Sous-titres traduits en temps réel :
Comment ils fonctionnent vraiment

Les sous-titres traduits en temps réel sont des légendes générées à partir d’un audio en direct et traduites pendant que l’orateur parle encore. Ils apparaissent à l’écran pendant quelques secondes, puis disparaissent. C’est l’inverse d’un fichier de sous-titres comme SRT ou WebVTT, qui est un artefact finalisé : une liste d’indices horodatés alignés sur un enregistrement qui existe déjà.

Ces deux choses sont constamment traitées comme un seul et même produit, et c’est pourquoi tant de conseils sur ce sujet sont inutiles. Recherchez des sous-titres traduits en temps réel et on vous proposera surtout des éditeurs de sous-titrage : des outils qui veulent un fichier vidéo importé, une passe de transcription et vingt minutes de votre après-midi. Excellent logiciel. Mauvais problème. Personne n’importe un fichier dans un appel vidéo qui se déroule en ce moment même.

Ce guide couvre ce que sont réellement les sous-titres générés en direct, ce qu’ils ne peuvent pas faire, le seul scénario que le reste d’Internet passe sous silence, et comment les faire fonctionner sur un onglet de navigateur en quelques minutes. Si vous voulez passer la théorie, vous pouvez ouvrir MirrorCaption dans votre navigateur et le pointer vers un onglet.

Ce que sont réellement les sous-titres traduits en temps réel

Un sous-titre, au sens traditionnel, est un artefact temporel. La spécification W3C WebVTT définit un indice comme un texte lié à une heure de début et à une heure de fin, exprimé par rapport à la chronologie d’un fichier média. Cette définition suppose que le média est terminé. On ne peut pas lier un indice à une chronologie qui n’a pas encore eu lieu.

Donc « sous-titre en temps réel » est, à strictement parler, un contresens. Ce que les gens veulent dire lorsqu’ils le recherchent, c’est : du texte sur mon écran, dans ma langue, correspondant à ce que j’entends en ce moment. C’est un pipeline en direct, pas un document. L’audio entre en flux, un moteur de transcription émet des mots partiels qui se corrigent eux-mêmes à mesure que davantage de contexte arrive, une couche de traduction les réécrit dans la langue cible, et le résultat s’affiche à l’écran avec un léger décalage sur la voix.

La distinction n’est pas du pinaillage. Elle détermine ce que vous pouvez demander, ou non.

Sous-titres en temps réel vs. les trois choses avec lesquelles on les confond

La troisième colonne est celle que les gens confondent le plus souvent, et nous ne reviendrons pas dessus ici : notre guide sur les sous-titres en direct vs. les transcriptions traite déjà correctement cette terminologie.

Lequel de ces trois lecteurs êtes-vous ?

Trois personnes très différentes tapent cette expression dans un moteur de recherche.

1. Le participant. Vous regardez un audio que vous ne contrôlez pas : un livestream, une diffusion de conférence, un webinaire où vous êtes invité. Continuez à lire, cet article est surtout pour vous.
2. Le participant à une réunion. Vous êtes dans un appel où quelqu’un parle une langue que vous ne comprenez pas. Continuez aussi à lire, les sections trois et quatre sont pour vous.
3. La personne qui a besoin d’un fichier de sous-titres livrable. Vous voulez un SRT à joindre à une vidéo pour que d’autres puissent la regarder plus tard. Les outils en temps réel sont complètement sur la mauvaise étagère, et aucune astuce ne changera cela. Utilisez un éditeur de sous-titrage dédié sur l’enregistrement. Nous préférons vous le dire au paragraphe douze plutôt que de vous faire perdre votre après-midi.

Le cas dont personne ne parle : quand vous ne contrôlez pas l’audio

Voici le manque. Presque tous les articles sur la traduction en direct supposent que vous êtes l’hôte. Les fournisseurs de sous-titrage pour entreprises veulent vendre un contrat à votre équipe événementielle. La documentation des plateformes vous dit de demander à l’organisateur de la réunion. Les blogs de sous-titrage vous disent d’attendre que l’enregistrement soit publié.

Rien de tout cela n’aide la personne qui se contente d’écouter. Et cette personne est courante : un ingénieur qui regarde le lancement d’un matériel depuis Shenzhen, un analyste politique qui suit une session parlementaire, un étudiant qui assiste à un cours invité, un investisseur dans une conférence sur les résultats où il est clairement en mode écoute seule.

Dans chacun de ces cas, vous n’avez aucune autorisation pour modifier quoi que ce soit à la diffusion, et aucune relation avec la personne qui l’organise. Ce que vous avez, en revanche, c’est un navigateur qui décode déjà l’audio. C’est là que réside l’avantage. L’API getDisplayMedia permet d’autoriser une page à accéder à l’audio d’un autre onglet, avec une invite de permission explicite à chaque fois. Le son ne quitte jamais le graphe audio de votre machine sur son chemin vers la capture ; vous sous-titrez ce que vous entendez déjà.

Deux réserves honnêtes, parce que c’est là que beaucoup de textes marketing mentent discrètement. Premièrement, la capture de l’audio d’un onglet est une fonctionnalité de navigateur de bureau : elle fonctionne dans Chrome et Microsoft Edge, et n’est pas disponible sur les navigateurs mobiles. Deuxièmement, aucun bot ne rejoint la réunion est une affirmation technique, pas juridique. Le fait de savoir si vous pouvez transcrire un appel donné dépend de votre juridiction et de la politique de votre employeur, et ces questions méritent une vraie réponse avant d’appuyer sur démarrer pour quoi que ce soit d’externe.

Comment obtenir des sous-titres traduits en temps réel sur un onglet de navigateur

La configuration est assez courte pour que la décrire prenne plus de temps que la faire.

1. Ouvrez la source audio dans Chrome ou Edge sur ordinateur. Un appel Zoom ou Google Meet dans le navigateur, un livestream YouTube, un lecteur de webinaire, une diffusion d’actualités, tout ce qui joue du son dans un onglet.
2. Ouvrez MirrorCaption dans un second onglet et choisissez le mode Meet, qui est le mode conçu pour capturer l’audio d’un onglet de réunion.
3. Choisissez la langue source et la langue cible. Il y a 60+ langues sélectionnables, et la paire est bidirectionnelle, donc du mandarin vers l’allemand est aussi valide que de l’anglais vers l’espagnol.
4. Autorisez l’audio de l’onglet lorsque le navigateur le demande. Le sélecteur de partage apparaît ; choisissez l’onglet qui lit l’audio et assurez-vous que le bouton audio est activé. Cette invite est imposée par le navigateur et apparaît à chaque session.
5. Lisez. L’original et la traduction s’affichent côte à côte sur ordinateur, empilés sur mobile, chaque voix étant étiquetée séparément.

Il n’y a rien à installer, aucune extension de navigateur, et rien ne rejoint l’appel en tant que participant. Ce dernier point fait toute la différence avec la catégorie des bots de réunion : des outils comme Fireflies ont besoin d’un assistant invité à la réunion, ce qui est précisément ce qu’un participant ne peut pas organiser.

Quand l’autre personne doit l’entendre, pas le lire

Les sous-titres sont une interface de lecture, ce qui convient lorsque vous êtes le seul à avoir besoin de la traduction. Cela cesse d’aller dès que la conversation devient bidirectionnelle.

Speak Translations couvre ce cas. Il lit à voix haute votre propre discours traduit dans la langue cible, suffisamment près du temps réel pour maintenir la conversation en mouvement. La lecture peut passer par le haut-parleur de votre ordinateur portable, par un téléphone appairé via code QR afin que le son provienne du téléphone, ou, sur le client Mac, par un microphone virtuel que Zoom, Meet et Teams voient comme un périphérique d’entrée normal.

Sur un téléphone, le mode Talk gère la version en face à face. C’est une session continue plutôt qu’un bouton push-to-talk : vous le lancez une fois, les deux personnes parlent à tour de rôle, et le contexte de transcription et de traduction se maintient tout au long de l’échange au lieu de se réinitialiser après chaque phrase.

À quoi s’attendre de la qualité de la traduction en direct

La traduction en direct est réellement bonne aujourd’hui et elle n’est pas parfaite, et toute page qui prétend le contraire essaie de vendre quelque chose. Voici sa forme honnête.

Les résultats partiels se corrigent eux-mêmes. La transcription en flux émet des mots avant la fin de la phrase, puis les révise à mesure que la grammaire se résout. Le texte qui se réécrit visiblement au milieu d’une phrase signifie que le système fonctionne, pas qu’il bugue. C’est aussi pourquoi une capture d’écran de sous-titres en direct prise au mauvais instant paraît toujours pire que l’expérience réelle.

La qualité audio domine tout le reste. Un micro-casque propre dans une pièce calme n’est pas le même problème qu’un haut-parleur d’ordinateur portable dans une salle de réunion réverbérante avec trois personnes qui se coupent la parole.

L’idiome est l’endroit où les machines perdent encore. Quand un client japonais dit ちょっと難しいです, un traducteur le rendra par « c’est un peu difficile », ce qui est linguistiquement correct et, commercialement, un refus poli. La traduction n’est pas fausse ; la lecture l’est. C’est précisément pourquoi MirrorCaption affiche l’original à côté de la traduction et vous permet de toucher n’importe quel mot traduit pour révéler la source. Si vous négociez entre langues, gardez un œil sur la colonne de gauche.

Attendez-vous à de très bons résultats sur une parole claire dans des langues bien prises en charge, et attendez-vous à vérifier tout ce qui a une portée financière ou juridique. Nous approfondissons ce sujet dans notre article sur la précision de la traduction en temps réel.

Ce que couvrent les options intégrées aux plateformes

Toutes les grandes plateformes de visioconférence proposent désormais une forme de traduction en direct, et pour beaucoup d’équipes c’est la bonne réponse. Si votre organisation vit dans une seule plateforme et que votre hôte dispose de la bonne licence, utiliser ce qui existe déjà vaut mieux qu’ajouter un outil.

• Les sous-titres traduits de Zoom traduisent la parole dans une autre langue pendant une réunion Zoom. La disponibilité dépend du niveau d’abonnement du compte et de l’activation de la fonctionnalité par l’hôte.
• Les sous-titres traduits en direct de Microsoft Teams font l’équivalent dans Teams, là encore soumis à la licence et aux paramètres d’administration au niveau du tenant.
• Les sous-titres traduits de Google Meet couvrent un ensemble de paires de langues dans Meet, selon l’édition Workspace utilisée.

Consultez la documentation actuelle de chaque fournisseur pour les listes exactes de langues, car elles changent et tout nombre imprimé dans un article de blog vieillit mal. Les limites structurelles, en revanche, ne bougent pas :

• Elles ne fonctionnent que dans leur propre plateforme. Un livestream, un lecteur de webinaire, une diffusion radio dans le navigateur ou une conversation en personne sont hors périmètre par définition.
• Elles dépendent du forfait de quelqu’un d’autre. En tant que participant, vous ne pouvez pas activer une fonctionnalité que la licence de l’hôte n’inclut pas.
• Les sous-titres sont généralement éphémères. L’export varie selon le forfait ; le texte en continu n’est souvent pas à vous pour le conserver.

MirrorCaption se situe en dehors de ces trois contraintes parce qu’il capture l’onglet plutôt que de s’intégrer à la plateforme. L’objectif de conception est d’être agnostique à l’outil : utilisez l’outil de visioconférence choisi par votre hôte. Si vous comparez correctement les alternatives, notre tour d’horizon des meilleurs traducteurs de réunion en 2026 compare la catégorie côte à côte, y compris là où les concurrents sont réellement plus forts.

Questions fréquentes

Puis-je obtenir des sous-titres traduits en temps réel sur un livestream que je regarde seulement ?

Oui, si le flux se lit dans un onglet de navigateur sur votre propre machine. La capture de l’audio d’un onglet lit le son que votre navigateur diffuse déjà et le sous-titre localement, vous n’avez donc pas besoin que le diffuseur active quoi que ce soit. C’est la voie standard lorsque vous êtes un participant plutôt qu’un hôte.

Puis-je télécharger des sous-titres traduits en temps réel sous forme de fichier SRT ?

Pas sous forme de SRT horodaté. Les sous-titres en temps réel sont produits à partir de l’audio pendant sa lecture, donc rien n’est aligné sur un fichier média finalisé. MirrorCaption exporte la transcription en cours et sa traduction en Markdown ou en texte brut. Pour un SRT distribuable, utilisez un outil de sous-titrage sur l’enregistrement.

Ai-je besoin de l’autorisation de l’hôte pour sous-titrer une réunion à laquelle je participe ?

Rien ne rejoint la réunion, donc il n’y a aucun bot à approuver, mais cela ne revient pas à un feu vert juridique. Les règles d’enregistrement et de transcription varient selon le pays et l’employeur. Vérifiez votre droit local et la politique de votre entreprise avant de sous-titrer un appel, surtout s’il est externe.

La traduction en temps réel fonctionne-t-elle dans les deux sens pendant une conversation ?

Oui. Le mode Talk fonctionne comme une session continue, de sorte que les deux personnes parlent à tour de rôle dans la même conversation au lieu de redémarrer à chaque phrase. Speak Translations peut, en option, lire votre discours traduit à voix haute, afin que l’autre partie entende la langue cible plutôt que de la lire seulement.

Combien coûtent les sous-titres traduits en temps réel ?

MirrorCaption offre à chaque compte 1 heure gratuite, une seule fois, sans carte bancaire et sans réinitialisation mensuelle. L’abonnement annuel est à 54.99 euro par an avec 100 heures de crédit de transcription hébergée ; Premium est à 99 euro une fois avec 200 heures incluses. Les heures supplémentaires proviennent des Voice Packs, vendus séparément.

En résumé

Les sous-titres traduits en temps réel sont un pipeline en direct, pas un document, et une fois que vous acceptez cela, toute la catégorie devient logique. Il n’y a pas de fichier, donc cessez d’en chercher un. Ce qu’il y a à la place, c’est un moyen de lire un audio que vous entendez en ce moment, dans une langue que vous parlez réellement, sans attendre un enregistrement et sans avoir besoin de l’autorisation de qui que ce soit pour actionner un interrupteur.

Quatre choses à retenir. Les outils en temps réel et les outils de fichiers de sous-titres résolvent des problèmes différents, et les mélanger fait perdre du temps. La capture de l’audio d’un onglet est ce qui débloque le cas du participant que les fonctions de plateforme ne peuvent structurellement pas atteindre. La traduction intégrée de Zoom, Teams et Meet n’aide que dans cette plateforme lorsque votre hôte a la licence, tandis que MirrorCaption est l’option la plus adaptée : il vous suit à travers toutes ces plateformes dans 60+ langues. Et la traduction en direct est solide sur un audio clair mais manque encore les idiomes, ce qui explique pourquoi lire l’original à côté de la traduction compte lorsque les enjeux sont réels.

Si vous êtes le participant, le participant à une réunion, ou la personne assise en face de quelqu’un que vous ne comprenez pas encore : l’heure qui vient est gratuite, et il faut environ quatre-vingt-dix secondes pour savoir si cela résout votre problème.