Transcription vidéo en texte gratuit : ce qui coince

Une vidéo ne se dépose pas comme un fichier audio

Le mot « gratuit » n'est pas ce qui décide ici. Sur un fichier vidéo, l'offre gratuite casse plus tôt que sur un fichier son, et rarement à l'endroit annoncé sur la page de tarifs. Trois différences expliquent l'essentiel, et aucune ne porte sur le nombre de minutes offertes.

Ce qui rentre. Une partie du marché ne prend aucun fichier, quel qu'il soit. Fathom l'écrit sans détour : « Fathom can only record and transcribe live meetings on Zoom, Google Meet, and Microsoft Teams - we do not support uploaded calls » (vérifié le 2026-08-02 sur help.fathom.video). Tactiq ne lit pas davantage un fichier : l'extension récupère les sous-titres produits par la plateforme de visioconférence, et les Live captions de Google Meet doivent être activées pour que la transcription démarre. Ces deux outils apparaissent dans presque tous les classements de transcription. Sur une vidéo déjà enregistrée, ils ne servent à rien.

Ce que pèse le fichier. Sur l'ensemble des fiches de ce dossier, deux seulement expriment une limite en gigaoctets plutôt qu'en minutes : Sonix, dont chaque palier porte une capacité de stockage qui monte de 5 Go à 100 Go, et Descript, qui ouvre son offre gratuite à 5 Go et passe à 100 Go au palier suivant. Ce n'est pas un hasard de rédaction commerciale. Ces deux-là gardent le média, quand les autres ne conservent que le texte et, parfois, un enregistrement qu'ils suppriment vite. Un outil qui ne garde que la transcription se moque du poids de l'image ; celui qui garde la vidéo vous fait payer la place qu'elle occupe.

Ce qui sort. C'est la vraie ligne de partage, et elle est mesurable. Sur les fiches du dossier, seules 10 documentent un export SRT, 5 un export VTT, et 3 descendent jusqu'aux formats que réclame une salle de montage — EBU-STL, EDL, XML Premiere, Avid, FCPXML. Tout le reste rend du texte, un document bureautique, ou un fichier vidéo brut. Otter.ai est explicite sur son gratuit : l'export s'y limite au TXT, ni Word, ni PDF, ni sous-titres. Fathom ne publie pas de format de fichier pour la transcription, qui se copie dans le presse-papiers, et rend la vidéo en MP4 une par une. Tactiq sort en PDF, TXT et CSV.

Cinq familles, selon la porte par laquelle la vidéo entre

Le classement utile ne trie pas par prix mais par chemin d'entrée. Une même vidéo n'emprunte pas le même parcours selon l'outil, et c'est ce parcours qui détermine ce que vous pourrez en faire.

Une conséquence pratique, avant toute comparaison de tarifs : si votre besoin est ponctuel et que vous n'attendez que du texte, extrayez la piste son de la vidéo et déposez-la seule. Le verbatim obtenu est identique, le fichier pèse moins lourd dans les quotas de stockage, et vous cessez de payer pour une image dont personne ne fera rien. Gardez la vidéo complète dans deux cas : quand la sortie attendue est un fichier de sous-titres qui devra se recaler sur l'image, et quand l'outil est un éditeur de montage qui a besoin du média entier pour travailler.

Ce qui rentre, ce qui sort, éditeur par éditeur

Deux colonnes suffisent à trancher sur ce cas d'usage, et ce ne sont ni le prix ni la note moyenne. La première est l'entrée : l'éditeur accepte-t-il un fichier vidéo, un lien, ou rien du tout ? La seconde est la sortie : produit-il un fichier de sous-titres, ou seulement du texte ?

Une convention vaut pour le tableau qui suit : un tiret signifie que le point n'est pas revendiqué sur les pages éditeur relevées le 2026-08-02. Ce n'est pas une absence de fonction, c'est une absence de preuve publique — et sur ce marché, l'écart entre les deux est précisément le sujet.

Ce que ce tableau dit vraiment. La colonne montage n'a que trois lignes remplies, et ce sont trois éditeurs européens ou britanniques dont le produit a été conçu pour des rédactions et des sociétés de production. Si votre vidéo doit repartir dans Premiere ou dans Avid, le choix est fait avant d'ouvrir la grille tarifaire. La colonne sous-titres coupe le marché en deux : les outils de fichier la remplissent tous, les assistants de réunion à moitié, et deux des plus recommandés du marché ne la remplissent pas du tout. La colonne entrée réserve la mauvaise surprise : sur les assistants de réunion, l'import existe mais il est compté à part, et parfois pour la vie du compte plutôt que pour le mois.

Ce dernier point mérite d'être détaillé, parce qu'il ne se voit pas sur une page de tarifs. Sur le gratuit d'Otter.ai, les imports de fichiers sont limités à 3 pour la durée de vie du compte. Sur celui de tl;dv, les téléversements manuels sont plafonnés à 5, également à vie. Happy Scribe ouvre son notetaker de réunion largement mais n'accorde que 3 fichiers par mois analysables par l'IA. Read AI n'accorde aucun crédit d'import sur son offre gratuite : ils commencent au palier payant. MeetGeek fait l'inverse et documente l'import audio et vidéo dès son plan d'entrée. Rev, enfin, réserve son gratuit à l'anglais, ce qui règle la question pour un fichier français.

Où le fichier est traité, et combien de temps il y reste

Sur une vidéo, la question de l'hébergement se double d'une question de rétention : le média source est plus lourd, plus identifiant, et souvent conservé plus longtemps que le texte qu'on en tire.

Ce que les avis relevés disent de la chaîne vidéo

Nous n'avons testé aucun de ces outils. Ce qui suit vient des avis publics agrégés sur G2, Capterra et Trustpilot, relevés et datés, et non d'une impression d'usage.

Premier constat, et il est encourageant pour ce cas d'usage précis : la chaîne de sous-titrage est l'un des rares points sur lesquels les avis sont convergents et concrets. Les avis relevés pour Happy Scribe décrivent une chaîne complète, de la génération au réglage du style, jusqu'à l'incrustation dans la vidéo et l'export. Ceux de Trint décrivent un usage en production réelle, avec les exports vers le montage et une fonction de montage papier. Ce ne sont pas des promesses d'éditeur reprises telles quelles, ce sont des gestes que des utilisateurs disent accomplir.

Deuxième constat, moins agréable : le reproche le plus répandu sur ce cluster concerne les fichiers longs, ce qui est exactement le cas d'une vidéo. Les avis relevés pour Amberscript décrivent un éditeur qui rame, se bloque ou perd la position sur les fichiers longs, avec un copier-coller défaillant sur macOS. Ceux de Descript décrivent des lenteurs, des bugs et de l'instabilité de l'éditeur, particulièrement sur les fichiers longs. Ceux de Trint décrivent un horodatage qui déraille après modification. Le motif est cohérent d'un produit à l'autre, et c'est précisément l'horodatage qui fait la valeur d'un sous-titre.

Troisième constat, sur le français. Les avis relevés pour Trint citent explicitement le français, l'allemand et le néerlandais comme inutilisables ou à réécrire, ce qui contredit frontalement la richesse de ses exports de montage : le meilleur tuyau de sortie ne rattrape pas un texte à reprendre entièrement. À l'inverse, les avis relevés pour Amberscript citent nommément le français parmi les langues qui tiennent, et ceux de Happy Scribe citent l'espagnol, l'arabe, l'italien et l'allemand. Aucun benchmark indépendant ne mesure la précision en français sur un corpus commun, et les pourcentages affichés par les éditeurs sont des revendications maison. Les avis restent la seule mesure disponible, avec leurs biais.

Un dernier motif traverse tout le lot et n'a rien à voir avec la vidéo, mais il coûte plus cher que tout le reste : la facturation. Les relevés d'avis d'Amberscript, de Trint, de Sonix, de Descript et de Notta contiennent tous un bloc de reproches sur les prélèvements inattendus, les résiliations introuvables ou les crédits non honorés. Sur un besoin ponctuel — sous-titrer une série de webinaires, dépouiller trois entretiens filmés — c'est le risque dominant, bien avant la qualité de la transcription.

Comment la vidéo entre dans votre organisation

Le déploiement échoue rarement sur l'outil. Il échoue sur l'étape d'avant, qui est de savoir ce que devient le fichier une fois transcrit, et sur l'étape d'après, qui est de savoir où le sous-titre atterrit.

Le test qui coûte vingt minutes et évite un abonnement annuel

1. Prenez une vidéo représentative, pas votre plus belle. Un enregistrement avec du bruit de fond, plusieurs personnes qui se coupent la parole et votre vocabulaire métier. Les avis relevés convergent sur ce point pour presque tous les outils du dossier : la précision s'effondre sur l'audio bruité, l'accent marqué et le jargon, jamais sur la langue courante.
2. Décidez du livrable avant de déposer. Un compte rendu et un sous-titrage ne sortent pas du même tuyau. Si le livrable est un sous-titrage, écartez d'emblée tout outil dont la fiche ne documente ni SRT ni VTT : vous ne le découvrirez qu'à la fin, une fois le travail de correction fait.
3. Comptez deux choses séparément à la relecture : les corrections de mots, et les décalages d'horodatage. Les premières se rattrapent vite, les seconds obligent à reprendre le fichier ligne à ligne, et ce sont eux qui décident du temps réellement gagné.
4. Vérifiez ce que vous emportez en partant. Sur plusieurs offres du dossier, le média source et la transcription n'ont pas la même durée de conservation, et le téléchargement de la transcription est parfois réservé à un palier payant. Cette vérification prend dix minutes une fois, et elle est irrattrapable après six mois d'usage.

Trois situations, trois façons de commencer

A2

Agence de communication ou de marketing, 10 à 25 personnes, qui produit des webinaires et des captations client

Par où commencer. Séparez les deux flux dès le départ, parce qu'ils n'ont pas le même livrable : la captation client qui finit en compte rendu, et la vidéo publiée qui finit en sous-titres. Pour le second, prenez un outil dont la sortie descend jusqu'aux formats de montage si vos vidéos repassent par un monteur ; sinon un export SRT suffit. Faites porter le compte par une seule personne, avec une bibliothèque de fichiers partagée.

Ce qui coince. Ce n'est pas l'adoption qui coince, c'est la prolifération : le monteur a son outil, le chargé de communication le sien, et personne ne sait ce qui est payé. Deuxième semaine, la vraie question devient le stockage — les fichiers vidéo remplissent les quotas beaucoup plus vite que prévu, et le réflexe de tout déposer en pleine résolution coûte un passage au palier supérieur.

A9

Indépendant, formateur ou consultant, qui transcrit ses propres captations et ses entretiens filmés

Par où commencer. Extrayez la piste son et travaillez sur elle tant que vous n'avez besoin que de texte : c'est gratuit, immédiat, et cela vous fait tenir beaucoup plus longtemps dans un quota. Choisissez un outil facturé à l'heure d'audio plutôt qu'au siège si votre volume est irrégulier, et gardez le gratuit pour vérifier la qualité sur votre propre voix, pas pour produire.

Ce qui coince. Le point de rupture est l'abonnement payé les mois sans production : les avis relevés pour Sonix le décrivent explicitement, et c'est ce qui pousse à résilier entre deux projets. Deuxième frein, plus sournois : le temps de relecture. Une transcription à 90 % de précision sur une heure de vidéo représente une charge de correction que personne n'anticipe la première fois.

A10

Association ou collectivité, 5 à 30 personnes, qui filme conseils d'administration, assemblées et sessions publiques

Par où commencer. Ici l'obligation d'accessibilité et l'exigence de souveraineté arrivent avant le confort : commencez par la sortie sous-titres, qui est souvent le vrai motif du projet, puis par le lieu de traitement. Les deux critères réunis réduisent la liste à très peu de candidats, et c'est une bonne nouvelle — la décision se prend vite. Prévoyez une relecture humaine systématique avant publication.

Ce qui coince. La décision est collégiale et lente, alors que les offres gratuites servent à trancher en quelques jours : le décalage fait que l'essai est consommé avant que la décision soit prise. Deuxième point : une séance publique dure longtemps, et les plafonds par fichier ou par réunion mordent bien avant les plafonds mensuels. Vérifiez la durée maximale par fichier avant tout le reste.

Une remarque transversale sur le gratuit. Il sert à vérifier une chose et une seule : que l'outil comprend votre son. Sur une vidéo, cela veut dire déposer un extrait représentatif et regarder deux points — la séparation des intervenants, qui est le reproche le plus constant du dossier dès qu'il y a plus de deux voix, et le calage des horodatages. Le reste, quotas et intégrations, se juge sur la grille tarifaire, pas sur un extrait.

Quand on vous dit non

• N'achetez pas Fathom pour traiter une vidéo enregistrée : l'éditeur écrit qu'il ne prend en charge que les réunions en direct sur Zoom, Google Meet et Microsoft Teams, et pas les appels téléversés.
• N'attendez pas de Tactiq qu'il transcrive un fichier. L'extension lit les sous-titres produits par la plateforme de visioconférence pendant l'appel ; sans appel en cours, il n'y a rien à lire.
• Ne comptez pas sur un plan gratuit d'assistant de réunion pour un lot de vidéos : les imports y sont comptés à part, parfois pour la vie du compte et non pour le mois.
• Ne prenez pas Rev pour une vidéo en français sans payer : son offre gratuite est annoncée en anglais uniquement.
• N'utilisez pas un éditeur de montage par le texte pour produire un simple verbatim. Vous paierez une chaîne de production vidéo pour obtenir un document Word.
• Ne déposez pas la vidéo complète quand vous n'attendez que du texte : la piste son seule donne le même verbatim et pèse moins lourd dans les quotas de stockage.
• N'espérez pas de fichier de sous-titres d'un outil dont la fiche n'en documente aucun. Recaler du texte brut sur une image à la main annule tout le temps gagné.

Le cas du gratuit, puisque c'est la requête

La question posée est celle d'une transcription vidéo gratuite, et la réponse honnête tient en deux temps. Pour un fichier, une fois, le gratuit suffit souvent : plusieurs éditeurs du dossier ouvrent un crédit d'essai qui laisse passer un extrait, et cela répond au besoin réel de beaucoup de gens, qui est de transcrire une vidéo, pas de s'équiper.

Pour un flux régulier, le gratuit ne tient pas, et il ne casse pas là où on l'attend. Ce n'est presque jamais le quota mensuel qui bloque : c'est la limite par unité. Une conversation coupée avant la fin, un nombre d'imports fixé pour la vie du compte, un export réservé au palier payant, un filigrane sur la vidéo sortante. Le quota mensuel affiché sur la page de tarifs est le chiffre le moins pertinent de tous, et c'est celui que tous les comparatifs mettent en avant.

Ce qui reste à votre charge

Deux obligations ne disparaissent avec aucun outil. La première est la relecture : un sous-titre publié engage celui qui le publie, et aucune des fiches de ce dossier ne revendique une précision qui dispense de relire. La seconde est l'information des personnes filmées, qui relève des mêmes règles qu'un enregistrement de réunion et ne se règle pas au moment de la transcription, mais au moment de la captation. Si la vidéo a été tournée sans que les participants sachent qu'elle serait diffusée, la transcrire n'arrange rien.

Questions fréquentes

Questions fréquentes

Comment transcrire une vidéo en texte gratuitement ?

Commencez par vérifier que l'outil accepte un fichier importé, ce qui n'a rien d'acquis : plusieurs assistants de réunion très visibles ne traitent que des appels en direct. Vérifiez ensuite le compteur qui vous concerne, car sur la vidéo il y en a souvent deux : le quota de minutes traitées et le nombre d'imports autorisés, qui est parfois un total à vie et non un quota mensuel. Regardez enfin le format de sortie avant de déposer quoi que ce soit : un gratuit qui rend du texte brut ne vous donnera pas de sous-titres.

Faut-il extraire la piste son avant de déposer sa vidéo ?

Si vous n'attendez que du texte, oui, et c'est le geste le plus rentable de la chaîne. La piste son seule passe plus vite, occupe moins de place dans les quotas de stockage, et donne exactement le même verbatim. Gardez la vidéo d'origine dans deux cas seulement : quand vous voulez des sous-titres horodatés qui devront se recaler sur l'image, et quand l'outil est un éditeur de montage qui a besoin du média complet pour travailler.

Quel format de fichier vidéo faut-il fournir ?

Aucune des fiches de ce dossier ne publie la liste des conteneurs acceptés en entrée, ni de taille maximale de fichier. C'est un angle mort du marché, et nous ne l'affirmons donc dans aucun sens. La conséquence pratique est simple : testez votre propre fichier, dans son format d'origine, avant de payer quoi que ce soit. Si le dépôt échoue, réencoder ou extraire la piste son règle presque toujours le problème.

Comment obtenir des sous-titres et pas seulement du texte ?

En vérifiant que l'outil sort du SRT ou du VTT, seuls formats qu'un lecteur vidéo ou une plateforme de diffusion sait recaler sur l'image. Sur les fiches de ce dossier, cette sortie est loin d'être la norme : la majorité des assistants de réunion rendent du texte, du document bureautique ou de la vidéo, jamais un fichier de sous-titres. Si votre livrable est un sous-titrage, ce seul critère élimine la moitié du marché avant même de regarder le prix.

Peut-on transcrire une vidéo YouTube sans la télécharger ?

Trois fiches de ce dossier documentent le collage d'un lien YouTube plutôt que le téléversement d'un fichier : Agilotext, Upmeet et Notta. C'est le chemin le plus court quand la vidéo est déjà en ligne, et il évite de faire transiter un gros fichier. Le relevé d'avis de Notta signale toutefois des liens qui échouent, aux côtés d'autres dépôts en erreur. Prévoyez le repli par téléversement, et ne construisez pas un flux de travail entier sur le lien.

Y a-t-il une limite de durée pour une vidéo ?

Oui, et elle est souvent plus basse que le quota mensuel affiché, ce qui est le piège le plus fréquent. Certaines offres coupent la conversation bien avant que le quota mensuel soit consommé, d'autres plafonnent la durée par réunion, et d'autres encore limitent le nombre de fichiers importables sans limiter leur durée. Lisez toujours les deux compteurs ensemble : celui du mois et celui de l'unité.

Quelle différence avec la transcription d'un fichier audio ?

Trois différences, et aucune ne porte sur la qualité du texte produit. L'entrée d'abord : un fichier vidéo n'est pas accepté partout, alors que l'audio l'est presque toujours. Le poids ensuite : dès qu'un outil conserve l'image, son offre se compte en gigaoctets de stockage et plus seulement en minutes traitées. La sortie enfin : une vidéo réclame un fichier de sous-titres horodaté, qu'une chaîne pensée pour l'audio ne produit pas.