Exemple de transcription : un entretien, une conversation et une vidéo en six versions

Un bon exemple de transcription montre le même passage dans plusieurs styles, car c'est en les comparant que l'on voit ce que chaque règle change. Voici un entretien inventé de 40 secondes avec la gérante d'un atelier de réparation de vélos, transcrit de six façons : intégrale, version lissée, version rédigée, horodatée, sous forme d'entretien de recherche et comme transcription de vidéo avec description de l'image. Chaque version se copie en texte brut ; en dessous, vous trouverez ce qu'elle garde, ce qu'elle supprime et à quoi elle sert.

La conversation derrière tous les exemples

Nous avons écrit cette conversation nous-mêmes ; ce n'est pas un vrai enregistrement. En 40 secondes, elle réunit presque tout ce qui complique une transcription : des « euh », des « ben » et des « bon », une répétition, un mot coupé, un « D'accord » de l'enquêtrice, une négation sans « ne », un rire, un silence, un mot inaudible et un moment où les deux personnes parlent en même temps. Nous avons d'abord écrit la transcription intégrale, puis tiré toutes les autres versions de celle-ci en supprimant ou en remplaçant les passages marqués. Les différences viennent donc uniquement des règles.

L'intégrale compte 88 mots, la version lissée 78. La version rédigée, réécrite pour la lecture, n'en compte plus que 54.

Exemple 1 : transcription intégrale

Tout ce qui est dit est transcrit, tel que cela a été dit.

Enquêtrice : Euh... depuis quand vous prenez les rendez-vous en ligne ?
Gérante : Ben, depuis mars. Avant, tout passait par téléphone, et on en ratait... on en ratait, bon, facilement un tiers. Mathieu tenait les comptes. [elle rit]
Enquêtrice : D'accord.
Gérante : Enfin, le téléphone sonne toujours quand on a les mains... pleines de cambouis. Du coup on a essayé une page de réservation.
Enquêtrice : Et ça a marché ?
Gérante : Bah oui, en gros. Les gens appellent encore, mais ceux qui viennent pas, ça a beaucoup baissé. Les SMS de rappel [inaudible : un mot] bien.
Enquêtrice : [en même temps] Vous le referiez ?
Gérante : [en même temps] Sans hé... sans hésiter.

Les signes suivent la fiche méthodologique de Thibaut Rioufreyt (2016) sur la transcription d'entretiens en sciences sociales, qui part d'un principe de fidélité : chaque mot prononcé est transcrit, aucun n'est remplacé ni ajouté. Concrètement :

• Les hésitations restent dans le texte : « Euh... », « Ben », « bon », « Bah ».
• On n'ajoute pas le « ne » qui n'a pas été prononcé : « ceux qui viennent pas ».
• Les silences et les phrases interrompues sont rendus par des points de suspension : « on en ratait... on en ratait ».
• Le contexte va entre crochets, en minuscules, en précisant qui rit : « [elle rit] ».
• Un mot inaudible est signalé avec l'unité perdue : « [inaudible : un mot] ».

Cette version sert de document de référence, pour l'analyse du discours comme pour toutes les autres versions. Gardez-la intacte.

Exemple 2 : version lissée

Enquêtrice : Depuis quand vous prenez les rendez-vous en ligne ?
Gérante : Depuis mars. Avant, tout passait par téléphone, et on en ratait facilement un tiers. Mathieu tenait les comptes. [elle rit] Le téléphone sonne toujours quand on a les mains pleines de cambouis. Du coup on a essayé une page de réservation.
Enquêtrice : Et ça a marché ?
Gérante : Oui, en gros. Les gens appellent encore, mais ceux qui ne viennent pas, ça a beaucoup baissé. Les SMS de rappel [inaudible : un mot] bien.
Enquêtrice : [en même temps] Vous le referiez ?
Gérante : [en même temps] Sans hésiter.

Rioufreyt propose de rédiger une seconde version, plus lisible, toujours sur une copie du fichier. Elle supprime les répétitions, les relances de l'enquêteur qui servent seulement à encourager (« D'accord », « Hein hein ») et les interjections d'hésitation sans signification comme « ben », « euh » ou « bon ». Elle rétablit aussi les négations : « ceux qui ne viennent pas ».

C'est une différence nette avec les règles de « clean verbatim » que publient des services anglophones comme GoTranscript, qui interdisent de corriger la grammaire des locuteurs : la version lissée, elle, ajoute un mot que personne n'a prononcé. Rioufreyt l'assume, car cette version reste proche de l'oral tout en se lisant bien, et c'est d'elle que l'on tire les citations destinées à une publication. Le mot inaudible reste marqué, et le rire aussi.

Exemple 3 : version rédigée

Enquêtrice : Depuis quand prenez-vous les rendez-vous en ligne ?
Gérante : Depuis mars. Avant, tout passait par téléphone et nous rations environ un appel sur trois, car le téléphone sonnait pendant les réparations. Avec la page de réservation, les clients qui ne viennent pas sont beaucoup moins nombreux. Les SMS de rappel [un mot inaudible] bien.
Enquêtrice : Vous le referiez ?
Gérante : Sans hésiter.

Ici, l'oral devient de l'écrit : les phrases sont fusionnées et reformulées, et la question passe à l'inversion du sujet. Ce type de texte convient à un entretien publié sur un site, dans une lettre d'information ou dans les notes d'un podcast. Deux règles malgré tout :

• Ne pas en tirer de citation. La gérante n'a jamais dit « les clients qui ne viennent pas sont beaucoup moins nombreux ».
• Laisser le trou visible. Le mot manquant dans « Les SMS de rappel [inaudible] bien » pourrait être « marchent », mais aussi « ne marchent pas ». Une version rédigée qui comble le trou en silence risque de faire dire l'inverse.

Exemple 4 : transcription horodatée

[00:00:02] Enquêtrice : Depuis quand vous prenez les rendez-vous en ligne ?
[00:00:05] Gérante : Depuis mars. Avant, tout passait par téléphone, et on en ratait facilement un tiers. Mathieu tenait les comptes. [elle rit] Le téléphone sonne toujours quand on a les mains pleines de cambouis. Du coup on a essayé une page de réservation.
[00:00:24] Enquêtrice : Et ça a marché ?
[00:00:25] Gérante : Oui, en gros. Les gens appellent encore, mais ceux qui ne viennent pas, ça a beaucoup baissé. Les SMS de rappel [inaudible : un mot] bien.
[00:00:33] Enquêtrice : [en même temps] Vous le referiez ?
[00:00:34] Gérante : [en même temps] Sans hésiter.

C'est la version lissée avec un horodatage à chaque changement de locuteur, en heures, minutes et secondes avec des zéros devant. C'est une présentation courante pour les réunions, les podcasts et les longues conversations, quand il faut retrouver un passage dans l'enregistrement. La réponse de la gérante commence à 00:00:05 et continue après le « D'accord » de 00:00:14 ; comme la version lissée fusionne les deux tours de parole, c'est le premier horodatage qui compte.

Fireflies permet d'activer ou non les horodatages et le nom des locuteurs quand vous téléchargez une transcription, en PDF, DOCX, SRT, CSV, JSON ou Markdown ; le téléchargement est réservé aux formules Pro et supérieures. Les autres notations et le bon rythme sont expliqués dans notre guide de la transcription horodatée.

Exemple 5 : entretien de recherche avec notice

Entretien avec Claire (prénom inventé), gérante d'un atelier de réparation de vélos
Enquêtrice : ENQ
Enquêtée : CL
Transcription : [initiales], le [date]
Durée : 40 s
Conventions : transcription intégrale, d'après Rioufreyt (2016)

[Début de la transcription]
ENQ : Euh... depuis quand vous prenez les rendez-vous en ligne ?
CL : Ben, depuis mars. Avant, tout passait par téléphone, et on en ratait... on en ratait, bon, facilement un tiers. Mathieu tenait les comptes. [elle rit]
ENQ : D'accord.
CL : Enfin, le téléphone sonne toujours quand on a les mains... pleines de cambouis. Du coup on a essayé une page de réservation.
ENQ : Et ça a marché ?
CL : Bah oui, en gros. Les gens appellent encore, mais ceux qui viennent pas, ça a beaucoup baissé. Les SMS de rappel [inaudible : un mot] bien.
ENQ : [en même temps] Vous le referiez ?
CL : [en même temps] Sans hé... sans hésiter.
[Fin de la transcription]

Rioufreyt conseille de faire précéder chaque transcription d'une courte notice qui ne contient que les métadonnées, et de marquer le début et la fin par une mention entre crochets. Les locuteurs sont désignés par leurs initiales. Deux points peuvent surprendre :

• Le prénom reste. Rioufreyt déconseille d'anonymiser pendant la transcription : on risque d'effacer des informations précieuses. Le balisage et l'anonymisation se font ensuite, selon un codage prévu à l'avance.
• Les nombres s'écrivent en lettres (« un tiers »), sauf les années, les pourcentages et les prix.

Si votre directeur de recherche ou votre laboratoire a ses propres consignes, elles passent en premier. Le consentement, les signes de la Convention ICOR et le temps à prévoir sont dans notre guide sur la retranscription d'un entretien.

Exemple 6 : transcription d'une vidéo avec description de l'image

[00:00] [À l'écran : un petit atelier de réparation de vélos. Texte : « Entretien, octobre 2026 »]
[00:02] Enquêtrice : Depuis quand vous prenez les rendez-vous en ligne ?
[00:05] Gérante : Depuis mars. Avant, tout passait par téléphone, et on en ratait facilement un tiers. Mathieu tenait les comptes. [elle rit]
[00:15] Le téléphone sonne toujours quand on a les mains pleines de cambouis. Du coup on a essayé une page de réservation.
[00:20] [Gros plan : la gérante s'essuie les mains avec un chiffon]
[00:24] Enquêtrice : Et ça a marché ?
[00:25] Gérante : Oui, en gros. Les gens appellent encore, mais ceux qui ne viennent pas, ça a beaucoup baissé. Les SMS de rappel [inaudible : un mot] bien.
[00:28] [À l'écran : un téléphone affiche une confirmation de rendez-vous]
[00:33] Enquêtrice : [en même temps] Vous le referiez ?
[00:34] Gérante : [en même temps] Sans hésiter.

La transcription d'une vidéo ajoute ce que l'on voit sans l'entendre : texte à l'écran, personne qui parle, gestes utiles à la compréhension. Le W3C appelle cela une transcription descriptive. Elle est indispensable aux personnes sourdes-aveugles, qui n'ont accès ni au son ni à l'image, et elle sert à tous ceux qui préfèrent lire. Dans les WCAG, un contenu pré-enregistré seulement audio exige une transcription au niveau A, et un contenu seulement vidéo une transcription descriptive ou une audiodescription ; pour une vidéo avec du son, les sous-titres relèvent du niveau A et la transcription du niveau AAA.

Trois conseils tirés des recommandations du W3C :

• Des horodatages seulement s'ils servent, et sans heure de fin. Pour un court extrait, les minutes et les secondes suffisent.
• Vous partez des sous-titres ? Ajoutez le texte affiché à l'écran et le nom des personnes qui parlent, souvent absents des fichiers de sous-titres.
• Un tableau à deux colonnes, le son à gauche et l'image à droite, permet de sauter les descriptions.

Pour la vidéo YouTube de quelqu'un d'autre, partez du panneau de transcription décrit dans notre guide transcription YouTube. Pour votre propre vidéo, prenez le fichier de sous-titres, convertissez le SRT en texte et ajoutez les lignes de description.

Ce que chaque style garde et supprime

Toutes les versions à partir de l'intégrale

L'ordre compte. Supprimer des « euh » dans une intégrale prend quelques minutes ; des « euh » que vous n'avez jamais tapés ne reviennent pas.

1. Transcrivez ou corrigez d'abord l'intégrale et enregistrez-la comme document de référence. N'y touchez plus.
2. Faites la version lissée sur une copie : supprimez hésitations, répétitions et relances, rétablissez les négations et réunissez les tours de parole qui se suivent désormais. Vérifiez chaque « bon » et chaque « enfin » avant de l'effacer : dans « bon, d'accord, on signe », « bon » marque une décision.
3. Tirez de la version lissée les formats à diffuser : horodatages, lignes de description. La notice de recherche, elle, se place devant l'intégrale.
4. Écrivez la version rédigée en dernier, et n'en tirez jamais de citation.

Dans notre exemple, la deuxième étape fait passer le texte de 88 à 78 mots, et les huit tours de parole deviennent six.

Pour le français, Descript ne vous aide pas à cette étape : il repère automatiquement les mots de remplissage comme « um » et « uh », mais son centre d'aide précise que la détection ne fonctionne que pour les transcriptions en anglais. Les « euh » et les négations, c'est donc à vous, par exemple avec la fonction de recherche et de remplacement de votre traitement de texte. Fireflies livre la transcription avec ou sans horodatages et noms des locuteurs, sans décider à votre place quel « bon » compte. Les méthodes gratuites pour obtenir un premier jet sont comparées dans notre guide pour transcrire un audio en texte. Si vous avez besoin des décisions plutôt que des mots, rédigez un compte rendu de réunion.