Les sous-titres de ce type de contenu ne sortent pas d'une industrie unique dotée d'une norme unique. Ils viennent de plusieurs filières distinctes, et c'est la filière qui détermine la qualité — pas le studio, pas l'année de sortie, pas la résolution du fichier que vous regardez.

L'écart entre une piste qui se lit naturellement et une piste qui ressemble à une transcription brouillée n'est généralement pas une différence d'effort. C'est une différence dans la part de l'audio réellement transcrite plutôt que devinée, et dans le fait que quelqu'un ait eu ou non un script écrit pour contrôler le résultat.

Quelles sont les filières de production ?

Il y en a cinq, et elles se distinguent par leur point de départ.

Les sous-titres fournis par le distributeur sont produits dans le cadre d'une sortie sous licence. Ceux qui les ont réalisés avaient accès au master fini et, souvent, aux documents de production. Surtout, ils sont calés sur ce montage précis.

Les sous-titres dérivés d'une piste de sous-titrage partent d'une piste japonaise dans la même langue — un texte qui existe déjà, déjà découpé, déjà calé — et la traduisent. Le problème difficile, entendre l'audio, a déjà été résolu par quelqu'un d'autre : il ne reste que la traduction.

La traduction humaine à l'oreille désigne un traducteur travaillant à partir de l'audio, sans script. Le résultat peut être excellent, mais c'est lent, et cela hérite de tous les défauts de l'audio lui-même.

La transcription automatique suivie d'une traduction automatique applique une reconnaissance vocale à l'audio, puis traduit le texte obtenu. Deux étapes automatisées, chacune avec son profil d'erreurs, mises bout à bout.

La traduction pivot reprend une traduction existante — en général l'anglaise — et traduit celle-ci dans une troisième langue. Chaque erreur de la version intermédiaire est conservée, puis aggravée.

Quelle filière produit quels types de défauts ?

Chaque filière échoue d'une façon caractéristique, et ces échecs se voient à l'écran quand on sait quoi regarder.

Filière de production Précision du calage Précision du sens Signes révélateurs
Fournie par le distributeur Calée sur la sortie Variable selon le traducteur Coupes de lignes régulières, sous-titrage des textes et panneaux à l'écran
Dérivée d'une piste de sous-titrage Héritée de la piste d'origine — en général bonne Bonne sur les dialogues, plus faible sur les idiomes Découpage naturel, mais audio non verbal laissé sans sous-titre
Humaine, à l'oreille Bonne quand le dialogue est clair, dérive dans les passages denses La meilleure disponible pour la nuance Notes du traducteur occasionnelles, densité inégale selon les scènes
Transcription + traduction automatiques Serrée sur les débuts de parole, mais des lignes apparaissent hors parole Fluide, et parfois assurément fausse Lignes courtes et uniformes, dialogue inventé sur du bruit
Traduction pivot Héritée de la piste source Se dégrade à chaque relais Choix de mots étranges, compréhensibles seulement en retraduisant

La ligne qui surprend, c'est la transcription automatique. Son calage est souvent meilleur que celui d'un humain, parce qu'il découle directement de la forme d'onde. Sa précision de sens est la moins fiable des cinq, parce que rien dans la chaîne ne sait quand elle a deviné.

Pourquoi ce contenu est-il plus difficile à sous-titrer qu'un film ordinaire ?

Parce que presque aucune des conditions qui rendent le sous-titrage abordable n'est réunie.

Une fiction écrite offre au sous-titreur un script, un enregistrement de dialogue propre, un locuteur à la fois et un contexte narratif qui lève l'ambiguïté des pronoms. La vidéo pour adultes n'offre en général rien de tout cela :

  • Le dialogue est largement improvisé. Aucun document ne permet de contrôler la transcription : une erreur n'a rien contre quoi buter.
  • Les paroles se chevauchent beaucoup, et la reconnaissance vocale se dégrade fortement quand deux personnes parlent en même temps.
  • Une grande part de l'audio est non verbale. Souffles, vocalises et sons d'ambiance occupent un temps qu'un système de transcription cherchera souvent à remplir avec des mots.
  • Les conditions d'enregistrement sont variables. Le rapport parole/bruit est souvent mauvais, en particulier en caméra à l'épaule ou avec un micro unique.
  • Le japonais omet sujets et pronoms. Une réplique parfaitement claire en japonais peut ne pas indiquer à qui, ni de qui, l'on parle — le traducteur doit donc fournir un pronom qui n'a jamais existé dans l'original.
  • Les suffixes honorifiques portent un sens relationnel auquel le français n'offre aucune case. Les changements de registre qu'un auditeur japonais perçoit immédiatement disparaissent à la traduction, sauf si quelqu'un les reconstruit délibérément.
  • Les noms propres et les noms de labels sortent du vocabulaire général et sont couramment déformés en mots courants de sonorité voisine.

Rien de tout cela ne vise les gens qui font ce travail. C'est la description d'une matière première authentiquement difficile.

Comment savoir à quel type vous avez affaire ?

On identifie en général la filière en quelques minutes, à l'aide de signaux qui ne demandent aucune connaissance du japonais.

Ce que vous observez Ce que cela suggère
Le calage dérive progressivement en avance ou en retard sur la durée La piste a été calée sur un autre montage ou une autre cadence d'images
Toutes les lignes font à peu près la même longueur, courte Découpage automatique, pas de coupe humaine
Le genre du pronom change d'une réplique à l'autre pour la même personne L'étape de traduction devine les sujets omis
Des idiomes rendus littéralement, mot à mot Traduction automatique, ou pivot par une troisième langue
Des lignes apparaissent dans des passages sans parole La reconnaissance vocale remplit le bruit avec des mots plausibles
Un dialogue qui se chevauche réduit à une seule ligne La transcription n'a gardé que le locuteur dominant
Les textes et panneaux à l'écran sont sous-titrés Quelqu'un a délibérément travaillé sur la vidéo finie
Les noms sont orthographiés de la même façon d'un bout à l'autre Un humain est passé sur l'ensemble du fichier au moins une fois

La dérive progressive est le signal le plus révélateur. Elle signifie que le calage n'a jamais été arrimé au fichier que vous lisez — la piste vient d'ailleurs. Le réglage de décalage des sous-titres d'un lecteur peut compenser un décalage constant, mais une dérive qui s'accroît au fil de la durée indique une différence de cadence d'images, propriété de la piste elle-même, que le décalage ne corrigera pas.

Que faire, concrètement ?

Jugez la piste dans les premières minutes, et considérez ce jugement comme valable pour le fichier entier.

La qualité des sous-titres ne s'améliore pas en cours de route. Si les noms sont instables et les pronoms flottants dès la scène d'ouverture, il en ira de même partout, et vous regardez la sortie d'une chaîne automatisée. C'est très bien pour suivre ce qui se passe ; c'est peu fiable dès que le sens exact d'une réplique compte.

La seule garantie structurelle à retenir : seuls les sous-titres fournis avec une sortie sous licence sont garantis calés sur la version que vous regardez. Tout le reste est une piste faite pour une certaine version du contenu et associée à votre copie par hypothèse. C'est de cette hypothèse que vient la dérive, et c'est la première cause d'une expérience de sous-titrage qui semble cassée alors même que la traduction est correcte.

Questions connexes

La disponibilité des sous-titres varie énormément d'une plateforme à l'autre — voyez quels sites nous avons indexés et ce qu'ils proposent sur la liste de sites.