# Comment faire du montage vidéo avec des outils d’IA?

Date: 2026-06-15 · Author: Robert Scales · https://guidetoartificialintelligence.com/fr/apprendre/monter-video-avec-outils-ia/

**Answer:** L’aide la plus utile de l’IA en montage vidéo aujourd’hui n’est pas de générer des images, mais de prendre en charge les étapes lentes autour : transformer la parole en une transcription que l’on coupe comme du texte, trouver le bon plan en le décrivant et préparer des sous-titres. Une méthode pratique : montage de la transcription, puis recherche de plans d’appoint, puis sous-titres, avec une personne qui révise chaque étape avant l’exportation.

Dans le montage d’une vidéo où une personne parle à la caméra, la plus grande partie du temps va à des tâches qui n’ont rien de créatif : écouter une heure d’images pour trouver les bonnes réponses, couper chaque « euh », chercher un plan de l’édifice dont vous avez parlé et taper les sous-titres. Les outils d’IA sont maintenant bons précisément pour ces tâches, parce qu’ils reposent sur deux capacités éprouvées : la **reconnaissance de la parole**, qui transforme les paroles en texte horodaté, et la **recherche visuelle**, qui associe une description écrite à ce qui apparaît dans les images.

Ce guide présente une vraie méthode pour une tâche courante : transformer une entrevue de 40 minutes avec la propriétaire d’une boulangerie locale en un portrait de trois minutes. Il prend comme exemple principal les fonctions d’IA intégrées d’Adobe Premiere Pro et, pour les sous-titres, le modèle gratuit Whisper d’OpenAI, mais les mêmes étapes existent dans d’autres logiciels de montage sous d’autres noms.

## Étape 1 : monter la transcription, pas la timeline

Le *Text-Based Editing* (montage à partir du texte) de Premiere Pro commence par transcrire vos images, soit automatiquement à l’importation, soit clip par clip, avec une option pour indiquer qui parle. Vous travaillez ensuite dans la transcription comme dans un document. Surlignez une phrase dans la transcription source et insérez-la : la vidéo correspondante arrive dans la timeline. Supprimez des mots dans la transcription de la séquence : Premiere retire ces images et referme l’espace, ce que les monteurs appellent un **montage par décalage** (*ripple edit*).

Pour l’entrevue à la boulangerie, le premier montage se fait ainsi :

1. Importez les images avec la transcription automatique activée et l’identification des personnes qui parlent.
2. Lisez la transcription et surlignez les six ou sept réponses qui racontent l’histoire : les débuts de la boulangerie, une matinée typique, un client préféré.
3. Insérez-les dans l’ordre. Vous avez maintenant un premier montage d’environ cinq minutes.
4. Utilisez le filtre par personne pour retirer d’un coup toutes les questions de l’intervieweur.
5. Cherchez les mots de remplissage et les pauses, révisez-les et supprimez-les en bloc. Adobe vous laisse fixer la durée minimale des pauses détectées, ce qui vous permet de garder les respirations naturelles.

Corrigez d’abord les noms. La transcription écorchera les mots inhabituels : corrigez donc le nom de la propriétaire et celui de la rue avec la fonction Rechercher et remplacer avant de bâtir quoi que ce soit dessus.

## Étape 2 : trouver des plans d’appoint en les décrivant

Les **plans d’appoint** (*b-roll*) sont les images d’illustration qui défilent pendant que quelqu’un parle : des mains qui façonnent la pâte, l’enseigne de la boutique, une plaque qui sort du four. Les trouver dans des heures de clips est fastidieux. Le **panneau de recherche** (*Search panel*) de Premiere analyse vos images avec des modèles qui tournent sur votre propre ordinateur, puis vous laisse taper une description et vous renvoie les plans correspondants. Il cherche aussi en même temps dans les paroles prononcées et dans les métadonnées, comme la date de tournage ou la caméra.

Le conseil d’Adobe pour obtenir de meilleurs résultats est d’être descriptif et d’utiliser plusieurs mots, y compris l’éclairage ou l’angle de caméra. Comparez :

| Recherche faible | Meilleure recherche |
|---|---|
| bread | close-up of hands kneading dough on a floured counter |
| shop | wide shot of a bakery storefront in morning light |
| oven | baker pulling a tray of croissants from an oven |

Deux limites méritent d’être connues. Le modèle examine une version réduite de vos images sous forme d’images fixes : il manque donc plus facilement les petits détails et les mouvements rapides. Et la recherche visuelle ne fonctionne pour l’instant qu’en anglais. Adobe affirme que les images, l’analyse et vos recherches restent sur votre ordinateur et ne servent pas à l’entraînement.

## Étape 3 : préparer les sous-titres, puis les corriger

Premiere peut générer des sous-titres à partir de la transcription de la séquence une fois le montage arrêté. Si vous utilisez un autre logiciel, ou si vous voulez une option gratuite, le modèle à code source ouvert **Whisper** d’OpenAI fait le même travail en ligne de commande. Avec Whisper et l’outil `ffmpeg` installés, une seule commande produit une transcription en texte brut et deux fichiers de sous-titres standard, `.srt` et `.vtt` :

```bash
whisper final-cut.mp4 --model small --language en --output_dir captions
```

Importez le fichier `.srt` dans votre logiciel de montage comme piste de sous-titres. L’option `--initial_prompt` vous permet de fournir quelques mots de texte pour guider l’orthographe, ce qui aide pour les noms :

```bash
whisper final-cut.mp4 --model small --language en --initial_prompt "Boulangerie Lavoie, Marie-Claude Lavoie, rue Principale" --output_dir captions
```

Regardez ensuite toute la vidéo avec les sous-titres et corrigez chaque erreur. Les personnes sourdes et malentendantes suivent la vidéo par ses sous-titres : chaque erreur compte.

> **À essayer :** prenez un clip de cinq minutes où quelqu’un parle. Transcrivez-le, retirez chaque mot de remplissage à l’aide de la transcription et comparez la durée avant et après. Regardez ensuite le résultat : soyez attentif aux coupes qui sonnent abruptes, et rétablissez une pause partout où le rythme semble faux.

## Quelles retouches peut-on automatiser sans risque?

Voyez chaque étape faite par l’IA comme la production d’un brouillon. La question est de savoir combien coûterait une erreur et avec quelle facilité vous la remarqueriez.

| Tâche | Automatiser? | Quoi vérifier |
|---|---|---|
| Transcription | Oui | Les noms, les nombres et les termes techniques |
| Retirer les mots de remplissage et les longues pauses | Oui, après révision | Les coupes qui changent le sens ou qui sonnent tronquées |
| Retirer la voix de l’intervieweur | Oui | Que l’identification des personnes est juste du début à la fin |
| Trouver des plans d’appoint | Oui | Que le plan montre vraiment ce qui est dit |
| Sous-titres | Brouillon seulement | Chaque ligne, avant la publication |
| Choisir les réponses qui racontent l’histoire | Non | C’est le jugement éditorial |

La dernière ligne est la plus importante. Un logiciel peut trouver en quelques secondes chaque phrase sur l’histoire de la boulangerie, mais décider laquelle est fidèle à la personne, et quelle coupe déformerait ce qu’elle voulait dire, c’est votre travail. Un « pas » supprimé ou une phrase placée après la mauvaise question peut changer complètement une déclaration : regardez donc le montage final du début à la fin, à vitesse normale, avant sa diffusion.

## Sources

- Text-Based Editing in Premiere Pro: https://helpx.adobe.com/premiere-pro/using/text-based-editing.html
- Media intelligence and Search panel in Premiere Pro: https://helpx.adobe.com/premiere-pro/using/media-intelligence-and-search-panel.html
- whisper/transcribe.py (command-line options, commit of 30 September 2022): https://github.com/openai/whisper/blob/0b1ba3d46ebf7fe6f953acfd8cad62a4f851b49f/whisper/transcribe.py