Guide
Voix off IA en français : méthode en six étapes
Préparer le texte, choisir une voix française, tester, régler, relire l'audio. Exemples de voix françaises tirés des documentations Google et Azure.
Mis à jour le
Une voix off se prépare avant la génération. Le moteur lit ce qu'on lui donne : un texte mal ponctué, un sigle non expliqué ou un nombre ambigu peuvent produire une lecture inadaptée. Ce guide suit six étapes. Les noms de voix et les réglages cités viennent de la documentation officielle de Google Cloud et de Microsoft Azure, lue le 16/11/2026.
1. Préparer le texte
Écrivez des phrases courtes, une idée par phrase. La ponctuation compte : la documentation Microsoft indique que le service gère automatiquement la ponctuation, avec une pause après un point et une intonation montante après un point d'interrogation. Un point mal placé produit donc une pause mal placée.
Écrivez les nombres, les sigles et les noms propres comme vous voulez les entendre. Un moteur peut mal lire « RGPD », une date ou un nom étranger. Deux leviers existent : écrire le mot phonétiquement, ou utiliser des balises SSML comme say-as, sub ou phoneme. Ces balises sont décrites dans SSML : définition et exemple.
Retirez enfin les notes, les liens et la mise en forme qui ne doivent pas être lus. Si la voix off accompagne une vidéo courte, la page prompts pour le script d'un reel aide à écrire le texte lui-même.
2. Choisir une famille de voix
Sélectionnez d'abord la variante linguistique attendue et le type de réglage nécessaire. Dans le catalogue Google consulté, le français de France dispose notamment de Chirp 3: HD, Neural2, Studio, WaveNet et Standard ; le français canadien comprend aussi Chirp 3: HD, en plus de Neural2, WaveNet et Standard. La présence de Studio n'est pas indiquée pour fr-CA.
Chez Azure, les voix DeniseNeural et HenriNeural pour fr-FR acceptent plusieurs styles, dont l'enthousiasme et le chuchotement. AlainNeural et BrigitteNeural ne présentent pas de style dans cette liste. SylvieNeural et JeanNeural sont deux exemples fr-CA. Une option absente pour la voix retenue doit être vérifiée avant de préparer le balisage.
La méthode d'écoute comparative contient des identifiants précis et une grille. Ici, l'objectif est de produire un fichier cohérent avec son support : une voix compatible avec le texte et les corrections nécessaires.
3. Tester sur le même texte
Un test utile repose sur un seul texte, identique pour toutes les voix, avec les mêmes réglages. Un texte d'environ 150 mots suffit. Il doit contenir une question, une date, un chiffre, un sigle et un nom propre. La méthode complète, avec une grille de notation, est dans Choisir une voix IA naturelle.
4. Régler la lecture
Les balises SSML permettent de régler les pauses et la voix dans le texte. Dans la documentation Azure, l'élément break ajoute une pause, soit avec l'attribut strength (x-weak, weak, medium, strong ou x-strong), soit avec time, par exemple 500ms. La valeur de time est comprise entre 0 et 20 000 millisecondes. L'élément prosody accepte les attributs rate, pitch et volume.
Un point de vigilance : la même page indique que certaines voix ne prennent pas en charge toutes les balises. C'est le cas des voix neuronales HD, des voix personnelles et des voix intégrées. Vérifiez donc la liste de prise en charge avant d'écrire un script long avec des balises.
Vérifier le raccord avec les images
Découpez le script selon les séquences visuelles et notez ce qui doit être entendu avant chaque changement d'image. Si une phrase dépasse sa séquence, commencez par réduire ou déplacer le texte. Accélérer toute la voix pour corriger un seul passage peut rendre les chiffres et les consignes difficiles à suivre.
Faire relire la copie montée plutôt que la piste seule
Préparez une courte maquette fictive avec une consigne et un chiffre à retenir. Faites écouter la version montée sans montrer le script, puis demandez à un pair de restituer ces éléments. Si une musique ou un changement d’image gêne la compréhension, notez le passage dans la copie diffusée. Après correction, reprenez cette même copie : l’approbation de la piste vocale seule ne couvre pas son intégration au montage.
Un accompagnement à la production de voix off peut aider à structurer ce travail.
Pour préparer un échange au cercle, apportez un texte fictif et les points à faire examiner, sans enregistrement personnel.
5. Relire l'audio
Écoutez l'enregistrement en entier, pas seulement le début. Une relecture efficace vérifie :
- la prononciation des noms propres, des marques et des sigles ;
- les chiffres, les dates et les unités ;
- l'intonation des questions ;
- la longueur des pauses, notamment après les listes ;
- les mots en anglais dans une phrase française.
Faites écouter le fichier par une personne qui ne connaît pas le texte. Elle repère les erreurs que l'auteur n'entend plus. Si une erreur revient, corrigez le texte source plutôt que d'ajouter des balises à chaque passage.
6. Garder la trace de la version
Notez le texte source, le nom exact de la voix, les réglages utilisés et la date de génération. Les listes de voix changent, et la régénération peut changer après une évolution du modèle : conservez aussi le fichier audio approuvé. Les noms cités dans ce guide datent du 16/11/2026.
Ce qu'un guide ne peut pas garantir
Ce guide ne mesure pas la qualité d'une voix sur votre texte : seule votre écoute le fait. Il ne dit pas non plus si vous avez le droit d'utiliser une voix commercialement, ni si une voix peut imiter une personne réelle. Ces questions relèvent des conditions de l'éditeur et d'un juriste. Voir Voix IA et usage commercial pour les conditions lues chez deux éditeurs, et Cloner une voix avec l'IA pour le clonage.
Pour les sites de lecture immédiate, sans création de fichier, voir Faire lire un texte à voix haute.
Questions fréquentes
Faut-il une voix française de France ou du Canada ?
Cela dépend du public. Les documentations lues listent des voix pour les deux variantes, avec des noms différents. Choisissez la variante de votre public, puis testez la prononciation de vos mots propres.
Une voix neuronale est-elle toujours meilleure qu'une voix standard ?
Les documentations lues donnent des familles et des noms de voix, pas de note de qualité. Seule l'écoute de votre texte permet de trancher.
Sources
Pages consultées pour écrire cet article :
- https://iarche.fr/services/accompagnement
- https://docs.cloud.google.com/text-to-speech/docs/list-voices-and-types
- https://learn.microsoft.com/fr-fr/azure/ai-services/speech-service/language-support?tabs=tts
- https://learn.microsoft.com/fr-fr/azure/ai-services/speech-service/speech-synthesis-markup-structure
- https://learn.microsoft.com/fr-fr/azure/ai-services/speech-service/speech-synthesis-markup-voice