Voix IA ou vrai comédien voix off pour votre spot ? Quand c'est vraiment intéressant (et ce que dit l'AI Act)

Une voix de synthèse se génère aujourd'hui à partir d'un texte en quelques minutes, et pour beaucoup de vidéos c'est un choix sensé. Pour d'autres, non. La différence tient moins au timbre, que les meilleurs services reproduisent bien, qu'à ce que le texte demande à celui qui le lit : plus il faut d'interprétation, plus l'avantage de la voix IA se réduit.

Les deux voies

• Voix IA : on choisit une voix dans un service de synthèse vocale (ElevenLabs, Artlist et d'autres), on colle le texte et on génère les lectures, depuis l'interface web ou par l'API.
• Comédien voix off : une personne lit le texte, chez elle ou en studio, à partir d'un brief.

Les deux voies coexistent souvent dans le même projet : une voix IA comme voix témoin sur le montage, un comédien pour la version définitive.

Où la voix IA fonctionne bien

• Textes informatifs où la lecture doit être claire plus qu'expressive : tutoriels, e-learning, vidéos internes, instructions.
• Contenus pour les réseaux sociaux aux délais serrés et à la vie courte.
• L'anglais avant tout : c'est la langue sur laquelle les modèles sont les plus aboutis. En italien, les résultats sont bons mais moins constants, surtout sur les intonations et les accents.
• Versions en plusieurs langues d'une même vidéo informative, quand l'alternative serait un casting par langue.

Où l'on entend la différence

Les points faibles d'une voix de synthèse sont ceux qui demandent de comprendre le texte, pas seulement de le prononcer :

• l'émotion et le sous-texte : une phrase dite avec un sourire, une pause qui pèse ;
• l'ironie et le rythme comique, où compte le timing de chaque syllabe ;
• les noms propres et les marques, que le modèle peut mal prononcer ou prononcer de façon variable ;
• les dialogues entre deux voix, ce qu'il y a de plus difficile à rendre crédible.

Il y a ensuite la qualité du fichier. Sur les offres de base, beaucoup de services n'exportent qu'en MP3, et la compression s'entend : dans le mixage final, à côté de la musique et des effets, une voix compressée perd en présence. Le WAV est en général réservé aux offres supérieures.

Avec l'expérience des outils et un bon montage, on obtient tout de même des résultats de haut niveau : on génère de nombreuses variantes, on joue sur la ponctuation pour pousser le modèle vers une autre intention, puis on assemble les meilleurs morceaux, parfois syllabe par syllabe. C'est un travail d'essais et de collage. C'est pourquoi la promesse de rapidité vaut pour les textes simples : quand l'ambition monte, le temps de montage peut coûter plus qu'une séance avec un comédien.

Comment le travail change

Avec une voix IA, on commence par choisir la voix, on génère les lectures, on corrige les passages qui ne vont pas et on monte. Les révisions du client sur le texte sont rapides : une phrase modifiée se régénère sans reconvoquer personne.

Avec un comédien, aujourd'hui, l'enregistrement se fait presque toujours à distance : le comédien reçoit le brief, enregistre chez lui et envoie une ou plusieurs lectures, puis on échange sur les corrections. La séance en studio avec direction artistique en direct est la voie la plus lente et, aujourd'hui, la plus rare ; on la choisit quand l'interprétation est au cœur du projet.

Un détail pratique sur les enregistrements à domicile : chaque comédien a son propre équipement et applique souvent des traitements au fichier (compression, égalisation, réduction de bruit). Pour qui mixe ensuite la vidéo, mieux vaut recevoir aussi l'enregistrement brut, sans traitement, afin que le son de la voix se décide au mixage avec le reste.

Lequel choisir

• Spots TV et radio, brand content, documentaires, contenus émotionnels : un comédien. C'est là que la compréhension du texte et l'interprétation font la différence, et qu'on l'entend.
• Réseaux sociaux, vidéos informatives, e-learning, vidéos internes : la voix IA est une option concrète, surtout en anglais et quand le texte ne demande pas un jeu subtil.
• Cas intermédiaires : on peut partir d'une voix IA comme voix témoin et décider sur le montage si elle suffit ou s'il faut un comédien.

Droits, licences et AI Act

La licence du service. L'usage commercial d'une voix IA dépend de l'offre : avec ElevenLabs, par exemple, les contenus générés avec l'offre gratuite ne peuvent pas être utilisés dans un projet commercial, ceux générés avec une offre payante, si. Il vaut mieux vérifier les conditions du service utilisé avant la livraison.

Les voix clonées. Cloner la voix d'une personne réelle exige son consentement explicite, et les services le demandent dans leurs conditions d'utilisation. Cela vaut aussi pour la voix d'un porte-parole ou d'un salarié de l'entreprise.

L'AI Act. À partir du 2 août 2026 s'appliquent les obligations de transparence de l'article 50 du règlement européen sur l'intelligence artificielle :

• celui qui fournit le service de synthèse doit marquer les audios générés de manière lisible par une machine, afin qu'ils soient reconnaissables comme artificiels (pour les systèmes déjà sur le marché avant cette date, l'échéance est le 2 décembre 2026) ;
• celui qui utilise le système doit signaler les hypertrucages (deep fakes), c'est-à-dire les contenus générés ou manipulés qui ressemblent à des personnes, des lieux ou des événements réels et peuvent sembler authentiques. Une voix clonée d'une personne existante entre dans ce cas. Pour les œuvres manifestement artistiques, créatives, satiriques ou de fiction, l'obligation s'allège : il suffit de le signaler d'une manière qui n'entrave pas la jouissance de l'œuvre.

Pour une voix de synthèse générique, qui n'imite personne, le cas est moins net : les lignes directrices de la Commission européenne sur les obligations de transparence aident à l'évaluer. Dans le doute, le signaler coûte peu. Pour un projet précis, l'évaluation finale revient à un juriste.

Ce qu'il faut pour commencer

Le casting de la voix, humaine ou IA, peut être fait par celui qui s'occupe du son de la vidéo, avec le montage, le mixage et la direction artistique. Un brief suffit pour commencer :

1. quel type de voix : masculine ou féminine, jeune ou mûre ;
2. l'ambiance : institutionnelle, chaleureuse, énergique, ironique ;
3. où la vidéo sera diffusée ;
4. la vidéo de référence ou, pour la radio, l'émission ou le produit.

Écrivez-moi avec le brief, et choisissons ensemble la bonne voix pour le projet.

Sources

Règlement (UE) 2024/1689 sur l'intelligence artificielle (AI Act), article 3 point 60 et article 50 (eur-lex.europa.eu) · Commission européenne, « Guidelines on transparency obligations for providers and deployers of certain AI systems » (digital-strategy.ec.europa.eu) · ElevenLabs, Terms of Service et Prohibited Use Policy (elevenlabs.io).