Une vidéo explicative IA en français demande trois réglages que les outils pensés pour l'anglais oublient souvent : un script plus court (le français prend 17 à 28 % de temps en plus pour dire la même chose, mesuré sur nos cinq exemples), une voix française native plutôt qu'une voix anglaise qui « parle français », et des sous-titres qui respectent la ponctuation française. Le reste de la méthode est identique : une question, une réponse dès les premières secondes, une scène par idée. L'Explainer de ClipOnIt propose 6 voix françaises ou votre propre voix au micro, dès le plan Starter (29 $/mois, 15 vidéos explicatives par mois).
Pourquoi le français piège les outils de vidéo IA
La plupart des générateurs de vidéos explicatives sont conçus en anglais, puis traduits. Ça se voit à trois endroits :
- La voix : beaucoup de voix « multilingues » sont des voix anglaises entraînées à lire d'autres langues. L'accent passe sur une phrase, plus sur une minute, surtout sur les liaisons et les nombres.
- Le rythme : un script écrit pour 45 secondes en anglais dure près d'une minute une fois traduit. Les scènes s'allongent, l'image reste figée, la rétention baisse.
- Les sous-titres : découpe des mots composés, apostrophes coupées en fin de ligne, nombres affichés en chiffres anglo-saxons (1,000 au lieu de 1 000).
Aucun de ces défauts n'empêche de publier. Ensemble, ils donnent une vidéo qui sonne « traduite », et le public francophone le remarque dès la première phrase.
Ce que le français change, en chiffres
Les cinq vidéos d'exemple de la page vidéo explicative IA existent en français et en anglais, avec le même contenu et la même voix (celle du fondateur). Voici leurs durées réelles :
| Vidéo | Mots (FR / EN) | Durée FR | Durée EN | Écart |
|---|---|---|---|---|
| D'où vient ton café | 145 / 135 | 56 s | 45 s | +25 % |
| Pourquoi bâiller est contagieux | 98 / 94 | 37 s | 29 s | +28 % |
| Pourquoi les oignons font pleurer | 91 / 84 | 32 s | 26 s | +21 % |
| Comment les chouettes voient la nuit | 65 / 69 | 26 s | 22 s | +17 % |
| Pourquoi les chats ronronnent | 59 / 61 | 24 s | 19 s | +27 % |
Mesure faite sur les fichiers publiés, le 7 novembre 2026. Même à nombre de mots égal, la version française est plus longue : les mots ont plus de syllabes et la voix marque davantage les fins de phrase. Sur ces cinq vidéos, le débit français tourne autour de 150 à 160 mots par minute, contre 170 à 190 en anglais.
La conséquence pratique : visez 120 à 140 mots pour une vidéo de 50 secondes en français, et coupez avant de générer plutôt qu'après.
Exemple : « D'où vient ton café », en français
Cette vidéo a été produite par l'Explainer dans le style Briefing satellite : la caméra survole la vraie Terre, de l'Éthiopie au port du Havre. Voix off : Mathis, fondateur de ClipOnIt (clone privé de sa propre voix, qui n'est pas proposé aux utilisateurs).
Le texte lu, scène par scène :
Le café de ce matin a sans doute fait près de dix mille kilomètres avant d'arriver dans ta tasse. Tout commence ici, sur les hauts plateaux d'Éthiopie : le berceau du caféier arabica. Au quinzième siècle, il traverse la mer Rouge jusqu'au Yémen. Le port de Moka lui donne même un nom. Aujourd'hui, le premier producteur du monde, c'est le Brésil : environ un tiers du café de la planète. […] Éthiopie, Brésil, Vietnam : chaque tasse est un petit tour du monde.
Trois choix d'écriture propres au français, visibles dans ce script :
- Les nombres en toutes lettres (« dix mille », « soixante kilos ») : la voix les lit sans hésiter, et l'image se charge d'afficher le chiffre.
- Le tutoiement, qui est la norme sur TikTok et Reels en français ; le vouvoiement passe mieux pour une vidéo de formation ou d'entreprise.
- Des phrases courtes avec deux-points : en français, une subordonnée longue à l'oral fait perdre le fil plus vite qu'en anglais.
Écrire un script français qui sonne bien à voix haute
- Écrivez en français, ne traduisez pas. Si vous partez d'un texte anglais, faites-le réécrire, pas traduire : les tournures anglaises (« voici le truc », « c'est un game changer ») trahissent la traduction.
- Une idée par phrase, une phrase par scène. L'Explainer découpe le script en scènes ; une phrase de 25 mots devient une scène de 10 secondes, trop longue pour une seule image.
- Lisez-le à voix haute avant de générer. Tout ce qui accroche dans votre bouche accrochera dans la voix de synthèse.
- Évitez les sigles non prononçables ou écrivez-les comme ils se disent (« la BCE » passe, « l'OCDE » aussi ; un sigle inventé non).
- Gardez les anglicismes que votre public utilise vraiment (« short », « podcast ») et traduisez les autres.
Choisir la voix française
Dans l'Explainer, deux options :
- Une des 6 voix françaises du catalogue : Guillaume (conteur posé), Aslan (ton réseaux sociaux, dynamique), Cyp (doux, pour expliquer), Koraly (conteuse expressive), Victoire (jeune, ton TikTok) et Anaïs (claire, ton info). Ce sont des voix françaises natives, pas des voix anglaises adaptées.
- Votre propre voix : vous enregistrez au micro (une ou plusieurs prises) ou importez un fichier audio, voire un lien YouTube. La narration est transcrite mot à mot et chaque élément apparaît quand vous le nommez. Vous pouvez réenregistrer une seule phrase sans refaire la vidéo.
Pour une chaîne régulière, la voix compte plus que le style visuel : c'est elle que le public reconnaît. Choisissez-en une et gardez-la.
Sous-titres en français : les détails qui comptent
- 3 à 5 mots par ligne, comme en anglais, mais les mots français sont plus longs : préférez une police condensée ou une taille un cran en dessous.
- Ne coupez jamais après une apostrophe (« l' / oignon ») ni entre un nombre et son unité.
- Accents sur les majuscules (« À », « É ») si les sous-titres sont en capitales : leur absence se voit.
Le détail des styles (karaoké, boîte, contour…) est dans notre guide des sous-titres automatiques.
Vérifier avant de publier
- Regardez la vidéo une fois sans le son : les sous-titres seuls doivent suffire.
- Écoutez les noms propres et les nombres : ce sont eux qu'une voix de synthèse rate en premier.
- Vérifiez chaque chiffre à la source. Dans l'exemple du café, « un tiers de la production mondiale » pour le Brésil est un ordre de grandeur courant ; vérifiez le vôtre.
- Coupez la scène qui traîne. Si une image reste plus de 8 secondes, la phrase est trop longue.
Combien ça coûte
L'Explainer est inclus dans les plans payants de ClipOnIt : Starter à 29 $/mois (15 vidéos explicatives par mois), Pro à 49 $/mois (30) et Business à 149 $/mois (100). Le plan Free ne comprend pas de rendu de vidéo explicative. Détails sur la page tarifs.
FAQ
Une IA peut-elle faire une vidéo explicative directement en français ?
Oui. Dans l'Explainer, vous écrivez l'idée ou le texte en français, choisissez une voix française, et la narration, les scènes et les sous-titres sont produits en français. Relisez quand même le script : c'est l'étape qui fait la qualité.
Faut-il écrire le script en anglais puis le traduire ?
Non, c'est même la source la plus fréquente de vidéos qui sonnent faux. Écrivez directement en français ; si vous avez besoin des deux langues, réécrivez la seconde version plutôt que de la traduire mot à mot, comme nous l'avons fait pour nos exemples.
Combien de mots pour une vidéo d'une minute en français ?
Entre 140 et 160 mots, d'après le débit mesuré sur nos exemples (environ 155 mots par minute pour la vidéo du café). Pour un short de 30 secondes, visez 70 à 80 mots.
Peut-on faire la même vidéo en anglais ensuite ?
Oui, en dupliquant le projet et en remplaçant le texte par sa version anglaise, avec une des 4 voix anglaises du catalogue. Comptez une vidéo de votre quota par langue. Pour la méthode complète, voir comment faire une vidéo explicative avec l'IA.
Rédigé par l'équipe ClipOnIt. Publié le 7 novembre 2026.