Voix off de documentaire avec l’IA : écrire, choisir et caler la narration

En deux lignes : une voix off de documentaire sonne juste quand le texte est écrit pour être entendu, minuté sur l’image et dit par une seule voix, toujours la même. Le reste, le choix entre narrateur et synthèse vocale, le mixage, vient après. Une voix off « robotique » est presque toujours un problème d’écriture avant d’être un problème de voix.

On va s’appuyer sur un exemple concret : Le Dernier Gardien, la reconstitution de quinze secondes présentée sur notre page générateur de documentaires IA. Six plans d’un gardien composite et fictif du phare d’Ar-Men, allumé en 1881 et automatisé en 1990. Deux phrases de commentaire, pas une de plus :

Les gardiens avaient un nom pour ce rocher : l’enfer des enfers.

En 1990, la lumière n’a plus eu besoin de lui.

Précision utile avant de commencer : ScreenWeaver ne génère pas de voix. Pas de synthèse vocale, pas de musique, pas d’export de montage. On écrit et on minute la voix off dans ScreenWeaver, on l’enregistre ou on la synthétise ailleurs, puis on monte le film dans son logiciel habituel. Ce guide couvre toute la chaîne, y compris ce qui se passe hors de l’application.

Écrire une voix off : on écrit pour l’oreille

Le commentaire d’un documentaire s’entend une seule fois, à la vitesse de la parole. Le spectateur ne peut pas relire. Chaque règle qui suit sert le même but : que le sens passe à la première écoute.

Une idée par phrase

« Les gardiens avaient un nom pour ce rocher : l’enfer des enfers. » Une seule idée : ce rocher faisait peur. Les deux-points offrent au narrateur un temps naturel avant la chute. S’il y a une deuxième idée, elle mérite sa propre phrase.

Un test simple : si une phrase contient deux virgules et un « qui », coupez-la en deux.

Des phrases courtes, mais pas seulement

Le français aime les subordonnées, l’oreille beaucoup moins. Une phrase courte se dit facilement. Une suite de phrases courtes, en revanche, sonne comme un télégramme. Variez la longueur, et placez le mot important en fin de phrase, là où la voix se pose. « En 1990, la lumière n’a plus eu besoin de lui » se termine sur lui, le gardien. C’est tout le film.

Méfiez-vous aussi des tics du commentaire de télévision : les « véritable », les « en effet », les « c’est alors que ». Ils remplissent l’espace sans rien apporter.

Les dates et les nombres, écrits comme on les dit

C’est le piège le plus français de tous. À l’écrit, « 1990 » tient en quatre chiffres. À l’oral, c’est « mille neuf cent quatre-vingt-dix », une suite de syllabes qui prend de la place et casse le rythme si on ne l’a pas prévue. Une synthèse vocale peut la lire de travers, un narrateur qui découvre le texte peut hésiter.

Dans le texte d’enregistrement, écrivez les dates et les nombres en toutes lettres, tels qu’ils doivent être prononcés. Arrondissez quand la précision n’apporte rien à l’oreille : « près de quarante ans » s’entend mieux que « trente-neuf ans et sept mois ». Et quand une phrase porte deux dates, demandez-vous si l’une des deux ne peut pas passer à l’image, sur un carton ou une page du journal de bord.

Les noms propres, avec leur prononciation

Ar-Men, Iroise, Ouessant : un spectateur breton entendra tout de suite une prononciation fautive. Ajoutez une indication de prononciation entre parenthèses à la première apparition d’un nom difficile, et tenez une liste de prononciation pour tout le film. Demandez à quelqu’un qui connaît le lieu ou la famille. Ne devinez jamais à partir de l’orthographe.

Lire à voix haute, toujours

Avant de minuter quoi que ce soit, lisez tout le commentaire à voix haute, devant quelqu’un qui n’a pas lu le script. Chaque accroc est une phrase à réécrire. Chaque « attends, qui ça ? » est un nom qui manque.

Pour la mise en page de la voix off dans le scénario, l’extension V.O., la place du bloc sous la scène, on renvoie à notre guide sur la voix off dans un scénario. Ici, on s’occupe de ce que les mots font une fois prononcés.

Commentaire documentaire : quand parler, quand se taire

Le narrateur porte les faits, l’image porte l’émotion. Dès que la voix off décrit ce que le spectateur voit déjà, le film devient un diaporama commenté.

Regardez où Le Dernier Gardien place ses deux phrases :

Plan	Image	Voix off
1	La tempête contre la tour, 1950	« Les gardiens avaient un nom pour ce rocher : l’enfer des enfers. »
2	Le gardien monte l’escalier avec le bidon d’huile	Rien
3	Il consigne la nuit dans le journal de bord	Rien
4	Jour de relève, la traversée sur le câble au-dessus de la houle	Rien
5	Quarante ans plus tard, le même homme sur la galerie au crépuscule	« En 1990, la lumière n’a plus eu besoin de lui. »
6	Il referme le journal de bord pour la dernière fois	Rien

La première phrase donne ce que l’image ne peut pas montrer : le surnom du rocher. La seconde donne le fait qui fait basculer le film. Les quatre plans du milieu, c’est la vie sur le phare. Ils ont besoin de son, pas de mots.

On se tait :

Pendant l’action. Un homme suspendu au-dessus de la mer n’a pas besoin qu’on le raconte.
Après une phrase forte. Laissez-la retomber. Le plan suivant fait la réponse.
Juste avant le basculement. Un silence avant le fait clé fait tendre l’oreille.
Quand l’image est la preuve. Une page de journal de bord, une photographie, une pièce vide aujourd’hui.

On parle quand le spectateur a besoin de ce que l’image ne dit pas : un nom, une date, une cause, une conséquence, une contradiction.

Minuter la voix off sur l’image

La longueur du commentaire fixe la durée du film. On la mesure avant de découper, pas après avoir généré.

Notre calculateur de durée de script, gratuit, estime le temps à l’écran à partir du nombre de mots, sur une échelle de 130 à 150 mots par minute. Le curseur de rythme va de l’un à l’autre, et la valeur par défaut est au milieu, à 140. Un commentaire documentaire se place en général du côté lent : la voix laisse de la place à l’image.

Voici Le Dernier Gardien passé au calculateur :

Phrase	Mots comptés	À 130 mots/min	À 140 mots/min	À 150 mots/min
« Les gardiens avaient un nom pour ce rocher : l’enfer des enfers. »	12	6 s	5 s	5 s
« En 1990, la lumière n’a plus eu besoin de lui. »	10	5 s	4 s	4 s
Les deux	22	10 s	9 s	9 s

Ce tableau dit trois choses.

Le film respire. Le montage dure quinze secondes, la voix off en occupe environ neuf. Le reste appartient à la mer, au vent et aux gestes du gardien. Ce choix de densité se voit dans le calculateur avant de dépenser le moindre crédit.

La première phrase est plus longue qu’un plan moyen. Six plans en quinze secondes, c’est deux secondes et demie par plan en moyenne. Une phrase de cinq secondes ne tient pas sur un plan de deux secondes et demie. Soit le plan d’ensemble dure plus longtemps, soit la phrase commence sur la tempête et finit dans l’escalier. Cette décision se prend sur le storyboard, pas au montage.

Le calculateur compte ce qui est écrit, pas ce qui est dit. Il découpe le texte aux espaces. Il compte donc « 1990 » comme un seul mot, alors qu’on dit « mille neuf cent quatre-vingt-dix ». Il compte aussi le deux-points précédé d’une espace comme un mot. Sur un commentaire chargé en dates, l’écart s’accumule. Minutez le texte d’enregistrement, dates en toutes lettres, puis vérifiez au chronomètre en lisant à voix haute. Le calculateur donne le budget, la lecture donne le rythme réel de votre narrateur.

Voix off documentaire : choisir la voix

Le narrateur est un personnage. Le spectateur passe tout le film avec lui, et cette voix colore tout le reste.

Timbre, âge, accent

Partez de ce dont le film a besoin, pas de ce qui impressionne :

Le registre. Proche et chaleureux pour un film personnel, posé et neutre pour une enquête, grave pour une tragédie. Une voix de bande-annonce abîme un documentaire.
Homme ou femme. C’est une question qui revient souvent. Il n’y a pas de règle : choisissez la voix qui sert le point de vue du film, pas celle qu’on « attend » pour le genre.
L’âge. Un film sur un homme qui a passé quarante ans sur un rocher appelle peut-être une voix qui a vécu.
L’accent. Il situe le film. Un accent régional peut être un vrai choix pour une histoire locale. Décidez-le, ne le subissez pas.
La distance. Votre propre voix dit « c’est mon film ». Une voix professionnelle dit « voici l’histoire ».

Une voix pour toute la série

Si vous faites une série, changer de narrateur à l’épisode deux, c’est changer d’émission. Gardez la même voix sur tous les épisodes, exactement comme vous gardez le même visage à un personnage récurrent.

Dans ScreenWeaver, un visage reste stable parce que chaque plan est généré à partir de la même fiche de référence. La voix off demande la même rigueur, hors de l’application : une fiche voix pour la série, avec le nom du narrateur (ou de la voix et de ses réglages dans votre outil), les conditions d’enregistrement, le débit et la liste de prononciation. L’épisode six doit sonner comme l’épisode un.

Première option : enregistrer un narrateur

Un narrateur ou une narratrice reste la première option pour un film long, et souvent la meilleure pour un court. Pas besoin d’un studio pour bien enregistrer.

La pièce compte plus que le micro

Une petite pièce pleine de tissu, un dressing, un canapé, des rideaux, vaut mieux qu’une grande pièce nue avec un micro hors de prix. Les murs durs et parallèles créent de la réverbération, et la réverbération donne l’impression d’avoir enregistré dans une cuisine. Coupez ventilateurs, réfrigérateur et tout ce qui ronronne. Enregistrez aussi le silence de la pièce, seul : le monteur s’en servira pour combler les trous.

Micro et distance

N’importe quel micro correct fait l’affaire s’il est proche de la bouche et que la distance ne bouge pas. Un filtre anti-pop, ou un micro légèrement décalé de l’axe de la bouche, adoucit les « p » et les « b ». Gardez la même distance pendant toute la séance, sinon la couleur de la voix change d’une phrase à l’autre.

Préparer le texte

Donnez au narrateur un texte d’enregistrement, pas le scénario :

Une ligne par souffle, numérotée comme la scène du scénario.
Le mot sur lequel on appuie, souligné.
Les pauses marquées d’une barre oblique.
Les dates et les nombres en toutes lettres.
Une indication de prononciation à côté de chaque nom difficile.

Pendant la séance

Faites plusieurs prises de chaque phrase, à des rythmes légèrement différents, et notez la prise préférée. Enregistrez les reprises dans la même pièce, avec le même micro et à la même distance, sinon elles ne raccorderont pas. Vous dites vous-même la voix off de votre film ? Votre voix n’a pas besoin d’être belle. Elle doit être claire et constante.

Try it free

Try Screenweaver for free on your script

It is free. Import your existing project, get a clearer view of your outline, and regain control of your story structure in minutes.

Start Free

Deuxième option : la voix off documentaire par IA

La synthèse vocale suffit aujourd’hui pour une maquette et pour beaucoup de films finis. ElevenLabs est l’outil que l’on voit le plus chez les documentaristes. D’après sa documentation officielle, consultée le 8 octobre 2026, il propose :

Text to Speech, avec une bibliothèque de voix.
Des voix créées à partir d’une description écrite, ou clonées à partir d’un enregistrement.
Instant Voice Cloning et Professional Voice Cloning. La documentation précise qu’un clone professionnel ne peut être fait que de votre propre voix, après une étape de vérification.
Un éditeur de prononciation dans Studio, avec des règles d’alias (remplacer un mot par une graphie que la voix lit correctement) et des règles phonétiques (une transcription exacte).
Dubbing, pour le doublage dans d’autres langues.

D’autres outils existent et les fonctions changent vite : relisez la documentation à jour avant de bâtir votre méthode dessus.

Ce qui marche avec toutes les voix de synthèse :

Donnez-lui le texte d’enregistrement, dates en toutes lettres, et corrigez les noms avec la fonction de prononciation de l’outil plutôt qu’en les écrivant de travers dans le script.
Générez par paragraphes, écoutez d’une traite. Une voix agréable phrase par phrase peut devenir monotone sur dix minutes. Le remède est souvent dans l’écriture : variez la longueur des phrases.
Gardez la même voix et les mêmes réglages sur toute la série, et générez plusieurs prises des phrases clés.

Ne cherchez pas à imiter la voix d’un narrateur célèbre. Une voix fabriquée pour ressembler à un commentateur connu, c’est le chemin le plus court vers un problème de droits, et vers un film qui sonne comme une parodie.

Voix humaine ou synthétique : consentement et droits

La règle tient en une phrase. Ne clonez jamais la voix d’une personne réelle sans son accord, et ne lui faites jamais dire ce qu’elle n’a pas dit sans le signaler au public.

Le documentaire l’a appris publiquement. Dans Roadrunner (2021), une version synthétique de la voix d’Anthony Bourdain lisait quelques phrases qu’il avait écrites sans jamais les enregistrer, sans que le film le signale, et l’accord invoqué a été contesté après la sortie. On détaille l’affaire et les recommandations de l’Archival Producers Alliance dans IA et documentaire : reconstituer sans tromper le spectateur.

Le droit suit :

Aux États-Unis, la loi ELVIS du Tennessee (Ensuring Likeness, Voice, and Image Security Act), signée le 21 mars 2024 et en vigueur depuis le 1er juillet 2024, ajoute la voix à la protection du nom, de la photographie et de l’apparence. Elle ouvre une action civile contre l’usage non autorisé de la voix de quelqu’un, y compris par des outils d’IA (AP, 21 mars 2024).
Dans l’Union européenne, l’article 50, paragraphe 4, de l’AI Act, applicable depuis le 2 août 2026, impose à celui qui utilise l’IA pour générer ou manipuler un hypertrucage image, audio ou vidéo de déclarer que le contenu a été généré ou manipulé artificiellement (article 50). Une voix de synthèse qui passe pour celle d’une personne réelle entre dans cette définition.

Une voix de narration inventée est un choix de production. Créditez-la comme la musique : l’outil, la voix, la personne qui l’a dirigée. Le clone de la voix d’une personne réelle demande un accord écrit, une mention à l’écran et la relecture d’un juriste avant diffusion.

De l’écriture au montage : la chaîne complète

Voici le parcours, avec ce qui se fait dans ScreenWeaver et ce qui se fait ailleurs.

Écrire la voix off dans le script. Dans l’éditeur de scénario de ScreenWeaver, chaque bloc de commentaire est un NARRATEUR (V.O.) placé sous la scène qu’il accompagne. L’assistant IA lit la documentation que vous avez importée et signale les affirmations du commentaire que vos sources ne soutiennent pas. Pour partir d’une structure prête, voir notre modèle de script documentaire.
Minuter chaque bloc avec le calculateur de durée, puis ajuster le découpage pour que l’image laisse la place aux mots.
Faire le storyboard et générer les plans. Les modèles vidéo peuvent produire une ambiance sonore avec chaque plan : vent, mer, pas. Seedance 2 et Seedance 2.5 acceptent aussi un fichier audio importé comme référence. C’est une référence, pas un moyen de caler un plan sur votre voix off.
Exporter le script en PDF ou en FDX, et en tirer le texte d’enregistrement : dates en toutes lettres, mots appuyés soulignés, noms annotés.
Enregistrer ou générer la voix off, comme décrit plus haut.
Monter dans votre logiciel. ScreenWeaver ne monte pas et n’exporte pas de film fini. Rassemblez plans, voix off, ambiances et musique dans DaVinci Resolve ou Premiere Pro.
Mixer et livrer.

Monter l’image sur la voix, ou la voix sur l’image ?

Pour un documentaire commenté, posez la voix off d’abord et montez l’image dessus. La voix est la colonne vertébrale : elle donne le rythme, et un plan se raccourcit plus facilement qu’une phrase. C’est aussi l’ordre que recommande notre guide comment faire un documentaire avec l’IA.

On fait l’inverse quand l’image est la preuve : un entretien, une longue prise d’observation, une vraie archive qu’on ne peut pas raccourcir. La voix off doit alors entrer dans les espaces que l’image laisse. Réécrivez la phrase plus courte plutôt que de demander au narrateur d’accélérer.

En pratique, on fait des allers-retours : on pose la voix, on monte, on réécrit une phrase qui étouffe un plan, on la réenregistre dans les mêmes conditions.

Mixer la voix off avec la musique et l’ambiance

La voix off sur sa propre piste. Ne la mélangez jamais à la musique : vous devrez la déplacer.
La musique recule quand la voix parle. Baissez-la sous chaque phrase et laissez-la revenir dans les silences. La plupart des logiciels savent l’automatiser.
L’ambiance reste basse et continue. Celle générée par les modèles change d’un plan à l’autre : lissez-la, ou remplacez-la par une nappe continue.
Pas de chanson sous la voix off. Deux voix se battent, le spectateur perd les deux.
Écoutez sur un haut-parleur de téléphone et au casque. Si une phrase disparaît sur le téléphone, la musique est trop forte.

Le niveau sonore final dépend de la diffusion. Pour la télévision en Europe, la recommandation EBU R 128 fixe un niveau moyen de programme à -23 LUFS (version 5.0, novembre 2023, UER). Les plateformes et les distributeurs publient leurs propres spécifications : demandez-les avant de mixer. Notre guide sur le son des films IA détaille le mixage et les principales cibles de diffusion.

Le commentaire dans d’autres langues

Une voix off n’est pas un sous-titre. Adaptez-la langue par langue au lieu de la traduire mot à mot : la même idée prend rarement le même nombre de mots, et le montage doit tenir. Reminutez chaque version dans le calculateur. Vérifiez comment chaque langue dit vos dates et vos noms : « 1990 » se dit en deux mots en anglais, en bien plus en français.

Gardez une seule voix par langue sur toute la série. Si vous passez par un outil de doublage, faites écouter le résultat complet à un locuteur natif avant diffusion, et signalez la voix de synthèse dans chaque langue publiée.

FAQ

ScreenWeaver peut-il générer la voix off ?

Non. ScreenWeaver n’a ni synthèse vocale ni génération de voix. Vous écrivez le commentaire dans le script en NARRATEUR (V.O.), vous le minutez avec le calculateur de durée gratuit, vous exportez le script en PDF ou en FDX, puis vous enregistrez un narrateur ou vous générez la voix dans un outil dédié comme ElevenLabs. Le montage de la voix avec les plans se fait dans votre logiciel, car ScreenWeaver n’exporte pas de film fini.

Comment écrire une voix off de documentaire ?

Pour l’oreille. Une idée par phrase, des longueurs variées, le mot important en fin de phrase, les dates et les nombres écrits comme on les dit, une indication de prononciation pour chaque nom difficile. Ne décrivez pas ce que l’image montre déjà : donnez au spectateur ce qu’elle ne peut pas dire. Et relisez tout à voix haute.

Combien de mots par minute pour une voix off documentaire ?

Notre calculateur de durée travaille sur une échelle de 130 à 150 mots par minute. Un commentaire documentaire se place en général du côté lent, pour laisser respirer l’image. En français, minutez le texte avec les dates en toutes lettres, puis vérifiez au chronomètre.

Quelle voix choisir pour un documentaire, homme ou femme ?

Il n’y a pas de règle. Choisissez le registre, l’âge et l’accent qui servent le point de vue du film, testez la voix sur vos noms et vos dates les plus difficiles, et écoutez une lecture complète d’une traite. Puis gardez la même voix sur tout le film et toute la série.

Peut-on utiliser une voix IA qui imite un narrateur célèbre ?

Non. Cloner ou imiter la voix d’une personne réelle sans son accord expose à des risques juridiques, comme la loi ELVIS du Tennessee qui protège la voix depuis 2024. Dans l’Union européenne, l’article 50 de l’AI Act impose de signaler les hypertrucages audio depuis le 2 août 2026. Choisissez ou créez une voix qui appartient à votre film.

Faut-il monter l’image sur la voix off ou l’inverse ?

Pour un documentaire commenté, posez la voix d’abord et montez l’image dessus : elle donne le rythme. Quand l’image est la preuve, un entretien ou une archive, faites l’inverse et réécrivez les phrases plus courtes plutôt que de les dire plus vite.

Pour aller plus loin

Commencez par le texte : ouvrez un projet, écrivez la scène et posez la première phrase sous NARRATEUR (V.O.). La formule gratuite Screenwriter suffit pour ça : commencer dans ScreenWeaver.

Puis :

Générateur de documentaires IA, avec Le Dernier Gardien du script au film
Comment faire un documentaire avec l’IA, la méthode complète
La voix off dans un scénario
IA et documentaire : reconstituer sans tromper le spectateur
Les documentaires d’histoire IA sur YouTube
Le son des films IA
Calculateur de durée de script et modèle de script documentaire

Sources

ScreenWeaver, calculateur de durée de script : 130 à 150 mots par minute, 140 par défaut
ElevenLabs, présentation de la documentation, guide du clonage de voix et éditeur de prononciation de Studio, consultés le 8 octobre 2026
Associated Press, la loi ELVIS du Tennessee, 21 mars 2024
AI Act, article 50, consulté le 8 octobre 2026
UER, recommandation R 128 sur le niveau sonore, version 5.0, novembre 2023