Créer des shorts : découper une vidéo longue en clips

Pour transformer une vidéo longue en shorts, transcrivez d’abord et laissez la transcription piloter tout le reste. La transcription dit ce qui a été dit, donc vous choisissez les moments qui méritent un clip ; elle porte les frontières de phrase, donc les coupes tombent entre les phrases et non au milieu d’un mot ; et elle alimente le recadrage et les sous-titres sans second passage. Enregistrer puis chercher les clips en faisant défiler la timeline, c’est la version lente du même travail.

Note de périmètre, juillet 2026 : Les étapes ci-dessous correspondent à des pipelines actuellement en production sur Pipe2.ai — Transcription, Highlights, Video Trim, Video Reframe et Captions. Le comportement décrit a été vérifié sur leurs schémas d’entrée actuels, pas sur des supports marketing.

Pourquoi la transcription est toute l’astuce

Chaque étape après la transcription prend la transcription en entrée. Ce n’est pas un hasard d’outillage : c’est précisément ce qui rend le processus automatisable.

• Choisir les moments demande de savoir ce qui a été dit, pas à quoi ressemble la forme d’onde.
• Couper demande des frontières de phrase, sinon les clips ouvrent au milieu d’un mot.
• Recadrer gagne à savoir où se situe la parole sur la timeline.
• Sous-titrer demande les mots et leurs timings — que vous avez déjà.

Donc : transcrivez l’enregistrement complet une fois, gardez ce fichier et passez-le à chaque étape suivante. Un podcast de 60 minutes est transcrit une seule fois et cela sert tout le lot de clips. Un workflow qui retranscrit à chaque clip répète l’étape la plus coûteuse N fois sans aucun gain.

Étape 1 — Transcrire l’enregistrement complet

Traitez le fichier entier, pas les segments dont vous croyez avoir besoin. On ne choisit pas de bons moments dans un enregistrement qu’on n’a pas lu.

Deux options méritent une décision explicite :

• Détection des locuteurs (diarize) — indispensable en interview et en table ronde. Savoir qui a parlé transforme « une bonne phrase » en « une bonne phrase de l’invité », et c’est en général celle-là qui vaut le clip.
• Corrections (corrections) — une liste de termes que le modèle entend mal autrement. Noms de produits, noms de personnes et jargon sont les suspects habituels. Corriger une fois à la transcription revient moins cher que corriger dans chaque fichier de sous-titres ensuite.

Étape 2 — Choisir les moments, pas les traquer

Lisez la transcription en cherchant des moments qui tiennent seuls : une affirmation avec sa justification, une histoire avec sa chute, une question traitée nettement. Le test : le passage a-t-il du sens pour quelqu’un qui n’a pas vu la source ?

Highlights fait cela contre la transcription et renvoie un nombre défini de propositions : vous demandez la quantité que vous comptez réellement publier — dix clips d’un webinaire, trois d’une interview courte — au lieu de trier une liste sans fin. L’entrée style oriente ce qu’il cherche, ce qui compte parce que les meilleurs moments d’un webinaire commercial et d’un podcast humoristique n’ont pas la même forme.

Traitez la sortie comme une présélection, pas comme un verdict. Le modèle trouve des passages qui se lisent bien ; ceux qui conviennent à la chaîne, c’est encore vous qui les choisissez.

Étape 3 — Couper aux frontières de phrase

C’est là que le clipping automatique se trahit le plus. Un clip coupé sur un horodatage brut commence au milieu d’un mot et se termine avant que l’idée n’atterrisse. Cela paraît arraché plutôt que monté, et aucun polissage ultérieur ne rattrape ça.

Video Trim prend un début, une fin et la transcription, et aligne chaque coupe sur la frontière de phrase la plus proche. Vous donnez à peu près le bon endroit ; l’outil trouve le bord net. Concrètement, vous pouvez choisir les moments grossièrement — en lisant, vite — et obtenir quand même des clips qui ouvrent et ferment proprement.

Étape 4 — Recadrer en vertical

Un enregistrement 16:9 rogné en son centre sort la moitié de l’intervenant du cadre dès qu’il se penche. Video Reframe analyse des images clés, y localise les visages et choisit un cadrage qui suit le sujet à travers le plan.

Soyons précis sur ce qu’il fait et ne fait pas : il trouve et suit des visages, et prend une décision éditoriale sur l’endroit où poser le cadre. Il ne détermine pas qui est en train de parler. Là où un plan n’a pas de sujet net — diapositive, capture d’écran, plan de coupe plein cadre — il passe en letterbox plutôt que d’inventer un recadrage, ce qui est le bon choix pour un contenu qui remplit déjà l’image.

Fixez explicitement le format de sortie, en fonction de la destination du clip.

Étape 5 — Incruster les sous-titres

La vidéo sociale se regarde surtout sans le son. Un clip sans sous-titres est un clip que la plupart feront défiler avant d’en comprendre le sujet.

Comme la transcription existe déjà, Captions ne coûte presque rien à ce stade : donnez-lui le clip coupé et la transcription, choisissez un preset, récupérez un MP4 fini avec le texte incrusté — sans dépendre du rendu des sous-titres par la plateforme depuis un fichier déposé à part, rendu qui varie et se retrouve souvent ignoré.

Ce qui distingue un bon clip d’un clip arraché

• Une idée par clip. S’il faut deux phrases de mise en contexte pour l’expliquer, ce contexte appartient au clip — ou le moment est le mauvais.
• Ouvrir sur la phrase la plus forte, pas sur le raclement de gorge qui précède. La transcription rend cet endroit évident.
• Garder le visage dans le cadre — un plan-buste où le sujet dérive vers le bord fait négligé.
• Ne pas couper pour remplir un quota. Dix clips moyens tirés d’un webinaire rendent moins que trois bons, et coûtent autant à publier.
• Couper sur des pensées complètes, et laisser la durée être ce qu’elle doit être.

Comment cela s’articule avec le reste

Une fois la chaîne en place, la même transcription porte des choses qui seraient sinon des projets distincts : chapitrage de la version longue, résumé écrit, sous-titres de l’original. C’est utile à savoir au moment de décider s’il faut transcrire — le coût est payé une fois et se répartit sur tout l’aval.

Si vous produisez la vidéo source en plus de la découper, Comment faire des vidéos avec l’IA couvre la génération, et Ajouter des sous-titres à une vidéo creuse leur mise en forme.

Essayer

Commencez avec un enregistrement que vous avez déjà. Transcrivez-le, demandez trois propositions à Highlights et ne coupez que celles-là — l’objectif du premier passage est de voir si les moments trouvés correspondent à ceux que vous auriez choisis. Dès que c’est le cas, la même chaîne tourne sur une heure de rushes sans rien changer d’autre que le nombre.