caractères corrompus (mojibake) dans le logiciel de montage, vérifiez d’abord si le fichier s’affiche correctement dans un éditeur de texte. Si le texte y est lisible, réenregistrez-le en UTF-8 selon les besoins du logiciel cible. S’il est déjà corrompu dans l’éditeur de texte, rouvrez-le avec le bon encodage d’origine, confirmez que le texte redevient lisible, puis convertissez — sinon vous ne faites que sauvegarder du texte corrompu sous un autre encodage. Certains outils peuvent exiger l’UTF-8 avec BOM ; les fichiers .srt et .txt téléchargés depuis Taption commencent déjà par un UTF-8 BOM. Vérifiez aussi que le fichier n’a pas été enregistré en .srt.txt : le logiciel de montage ne le traite en général pas comme un fichier de sous-titres.

Questions fréquentes

Peut-on aussi obtenir la transcription d’un YouTube Short ou d’une rediffusion de live ?

Oui, avec quelques précautions. Les pages Shorts n’affichent en général pas le bouton « Afficher la transcription ». Si ce Short a des sous-titres (CC), dans un navigateur d’ordinateur remplacez /shorts/VIDEO_ID dans l’URL par /watch?v=VIDEO_ID : vous pourrez alors développer la description et copier la transcription comme pour une vidéo classique. Pour un Short ou une rediffusion sans CC, collez l’URL dans la fenêtre Télécharger → Youtube de Taption pour lancer la reconnaissance vocale. Un live encore en cours ne peut pas être importé par lien : attendez la fin. Les vidéos terminées ou publiées depuis moins de 24 heures peuvent échouer à l’import ; dans ce cas, enregistrez d’abord un fichier local puis téléversez-le.

Si une transcription chinoise sort en simplifié ou avec un lexique de Chine continentale, comment la passer en chinois traditionnel taïwanais ?

Cette question concerne les transcriptions en chinois qui doivent être en chinois traditionnel taïwanais, mais qui sortent avec des caractères simplifiés ou un lexique de Chine continentale. La correction dépend de l’origine du texte. L’invite de nettoyage de cet article cible le français ; pour du texte chinois, demandez une sortie en chinois traditionnel taïwanais et, à la règle 4, un vocabulaire de Taïwan (par exemple remplacer 「軟件」 et 「視頻」 par 「軟體」 et 「影片」). Avec Taption, choisissez à l’étape 2 une option de langue parlée marquée pour une sortie traditionnelle (🇹🇼), puis unifiez les termes via Dictionnaire personnel et Remplacer tout. Si vous avez déjà un fichier texte ou de sous-titres en simplifié, utilisez le projet open source OpenCC (conversion chinoise ouverte, avec la configuration s2twp des expressions traditionnelles de Taïwan) ; sa configuration s2twp convertit à la fois la forme des caractères et le vocabulaire préféré à Taïwan.

Dans une interview à plusieurs, peut-on savoir qui parle ?

La présence des noms d’intervenants dans la transcription YouTube dépend de la présence d’étiquettes de noms dans les sous-titres d’origine ; s’ils n’en ont pas, le texte copié n’en a en général pas non plus. Pour que l’outil sépare automatiquement les intervenants, réglez lors du téléversement dans Taption le Découpage de la transcription sur Transcription par intervenant. Le système découpe les segments par voix ; ensuite, vous pouvez remplacer les noms par défaut par de vrais noms depuis le menu Intervenant. La fonction est décrite sur la page identification des intervenants. Les passages où plusieurs personnes parlent en même temps ou se coupent peuvent encore être mal découpés et demandent une correction manuelle.

Que faire si l’import d’un lien YouTube échoue dans Gemini Notebook (anciennement NotebookLM) ?

Vérifiez d’abord si la vidéo remplit les conditions. Selon les règles officielles de Google pour l’import de sources dans Gemini Notebook (NotebookLM), seules les vidéos YouTube publiques avec sous-titres sont acceptées, et seul le texte de ces sous-titres est importé. Les vidéos mises en ligne depuis moins de 72 heures peuvent ne pas s’importer ; si la vidéo est supprimée ou passée en privé, la source est retirée du notebook sous 30 jours. Si la vidéo n’est pas éligible, produisez une transcription avec les méthodes de cet article et importez-la comme source TXT ou PDF. Si le fichier inclut codes temporels et noms d’intervenants, ces informations deviennent du texte consultable ; la source importée reste toutefois du texte brut, donc confrontez à la vidéo tout horodatage mentionné dans le chat.

Y a-t-il un problème de droit d’auteur à transcrire la vidéo YouTube de quelqu’un d’autre ?

Le fait qu’une vidéo soit visible publiquement ne signifie pas qu’elle puisse être librement reproduite ou diffusée. Priorisez les vidéos dont vous êtes propriétaire ou pour lesquelles vous avez une autorisation. Qu’un autre usage relève d’une utilisation équitable ou autorisée dépend encore du but, de l’étendue et du droit applicable ; ce n’est pas établi seulement en invoquant une « recherche personnelle » ou une « source citée ». Ceci est une information générale, pas un conseil juridique.

Pour aller plus loin

• Résumés et chapitres vidéo : Une fois la transcription prête, vous pouvez générer un résumé et des chapitres avec résumés vidéo par IA et génération de chapitres horodatés pour YouTube, dans un format du type 00:00 Introduction, 01:30 Thème 1, 05:10 Thème 2. Selon les exigences officielles de YouTube pour les chapitres vidéo, le premier horodatage doit être 00:00, il faut au moins trois horodatages en ordre croissant, et chaque chapitre doit durer au moins 10 secondes.
• Sous-titres multilingues : Pour traduire des sous-titres dans d’autres langues, consultez le guide complet des sous-titres multilingues pour YouTube (en chinois traditionnel).
• Mise en page des sous-titres : Les conventions de caractères par ligne, de retours à la ligne et de ponctuation sont dans le guide de style des sous-titres en chinois traditionnel (16 caractères par ligne et normes de ponctuation).

Si la vidéo a des sous-titres (CC), la méthode 1 vous donne le texte gratuitement ; quelques minutes suffisent pour reprendre la ponctuation. Sans sous-titres, utilisez les 20 minutes gratuites d’un nouveau compte pour tester la reconnaissance vocale et l’export sur l’une de vos propres vidéos.