Voix off IA pour vidéos courtes : quelles voix retiennent l'attention
La voix est le seul choix de production que l'on fait une fois pour ensuite vivre avec pendant cent vidéos. Elle mérite vingt minutes de réflexion.

Équipe éditoriale AutoShort
Guides de vidéo courte
9 août 2026 · 3 min de lecture

La plupart des gens choisissent une voix en écoutant cinq extraits et en prenant celle qui sonne la plus humaine, isolément. C'est le mauvais test, car personne n'entend votre voix isolément : on l'entend par-dessus des images, sous des sous-titres, à vitesse rapide, sur un haut-parleur de téléphone, dans une pièce bruyante.
Ce qui compte vraiment
Le débit. Une narration de format court fonctionne entre 2,0 et 2,4 mots par seconde. Plus lent, on dirait un documentaire et on perd du monde ; plus rapide, c'est incompréhensible sur un haut-parleur de téléphone.
La régularité de la hauteur. Les voix qui varient fortement pour appuyer un effet impressionnent sur une phrase et épuisent sur une minute.
La netteté des consonnes. Sur un haut-parleur de téléphone, la clarté des médiums l'emporte à chaque fois sur la chaleur. Une voix superbe au casque peut devenir de la bouillie au volume que la plupart des gens utilisent réellement.
La constance. Quel que soit votre choix, gardez-le. Une chaîne est une voix avant d'être quoi que ce soit d'autre.

La question de l'accent
Alignez-vous sur votre audience, pas sur vos goûts. Si la plupart de vos spectateurs sont américains, une voix américaine obtiendra de meilleurs résultats, quelle que soit celle que vous aimez écouter. Ce n'est pas un jugement sur les accents, c'est une question de familiarité : le cerveau met une fraction de seconde à situer un accent qu'il ne connaît pas, et dans la première seconde d'une vidéo courte, vous ne pouvez pas vous le permettre.
La première phrase
La première phrase de la narration est la seule que la plupart des spectateurs entendront. Écrivez-la pour qu'elle fonctionne sans aucune des suivantes : pas de « dans cette vidéo », pas de raclement de gorge, pas de mise en place. Commencez par la partie intéressante et expliquez ensuite.

Les erreurs qui coûtent de la rétention
- Un silence au début. Une demi-seconde de vide, c'est un swipe.
- Une narration qui devance les visuels. Si la voix est passée à autre chose et pas l'image, la vidéo semble cassée, même si personne ne sait dire pourquoi.
- Lire le sous-titre mot pour mot. Un léger écart entre ce qui est écrit et ce qui est dit maintient l'intérêt pour les deux.
- Une musique plus forte que la voix. La musique reste en dessous. Toujours.
Tester sans deviner
Faites la même vidéo avec deux voix et publiez-les à une semaine d'intervalle. La rétention à trois secondes est le chiffre à comparer, et c'est le seul qui vous apprendra quelque chose. Tout le reste n'est qu'opinion, y compris cet article.


