En bref
- Un replay de deux heures n’est pas un support de formation : pour y retrouver cinq minutes d’explication, il faut faire défiler la vidéo, et presque personne ne le fait.
- Retranscrit, le même enregistrement pèse 15 000 à 20 000 mots. C’est une matière première qu’il faut ensuite tailler.
- Trois formats méritent vraiment d’être produits : une fiche de révision de deux pages, un compte rendu envoyé sous 48 heures et des sous-titres pour le replay.
- La relecture du formateur, 20 à 30 minutes, reste indispensable : les sigles, les chiffres et les noms propres sont les points faibles de toute transcription.
La session est terminée, les participants se sont déconnectés, et il reste un fichier vidéo dans un dossier cloud. Beaucoup de formateurs s’arrêtent là : le lien du replay part dans un mail, et l’affaire est classée. C’est dommage, parce que ce fichier contient tout ce qui s’est réellement dit pendant deux heures, exemples et questions compris. Encore faut-il le rendre lisible. Cet article suit le parcours complet, du réglage de l’enregistrement jusqu’aux sous-titres, avec à chaque étape ce qui marche et ce qui coince.
Ce qu’une formation en visio laisse derrière elle
Un replay que personne ne rouvre
Zoom, Teams et Google Meet livrent tous la même chose à la fin d’une session enregistrée : une vidéo. Zoom produit un MP4, un M4A pour l’audio seul et, si l’option est cochée, un fichier VTT de transcription. Teams range la vidéo dans le OneDrive de l’organisateur, ou dans le SharePoint du canal pour une réunion de canal, et la fait expirer par défaut au bout de 120 jours. Google Meet la dépose dans le Drive de l’organisateur, dans un dossier Google Meet avec un sous-dossier par réunion.
Le stagiaire, lui, reçoit un lien vers une vidéo de deux heures. Pour retrouver le passage consacré au calcul d’un taux horaire ou à la démonstration d’un logiciel, il doit deviner à quel moment il se situe. La plupart abandonnent au premier essai. Et sur Teams, passé le délai de 120 jours, le fichier part à la corbeille : celui qui revient sur le sujet six mois plus tard, au moment de l’appliquer, ne trouve plus rien.
Les questions du chat, perdues à la déconnexion
Une session de 15 personnes génère facilement 10 à 20 questions écrites dans le chat. Ce sont les points sur lesquels les participants ont buté en direct, donc ceux qu’ils voudront revoir. Sur Zoom, le chat n’est conservé que si l’enregistrement cloud est réglé pour le sauvegarder en TXT. Sur Teams, il reste attaché à la conversation de la réunion, séparément de la vidéo. Dans les deux cas, personne ne le rouvre trois semaines plus tard.
Le diaporama ne dit pas ce qui a été dit
Reste le support PDF envoyé après la session. C’est un plan, pas un contenu. Les exemples improvisés, la réponse à une objection, le cas concret apporté par un participant : rien de tout cela n’est dans les diapositives. C’est pourtant ce qui reste en mémoire, et ce que les stagiaires cherchent quand ils reviennent sur le sujet.
Tout cela se récupère à partir de l’enregistrement, à une condition : que l’audio soit exploitable. Et cela se décide avant la session, pas après.
Tout se joue avant d’appuyer sur « Enregistrer »
Une piste audio par participant
Sur Zoom, les paramètres d’enregistrement cloud proposent « Record audio-only files », puis « Record a separate audio file of each participant ». Avec cette option, chaque intervenant a son propre fichier M4A, et l’identification des locuteurs dans la transcription gagne nettement en fiabilité. Teams ne propose pas de pistes séparées : l’audio est mixé, et la distinction entre les voix repose entièrement sur l’outil de transcription.
Le micro compte, la caméra non
Seul le son sert à la transcription. Un casque-micro à 30 euros donne un texte plus propre qu’un micro intégré de portable, parce qu’il supprime la réverbération de la pièce et le bruit du clavier. Le contenu de l’écran partagé, en revanche, n’est jamais transcrit : les chiffres, les références et les sigles affichés doivent être prononcés à voix haute s’ils doivent figurer dans le texte.
Une phrase pour prévenir les participants
Au début de la session, une phrase suffit : pourquoi la session est enregistrée, qui aura accès au fichier, combien de temps il sera conservé, et comment participer sans être enregistré, par exemple micro coupé et questions dans le chat. La même phrase, écrite, trouve sa place dans le mail de convocation.
Attention : un enregistrement lancé sans l’avoir annoncé finit tôt ou tard au cœur d’un échange tendu avec un stagiaire. La phrase prend dix secondes.
Une fois ces réglages faits, la session peut se tenir normalement. C’est après, devant le fichier, que le travail commence vraiment.
Le texte brut : 35 pages que personne ne lira telles quelles
Deux heures de parole, 15 000 à 20 000 mots
Un formateur qui parle à un rythme normal produit, selon les estimations courantes, entre 130 et 160 mots par minute en français. Sur deux heures, cela fait 15 000 à 20 000 mots, soit 30 à 40 pages Word en corps 11. Ce volume explique à lui seul pourquoi la transcription brute n’est jamais le livrable : personne ne lit 35 pages de langage parlé.
Trois façons d’obtenir ce texte
La transcription manuelle reste possible. Il faut compter, à titre indicatif, quatre à six heures de travail par heure d’enregistrement : le résultat est bon, mais le coût interdit de le faire pour chaque session.
Les plateformes de visio intègrent une transcription. Sur Zoom, l’option « Create audio transcript » exige un compte Pro, Business, Education ou Enterprise et un enregistrement cloud activé ; le résultat est un fichier VTT. Sur Teams, la transcription doit avoir été lancée pendant la réunion, elle ne se génère pas après coup à partir de la vidéo, et l’organisateur la télécharge en .docx ou en .vtt.
Une fois la session terminée, unoutil de transcription audio en texte indépendant peut traiter directement le fichier vidéo ou audio. À partir d’un fichier MP4 de deux heures, UniScribe, par exemple, génère une transcription en quelques minutes, distingue les intervenants et propose des exports en TXT, en SRT pour les sous-titres ou en Word pour la relecture. La version gratuite limite toutefois la durée de chaque fichier à 30 minutes : cela suffit pour un module court, mais oblige à fractionner une formation d’une demi-journée.
TXT, SRT, Word : un format par usage
Le TXT est du texte pur, pratique pour chercher un terme ou copier un passage. Le SRT et le VTT portent des codes temporels : chaque phrase est datée à la seconde, ce qui permet de fabriquer des sous-titres et de retrouver le passage correspondant dans la vidéo. Le DOCX sert à corriger et à mettre en forme. Pour une même session, exporter les trois d’un coup évite de revenir à l’outil plus tard.
Le texte est là, avec ses 35 pages. Reste à en faire deux.
De 35 pages à 2 : la fiche de révision en quatre passes
Passe 1 : segmenter la transcription à l’aide des codes temporels
Le fichier SRT donne l’heure de chaque phrase. Mis en regard du plan du formateur, il permet de découper les deux heures en segments qui correspondent chacun à un chapitre du programme, en général six à dix. Chaque segment devient un titre de la fiche, avec son code temporel de début : « 00:42:10 » suffit pour que le stagiaire retrouve le passage dans le replay.
Passe 2 : trois points par segment, pas un de plus
Pour chaque segment, on garde trois choses : une définition ou une règle, un exemple donné en séance, une question posée par un participant avec sa réponse. Tout le reste part, transitions orales, répétitions, digressions. Sur un segment de 2 000 mots, il en reste 100 à 150. Le taux de suppression dépasse 90 %, et c’est le but.
Passe 3 : remettre les chiffres et les sigles
C’est la passe la plus longue. Les sigles du secteur (OPCO, CPF, RNCP, CQP) et les chiffres énoncés à l’oral font partie des éléments que la transcription restitue le moins bien. On les vérifie un par un à l’aide du diaporama ou des notes du formateur, et on remplace chaque sigle par sa forme développée à la première occurrence.
Passe 4 : deux pages, toujours le même gabarit
La fiche finale compte entre 800 et 1 200 mots, et sa structure ne bouge pas d’une session à l’autre : titre, date, durée, six à dix sections avec leur code temporel, trois points par section, et un dernier paragraphe « À faire avant la prochaine session ». Un gabarit stable permet de retrouver l’information au même endroit d’une fiche à l’autre. Pour un parcours de dix sessions, cela fait vingt pages à relire avant une évaluation, au lieu de vingt heures de vidéo.
La fiche s’adresse à ceux qui ont suivi la session. Deux autres envois, plus courts, servent à tous les autres.
Le compte rendu et la FAQ : deux envois qui prolongent la session
Un compte rendu d’une page, sous 48 heures
Le compte rendu n’est pas la fiche. Il tient en une page, s’adresse aussi à ceux qui n’étaient pas là et rassemble la date, la durée, le nombre de participants, cinq à huit points clés, les questions posées dans le chat avec leur réponse et les tâches à effectuer avant la session suivante. Il ne contient ni la transcription brute, ni les apartés, ni la liste des absents.
Le délai compte autant que le contenu. Envoyé le jour même ou le lendemain, le compte rendu arrive pendant que la session est encore en mémoire. Une semaine plus tard, il tombe dans une boîte mail où plus personne ne se souvient du contexte. Ces 48 heures sont une règle d’expérience, pas une norme, mais un compte rendu envoyé dans ce délai a davantage de chances d’être lu.
Une FAQ qui sert à la session suivante
Les questions du chat et les questions orales, une fois retranscrites, forment une FAQ prête à l’emploi. Glissée dans le mail de convocation de la session suivante, elle permet aux nouveaux participants d’arriver avec les réponses aux points qui ont bloqué leurs prédécesseurs. Pour le formateur, c’est aussi la liste des passages du programme à retravailler.
Attention : ne collez jamais la transcription brute dans l’espace apprenant. 18 000 mots sans structure ne seront lus par personne et exposent des propos tenus en aparté.
Reste le replay lui-même. Il a une chance d’être rouvert, à condition d’être sous-titré.
Sous-titrer le replay pour qu’il serve enfin
Ce qu’un fichier SRT change
Un replay sous-titré se consulte autrement. On peut le regarder sans le son, dans un train ou un open space. Les participants dont le français n’est pas la langue maternelle suivent plus facilement. Et sur les lecteurs qui indexent les sous-titres, une recherche sur un mot renvoie directement à la minute où il est prononcé.
Où le déposer
Sur YouTube, une vidéo en mode non répertorié accepte un fichier SRT dans ses paramètres de sous-titres. Vimeo accepte les mêmes formats. Pour un espace apprenant ou un LMS, le lecteur intégré prend en général le WebVTT, ce qui se vérifie dans la documentation de la plateforme avant de convertir les fichiers.
Corriger avant de publier
Un sous-titre affiche le texte mot à mot, en même temps que la voix. Une erreur sur un sigle ou un nom propre se voit bien plus que dans une fiche. Les corrections faites dans le fichier SRT avant l’envoi valent pour toutes les plateformes où il sera déposé.
Ce que la méthode ne règle pas
Les sigles et le jargon
Les sigles, les noms d’organismes et les termes propres à un secteur sont les premières victimes d’une transcription automatique, et les accents régionaux n’arrangent rien. Un formateur qui prononce le sigle puis sa forme développée, au moins la première fois, réduit sensiblement le travail de correction.
Les voix qui se chevauchent
Les séquences en sous-groupe ou les débats donnent un texte nettement moins fiable que l’exposé d’un seul formateur. Deux options : réécouter ces passages pour les corriger à la main, ou ne garder dans la fiche que la conclusion à laquelle le groupe est arrivé.
La relecture du formateur
Avant toute diffusion, le formateur consacre 20 à 30 minutes à relire la fiche et le compte rendu, en vérifiant chaque chiffre, chaque date et chaque nom. L’enregistrement est la matière première. Le livrable, c’est la version de deux pages qui est passée entre ses mains.
