Qu'est-ce qu'une transcription ? Types, formats et exemples

Quelqu'un vous demande d'envoyer la transcription, et vous dites oui, parce qu'évidemment vous savez de quoi il s'agit. Puis le fichier arrive : des horodatages toutes les quelques secondes, des noms en majuscules, et une ligne qui dit seulement [chevauchement]. D'un coup, c'est moins évident.

Une bifurcation, d'abord. En anglais, transcript désigne aussi le relevé officiel des cours suivis et des notes obtenues à l'école — le document délivré par le service de la scolarité. Si c'est cela qu'il vous faut, adressez-vous au secrétariat pédagogique de votre établissement. Ce guide traite de l'autre sens : le compte rendu écrit de paroles prononcées, produit à partir d'un enregistrement.

Une transcription est un document, pas une activité

Une transcription est un document texte qui restitue ce qui a été dit dans un enregistrement, dans l'ordre où cela a été dit, attribué à celui qui l'a dit. Voilà toute la définition. Tout le reste — horodatages, notes entre crochets, bloc d'en-tête, extension de fichier — n'est qu'une couche de conventions ajoutée par-dessus pour rendre le document utilisable.

Le mot sert aussi, de façon relâchée, à désigner le travail autant que le résultat, et c'est là que la confusion commence. Produire le document — le coût, la vitesse, la question machine ou humain — est un sujet distinct, et nous avons couvert le processus de transcription lui-même dans un guide compagnon. Cette page porte sur l'objet produit.

Deux propriétés séparent une transcription de simples notes. Elle est linéaire : elle suit l'enregistrement du début à la fin au lieu de sauter aux passages intéressants. Et elle est complète pour le style qu'elle revendique. Un résumé trie ; une transcription n'en a pas le droit. Sautez les cinq minutes ennuyeuses où personne ne retrouvait la bonne diapositive et vous obtenez des notes — les appeler une transcription finira par provoquer une dispute.

Les quatre styles de transcription, et ce que chacun jette

Chaque transcription décide de la part de désordre du langage parlé qu'elle conserve. Quatre styles se répartissent sur ce spectre, et se tromper de style est la façon la plus courante de faire dérailler une commande de transcription.

Verbatim intégral (aussi appelé verbatim strict)

Tout. Chaque « euh », chaque bégaiement et chaque faux départ, plus les sons non verbaux comme les rires, les longues pauses et les bruits de fond, tous signalés. Le verbatim intégral restitue non seulement ce qui a été dit, mais la manière dont ça a été dit. Il est lent à produire et désagréable à lire, ce qui est exactement le contexte où il est exigé : procédures judiciaires, auditions de police et recherches où l'hésitation est elle-même la donnée.

Verbatim épuré

Les mots tels que prononcés, moins le bruit. Le verbatim épuré supprime les mots de remplissage, les tics de langage et les bégaiements, mais ne paraphrase pas : les phrases restent celles du locuteur. La plupart des prestataires conservent les faux départs et autocorrections porteurs de sens, parce qu'ils signalent une vraie incertitude, tout en coupant le « tu vois » réflexe qui revient quarante fois par heure. C'est le choix par défaut pour les réunions, les sessions de conférence, les groupes de discussion et les cours enregistrés.

Verbatim intelligent

Un pas de plus vers la lisibilité. En plus du retrait des hésitations, le transcripteur répare légèrement la grammaire, condense les répétitions et supprime les apartés sans contenu (« pardon, mon chien devient fou »). La voix du locuteur reste intacte ; la rugosité disparaît. Les chercheurs le préfèrent souvent pour les entretiens qu'ils vont citer. Source de confusion : certains prestataires emploient « verbatim intelligent » et « verbatim épuré » de façon interchangeable.

Transcription éditée

La version la plus retravaillée. Un rédacteur réordonne les propositions, resserre les phrases, corrige la grammaire et met le texte en forme pour un lecteur qui n'a jamais été dans la pièce. Les entretiens publiés, les textes de discours et les notes d'épisode de podcast vivent ici. Le compromis est réel : une transcription éditée est la plus agréable à lire et la moins défendable comme trace.

Conseil : nommez le style avant que quiconque commence. Ces termes ne sont pas normalisés — le « verbatim épuré » d'un prestataire est le « verbatim intelligent » d'un autre. Ne vous fiez pas à l'étiquette. Envoyez plutôt un cahier des charges de deux lignes : « garder les faux départs, retirer les mots de remplissage, horodater les passages inaudibles ». Cette phrase évite la reprise la plus coûteuse qui soit, celle qui consiste à refaire quarante heures d'audio parce que les hésitations devaient rester.

À quoi ressemble vraiment une transcription

Les descriptions ne mènent pas bien loin. Voici la transcription en verbatim épuré d'une courte réunion de travail, mise en forme comme le sont la plupart des transcriptions professionnelles.

Exemple de transcription — verbatim épuré

TRANSCRIPTION — Revue tarifaire T3 Enregistré le : 5 août 2026 | Durée : 00:42:11 | Intervenants : 3 Style : verbatim épuré

[00:00:04] MAYA CHEN: Bon, on enregistre. Dan, tu avais les chiffres de marge révisés ?

[00:00:09] DAN OKAFOR: Oui. L'entreprise est à soixante et un pour cent de marge brute, quatre points de plus qu'au T2. C'est le mid-market qui devient moche.

[00:00:21] MAYA CHEN: Moche comment ?

[00:00:23] DAN OKAFOR: La charge de support. Même prix, à peu près le triple de tickets. Je pense que c'est [inaudible 00:00:27] l'onboarding.

[00:00:31] PRIYA RAO: Ça se tient. On a livré l'onboarding en libre-service en juin et l'adoption est sous les trente pour cent.

[00:00:38] MAYA CHEN: Donc le correctif n'est pas — [chevauchement] —

[00:00:39] DAN OKAFOR: — le correctif, c'est l'onboarding, pas le prix.

[00:00:44] MAYA CHEN: Action à retenir, alors. Priya, tu peux sortir l'adoption par cohorte avant jeudi ?

[00:00:51] PRIYA RAO: Oui. Mercredi.

[00:00:53] [Enregistrement en pause]

Quatre conventions quasi universelles sont à l'œuvre là-dedans :

• Un bloc d'en-tête. Titre, date, durée, nombre d'intervenants, style. C'est ce qui transforme un mur de texte en document citable six mois plus tard.
• Des étiquettes de locuteur. Noms complets en majuscules, ou étiquettes de rôle comme INTERVIEWER et RÉPONDANT quand l'anonymat compte. Soyez cohérent — une transcription à moitié étiquetée « DAN » et à moitié « D. OKAFOR » casse toute recherche menée dessus.
• Des horodatages. À chaque changement de locuteur, comme ci-dessus, ou à intervalles fixes de 30 secondes à deux minutes. Plus fin devient du bruit ; plus grossier rend les moments difficiles à retrouver.
• Des crochets pour tout ce qui n'est pas de la parole. [inaudible], [chevauchement], [rires], [enregistrement en pause]. Les transcriptions sérieuses horodatent la mention inaudible pour que quelqu'un puisse aller écouter et combler le trou.

Réussir ces quatre points à la main est fastidieux, ce qui explique que l'essentiel soit désormais généré. Les outils de réunion produisent l'en-tête, les étiquettes et les horodatages automatiquement — Laxis, par exemple, transcrit les appels Zoom, Google Meet et Microsoft Teams en un document attribué et horodaté, et en extrait les actions à mener au passage, si bien que la tâche que Priya vient de prendre ne dépend pas de la mémoire de quiconque. D'où qu'elle vienne, votre transcription se mesure aux conventions ci-dessus ; notre pas-à-pas sur comment transcrire un audio en texte en couvre la mécanique.

Transcription, sous-titrage codé, sous-titres, compte rendu : quatre documents différents

Ces quatre-là sont sans cesse pris pour des synonymes et ne sont pas interchangeables. Tout tient à deux questions : le texte est-il synchronisé sur une timeline, et est-il complet ou sélectif ?

Une transcription est complète et autonome — vous pouvez la lire vidéo fermée. Un sous-titrage codé est complet mais synchronisé, découpé en blocs qui apparaissent au fil de l'audio, et il porte l'information non verbale parce qu'il est fait pour quelqu'un qui n'entend pas. Un sous-titre est synchronisé mais sélectif, dialogue seulement, parce qu'il suppose que vous entendez la bande-son et que vous ne parlez simplement pas la langue. Un compte rendu n'est ni l'un ni l'autre : c'est un résumé structuré des décisions, des responsables et des échéances.

Ces documents ne circulent que dans un sens. Vous pouvez découper et minuter une transcription en sous-titrage, ou la résumer en compte rendu. Vous ne pouvez pas revenir en arrière de façon fiable : le sous-titrage a été coupé à des sauts de ligne arbitraires et dépouillé de sa structure en paragraphes, et le compte rendu a jeté 95 % des mots exprès. Gardez la transcription.

Sous-titrage codé contre sous-titres, puisque tout le monde se trompe

Demandez à dix personnes ce que sont les sous-titres et neuf décriront du sous-titrage codé. La différence n'est pas cosmétique, et dans les contextes réglementés elle sépare le conforme du non conforme.

Les sous-titres supposent que vous entendez. Ils résolvent un problème de langue, donc ils portent le dialogue et rien d'autre. Une porte qui claque hors champ n'a besoin d'aucun sous-titre — vous l'avez entendue.

Le sous-titrage codé suppose que vous n'entendez pas. Il résout un problème d'accessibilité, donc il porte tout ce que porte la bande-son : qui parle, ce qui est dit, et les sons non verbaux qui font sens — [musique inquiétante qui monte], [bris de verre], [soupir]. C'est pour cela que le sous-titrage codé paraît plus encombré.

Deux termes complètent l'ensemble. SDH — sous-titres pour sourds et malentendants — est l'hybride : un rendu de type sous-titre portant un contenu de type sous-titrage codé, ce que les plateformes de streaming livrent en général. Et « codé » veut seulement dire activable ; le sous-titrage incrusté est gravé dans la vidéo et ne peut pas être désactivé, d'où sa domination dans les fils qui démarrent en lecture automatique et sans son. Les formats diffèrent jusque dans la mécanique : le sous-titrage codé de diffusion est traditionnellement plafonné autour de 32 caractères par ligne, tandis que les fichiers SDH en autorisent jusqu'à 42, ce qui explique que la même réplique se coupe différemment dans deux lecteurs montrant le même film.

Conseil : vérifiez ce que votre politique d'accessibilité exige réellement. Les équipes livrent régulièrement des sous-titres traduits, cochent la case accessibilité, et découvrent plus tard qu'elles n'ont jamais satisfait à l'exigence. L'accès des personnes sourdes et malentendantes demande du sous-titrage codé ou du SDH — un texte qui identifie les locuteurs et décrit les sons porteurs de sens. Un public international demande des sous-titres traduits. La plupart des vidéothèques ont besoin des deux, en fichiers distincts et avec des coûts distincts.

Les formats de fichier dans lesquels arrive une transcription

L'extension vous dit ce que la transcription est faite pour faire, et vous en croiserez environ six.

.txt est le plus petit dénominateur commun : aucune mise en forme, aucune métadonnée, s'ouvre partout, s'injecte proprement dans des scripts et des moteurs de recherche. .docx sert quand une personne va lire, commenter ou caviarder — il porte les styles, les retraits négatifs, le suivi des modifications. .pdf est la version qu'on signe, certifie ou archive, mise en page figée. .json est le plus riche : horodatages au mot, scores de confiance par mot, identifiants de locuteur en champs structurés. Si vous comptez bâtir de la recherche ou de l'analyse sur vos transcriptions, demandez du JSON.

Viennent ensuite les deux formats de sous-titrage que l'on prend à tort pour des formats de transcription. .srt (SubRip) est le format d'import universel — des blocs numérotés avec heure de début et de fin, acceptés par presque tous les logiciels de montage, lecteurs et plateformes, séparateur de millisecondes en virgule : 00:00:01,500. .vtt (WebVTT) est né pour le web, conçu pour l'élément <track> de HTML5. Il exige une ligne WEBVTT en tête, utilise un point plutôt qu'une virgule (00:00:01.500), rend la numérotation des blocs facultative, et porte ce que SRT ne peut pas : styles CSS, positionnement à l'écran, marqueurs de chapitre, pistes de métadonnées, et une meilleure gestion des langues qui s'écrivent de droite à gauche comme l'arabe et l'hébreu.

Ni l'un ni l'autre n'est un bon endroit où stocker une transcription. Les deux abandonnent la structure en paragraphes par conception, et reconstruire de la prose lisible à partir de blocs minutés est un travail véritablement pénible. Gardez un master en texte ou en JSON ; exportez du SRT ou du VTT quand une vidéo en a besoin.

Qui vit réellement dans les transcriptions

Les transcriptions semblent un objet de niche jusqu'à ce qu'on compte les métiers bâtis dessus.

• Le juridique. Les usagers les plus stricts de loin — dépositions et procès exigent des comptes rendus en verbatim intégral, en général numérotés à la ligne pour qu'un avocat puisse citer « page 43, ligne 12 ». Une transcription certifiée porte une attestation d'exactitude signée et vaut comme preuve.
• Le médical. Les cliniciens dictent des notes, des comptes rendus opératoires et des lettres de sortie qui entrent au dossier du patient. Les exigences d'exactitude sont impitoyables, le vocabulaire est dense, et les durées de conservation se comptent en années.
• La recherche. Le qualitatif tourne sur des entretiens et des groupes de discussion transcrits. Les chercheurs codent les transcriptions ligne à ligne pour en dégager des thèmes, si bien que le choix du style — les hésitations survivent-elles ? — façonne les résultats.
• Les médias. Les journalistes transcrivent leurs entretiens pour citer juste et défendre la citation ensuite. Les podcasteurs publient des transcriptions parce que c'est la seule façon de rendre du contenu parlé cherchable — et c'est ainsi que la transcription est discrètement devenue un actif SEO.
• L'entreprise. La catégorie la plus vaste et la plus désordonnée : appels commerciaux, conseils d'administration, réunions générales, enregistrements de conformité. Personne ne les lit d'un bout à l'autre ; ils existent pour être cherchés, cités et fouillés en quête de décisions. C'est pour cela qu'une transcription Laxis, par exemple, synchronise son résumé et ses prochaines étapes vers HubSpot ou Salesforce — pour que le compte rendu d'appel atterrisse là où vit l'affaire, et non dans un document que personne n'ouvre.

Et puis tout le monde : mémos vocaux, cours, entretiens d'histoire familiale, vidéos YouTube que vous préféreriez lire plutôt que regarder. C'est là que la transcription frôle la dictée, même si ce sont deux gestes différents — dicter, c'est composer un texte en parlant exprès, et si c'est ce que vous cherchez, notre panorama des meilleures applications de dictée IA est un meilleur point de départ.

Obtenez une transcription propre et attribuée de chaque réunion

Laxis enregistre, transcrit et résume Zoom, Google Meet et Microsoft Teams dans plus de 100 langues — étiquettes de locuteur, horodatages et actions à mener compris. Le plan gratuit couvre 300 minutes de transcription par mois.

Essayer Laxis gratuitement

En résumé

Les transcriptions vieillissent dans le sens inverse de tout ce que vous produisez par ailleurs. Un résumé est utile la semaine où vous l'écrivez et sans valeur un an plus tard, parce qu'il a conservé ce qui comptait pour celui qui l'a rédigé ce mardi-là. Une transcription est quasiment inutile la semaine où vous la faites — personne ne lit 9 000 mots d'une réunion à laquelle il a assisté — et gagne en valeur chaque mois qui passe, parce qu'elle a gardé ce dont personne ne savait que ça compterait. C'est pour cela que les détails ennuyeux de mise en forme méritent de l'attention. Rien de tout cela n'est pour vous. C'est pour celui qui devra y retrouver une phrase dans dix-huit mois.

Foire aux questions

Qu'est-ce qu'une transcription ?

Une transcription est un document texte qui consigne ce qui a été dit dans un enregistrement audio ou vidéo, dans l'ordre où cela a été dit. Elle identifie chaque locuteur et porte généralement des horodatages, si bien que chaque ligne se relie à un moment du fichier source.

À quoi ressemble une transcription ?

Une transcription s'ouvre sur un court en-tête donnant titre, date, durée et participants, puis se déroule comme une suite de prises de parole. Chaque prise commence par un horodatage et une étiquette de locuteur en majuscules. Tout ce qui n'est pas clair apparaît entre crochets, comme [inaudible] ou [chevauchement].

Quels sont les principaux types de transcription ?

Quatre styles sont courants. Le verbatim intégral garde chaque son, y compris bégaiements et hésitations. Le verbatim épuré garde les mots mais retire hésitations et tics de langage. Le verbatim intelligent nettoie en plus la grammaire et supprime les répétitions. Une transcription éditée est réécrite pour publication. Les prestataires étiquettent tout cela de façon incohérente : faites confirmer ce que le vôtre entend par là.

Quelle est la différence entre une transcription et des sous-titres ?

Une transcription est un document autonome que vous lisez seul, sans vidéo. Les sous-titres sont de courtes lignes de dialogue découpées en blocs minutés et affichées sur une vidéo, en général traduites pour des spectateurs qui entendent l'audio mais ne parlent pas la langue.

Une transcription et un compte rendu de réunion, est-ce la même chose ?

Non. Une transcription consigne tout ce qui a été dit, mot pour mot, dans l'ordre. Un compte rendu est un court résumé structuré de ce qui a été décidé : participants, décisions, responsables et échéances. Une heure de réunion peut donner une transcription de 9 000 mots et un compte rendu d'une page, tous les deux justes.

Dans quel format de fichier une transcription doit-elle être ?

Utilisez .docx ou .pdf quand une personne va lire, annoter ou archiver le document. Utilisez .txt ou .json quand un logiciel va le traiter. N'utilisez .srt ou .vtt que si le texte doit se synchroniser à la vidéo en sous-titrage. Gardez un master en texte brut et exportez le reste.

Le mot transcript désigne-t-il aussi un relevé scolaire ?

Oui. Dans l'enseignement, un academic transcript est le relevé officiel des cours suivis par un étudiant et des notes obtenues, délivré par le service de la scolarité d'un établissement ou d'une université. Il partage le mot anglais, et rien d'autre, avec le sens audio. Demandez-le au service de la scolarité.