Sous-titres incrustés, SRT ou VTT : quel format de sous-titres choisir

Incrustés ou fichier séparé : le choix central

Il y a deux façons de mettre des sous-titres sur une vidéo. Les sous-titres incrustés, dits ouverts ou « hardcodés », sont gravés définitivement dans l'image. Les sous-titres en fichier, surtout le SRT et le VTT, voyagent dans un fichier texte séparé que le lecteur superpose à la lecture et que le spectateur peut activer ou non.

Tout le reste, mise en forme, modifiabilité, accessibilité, prise en charge par les plateformes, découle de cette seule différence : les sous-titres font-ils partie de l'image, ou sont-ils une couche par-dessus.

On parle aussi de sous-titres ouverts (open) et fermés (closed). Les sous-titres incrustés sont des sous-titres ouverts : ils font partie de l'image et sont toujours visibles. Les sous-titres en fichier (SRT, VTT et les autres) sont des sous-titres fermés : ils accompagnent la vidéo et le spectateur peut les activer ou non. Ouvert ou fermé, c'est la même décision qu'incrusté ou fichier séparé, dans le vocabulaire du broadcast et de l'accessibilité.

Ce que veut dire « incrusté »

Les sous-titres incrustés font partie des pixels de la vidéo : ils s'affichent sans aucune prise en charge du lecteur et le spectateur ne peut pas les désactiver, et on peut les styliser sans limite, n'importe quelle police, couleur, position, animation ou fond. C'est pourquoi le social et le motion les incrustent en général. Étant des pixels, ils restent toutefois soumis au ré-encodage de la plateforme et aux recadrages (un master 16:9 affiché en 9:16 peut rogner ou décaler le texte).

Le prix, c'est la rigidité. Le spectateur ne peut pas les désactiver, on ne peut pas proposer une seconde langue sans un second export, et corriger une seule faute oblige à réexporter et réuploader toute la vidéo. Ils sont aussi invisibles aux moteurs de recherche et aux lecteurs d'écran, car ce sont des pixels, pas du texte.

SRT et VTT : les formats de fichier

Le SRT (SubRip) est le fichier de sous-titres universel en texte brut : une liste numérotée de répliques avec un timecode de début et de fin (écrit avec une virgule, 00:00:20,000) et le texte. Il ne porte aucune mise en forme et est accepté presque partout, de YouTube et Vimeo à la plupart des lecteurs et plateformes de formation.

Le VTT (WebVTT) est le standard du web, conçu pour l'élément track de la vidéo HTML5. Il commence par un en-tête WEBVTT, utilise un point dans ses timecodes (00:00:20.000) et gère une mise en forme et un positionnement basiques en CSS. On utilise le SRT par défaut et le VTT quand on livre pour le web. Le tableau ci-dessus les compare aux incrustés.

Au-delà du SRT : EBU-STL, ASS, SCC et TTML

Le SRT et le VTT sont les formats du quotidien, mais ce ne sont pas les seuls, et une livraison broadcast ou plateforme en demande parfois d'autres. L'EBU-STL (.stl) est la norme de sous-titrage de la télévision européenne, encore demandée par les chaînes. L'ASS ou SSA (Advanced SubStation Alpha) porte un style et un positionnement que les formats simples ne gèrent pas, d'où sa présence dans l'anime et le fansub. Le SCC (Scenarist Closed Captions) transporte les captions CEA-608 pour le broadcast américain. Le TTML, et son profil IMSC, est le format de texte temporisé en XML utilisé par les plateformes de streaming ; la livraison Netflix, par exemple, repose sur l'IMSC.

Pour l'essentiel du web et des réseaux sociaux, vous ne quitterez jamais le SRT et le VTT. Dès qu'un diffuseur ou un agrégateur de streaming entre en jeu, demandez quel format et quelle spec sont attendus : un fichier au mauvais format, c'est une relivraison, pas une correction rapide.

Lequel utiliser, selon la destination

On adapte le format à l'endroit où la vidéo est lue. YouTube, Vimeo et la plupart des lecteurs acceptent un fichier SRT ou VTT : on livre un fichier et on garde la vidéo propre. Le web ouvert (un lecteur HTML5 sur un site) veut du VTT. Les plateformes de formation acceptent en général le SRT.

On n'incruste que lorsque la destination ne laisse pas le choix : Instagram et TikTok n'acceptent pas qu'on téléverse un fichier SRT ou VTT pour la vidéo dans le feed (ils ne proposent que des sous-titres générés automatiquement, à la mise en forme limitée), et le feed se regarde en muet ; donc dès qu'on veut un contrôle total du design ou une précision fiable, on grave le texte dans l'image. Dans le doute, on livre les deux : un master propre avec un SRT, et une version incrustée séparée pour le social.

Sous-titres et sous-titres SME (SDH)

Le format est un axe ; la finalité en est un autre. Les sous-titres classiques supposent que le spectateur entend et ne rendent que la parole. Les sous-titres d'accessibilité ajoutent l'identification des locuteurs et les sons non parlés pour les sourds et malentendants. La France utilise la norme SME, codée par couleurs ; le SDH est l'équivalent anglophone, qui sert la même finalité avec ses propres conventions, le plus souvent monochromes.

Les deux peuvent se livrer en fichier ou être incrustés, mais les sous-titres d'accessibilité sont presque toujours en fichier pour que le spectateur les active à la demande. On ne confond pas les deux : un brief qui demande de l'accessibilité veut du SME, pas du sous-titre classique.

Les compromis cachés : montage, accessibilité, SEO

Les sous-titres en fichier gagnent sur tout, sauf la mise en forme. On les corrige ou les retraduit en quelques secondes sans toucher à la vidéo, on réutilise un seul master pour toutes les langues, et on laisse le choix au spectateur. Ils sont aussi lisibles par la machine : les moteurs indexent les mots et les lecteurs d'écran les annoncent.

Les sous-titres incrustés ne gagnent que sur l'apparence. Ils donnent un contrôle total du design et un affichage garanti, ce qui compte pour le social de marque, mais sacrifient la modifiabilité, la réutilisation multilingue, l'accessibilité et la découvrabilité. Le bon choix est en général le fichier, sauf si la plateforme ou le design impose l'inverse.

Livrer les sous-titres depuis DaVinci Resolve

DaVinci Resolve fait les deux. On crée une piste de sous-titres et on l'exporte en SRT pour une livraison en fichier, ou on grave la piste dans l'image pour une version incrustée, en choisissant police, taille et position à la sortie.

En pratique, on garde les sous-titres en fichier le plus longtemps possible et on n'incruste qu'à l'export final, pour les plateformes qui l'exigent. On conserve ainsi un seul master propre, des corrections de fautes peu coûteuses, et un fichier accessible et indexable pour tout le reste.