Vous avez passé des heures sur votre module. Le fond est solide, la voix est belle, vous lancez la génération. Et là, patatras : une liaison que personne n’a demandée, un « -ent » qui aurait dû rester muet, une phrase qui reste en l’air. Je connais ce moment par cœur, et j’ai une bonne nouvelle : le coupable n’est presque jamais la voix.
En refermant cet article, vous saurez :
- Repérer les sept pièges d’écriture qui font sonner faux une voix de synthèse.
- Corriger vos scripts avant la génération, exemples à l’appui.
- Vérifier votre texte en quelques minutes grâce à notre liste de contrôle.
Pourquoi votre voix off IA sonne-t-elle faux ?
La parole est moitié à celui qui parle, moitié à celui qui l’écoute.
Avec une voix de synthèse, la moitié « qui parle » est une machine. Toute la responsabilité de l’autre moitié repose donc sur votre texte.
Laissez-moi vous raconter comment nous l’avons appris, au studio. En 2026, nous avons produit une formation de quinze modules, narrée par une voix de synthèse. Plusieurs heures de narration, écoutées de bout en bout. Et à chaque écoute, un nouveau défaut surgissait, puis un autre.
Au début, on accuse la machine. C’est humain. Puis on remarque que les défauts reviennent toujours aux mêmes endroits : après un deux-points, devant une année écrite en chiffres, sur un verbe au pluriel. Petit à petit, une évidence s’impose. La voix ne se trompe pas au hasard. Elle lit exactement ce qu’on lui donne, et ce qu’on lui donne a été écrit pour être lu des yeux, pas pour être entendu.
Pour comprendre, suivez le trajet d’un texte jusqu’à la voix. À chaque étape, le moteur devine, et chaque étape est une occasion de se tromper :
- Le texte brut ce que vous avez écrit, ponctuation comprise.
- La mise en forme des nombres et des abréviations « 1990 », « Dr » ou « 15 % » deviennent des mots. Premier risque d’erreur.
- La prononciation chaque mot devient une suite de sons, liaisons et lettres muettes comprises. Deuxième risque, le plus sournois en français.
- L’intonation la voix monte, descend ou marque une pause selon la ponctuation et la construction de la phrase. Troisième risque.
- Le son final ce que vous entendez, et ce que vos apprenants entendront aussi.
Au studio, nous travaillons avec plusieurs moteurs. Chatterbox est un moteur libre publié par Resemble AI, sous licence MIT, qui prend en charge le français. ElevenLabs est un service commercial, que nous utilisons notamment pour des voix off publicitaires. Nous avons aussi essayé F5-TTS en septembre 2026. Tout ce qui suit vient de ces écoutes, avec leurs dates. Un autre moteur, ou une autre version du même moteur, peut se comporter autrement : gardez-le en tête, je vous le rappellerai.
Ces pièges, nous les avons payés en heures d’écoute et en générations recommencées. Vous, vous pouvez les éviter dès aujourd’hui. Chez Ali Prod, on aime transmettre ce qu’on a appris : voici donc notre méthode, sans rien garder sous le coude.
Quels signes de ponctuation font trébucher la voix ?
Pour vous et moi, une virgule de trop passe inaperçue. Pour une voix de synthèse, c’est une consigne de jeu : elle commande une pause, une montée, une descente. Trois pièges reviennent sans cesse.
Piège 1 : les deux-points qui laissent la voix en suspens
En août 2026, sur Chatterbox, nous avons constaté que la voix ne redescendait pas naturellement après un deux-points. La phrase restait suspendue, comme une question qui n’ose pas se poser. Par exemple, dans une phrase comme « Trois outils : la voix, l’image, le texte », c’est juste après « outils » que la voix risque de rester en l’air.
Je vous dois une nuance, car le deux-points n’est pas coupable par nature. Tout dépend de la syntaxe, du rythme recherché et du moteur. Un deux-points qui annonce une longue liste ne se lit pas comme un deux-points qui introduit une courte explication. Une suspension peut même être voulue, pour créer une attente. Sur le script qui nous sert d’exemple plus bas, nous avons fini par réécrire chacun d’eux. C’était le bon choix pour ce moteur et pour cette narration posée, pas une loi universelle : écoutez, puis décidez.
Piège 2 : la fausse bonne correction qui crée des phrases sans verbe
Le premier réflexe, et nous l’avons eu aussi, consiste à remplacer chaque deux-points par un point. Résultat : des phrases sans verbe, et ça s’entend. Voici un passage de nos archives, tel qu’il est sorti d’une conversion mécanique : « Le premier temps est l’auto-évaluation. Trente secondes pour vous situer. »
La seconde phrase, née d’un deux-points devenu point, n’a pas de verbe. Lue par une voix de synthèse, elle tombe à plat, comme un télégramme. Le remède qui nous a sauvés tient en deux mots : « c’est ». « Le premier temps, c’est l’auto-évaluation. » Le verbe revient, et l’intonation redescend enfin. Selon la phrase, « comme », « par exemple », « c’est-à-dire » ou « à savoir » font aussi très bien l’affaire.
Piège 3 : les énumérations sèches
Une liste de mots séparés par des virgules se lit bien des yeux et s’écoute mal. La voix enchaîne les éléments sur le même ton, et l’auditeur décroche au troisième. En juillet 2026, nous avons adopté au studio une règle simple : pas trois virgules dans une phrase sans un « et » pour clore l’énumération, et des mots de liaison pour dérouler les étapes.
Le secret d’ennuyer est celui de tout dire.
Une énumération sans relief, c’est un peu tout dire d’un seul souffle : l’oreille n’a aucun repère pour trier.
Voici un cas réel, tiré d’un script de formation travaillé au studio. Il réunit les pièges 1 et 3 dans la même phrase.
- Avant : « Vous avez appris à lire un système nerveux par cinq canaux : la respiration, la posture et le tonus, puis la voix, le regard et l’énergie globale. »
- Après : « Vous avez appris à lire un système nerveux par cinq canaux, à savoir d’abord la respiration, puis la posture et le tonus, ensuite la voix et le regard, et enfin l’énergie globale. »
Qu’est-ce qui a changé ? Le deux-points est devenu « à savoir ». La liste s’est dotée de repères, « d’abord, puis, ensuite, enfin », qui guident l’intonation comme des panneaux sur une route. Et le dernier élément arrive avec son « et ». La phrase a gagné quelques mots, et pourtant elle s’écoute plus facilement. Écrire pour l’oreille demande souvent ce petit supplément : nous le faisons à chaque script de nos formations e-learning.
Comment écrire les nombres et les sons que la voix massacre ?
Deuxième famille de pièges, celle qui demande le plus d’oreille : la prononciation. Le français est une langue magnifique et piégeuse, avec ses lettres muettes, ses liaisons et ses homographes. Une voix de synthèse y marche parfois sur des œufs, et parfois dessus.
Piège 4 : les nombres et les années écrits en chiffres
Le 1er août 2026, à l’écoute d’un module de formation, nous avons constaté que notre chaîne de synthèse locale prononçait mal les années écrites en chiffres. Depuis, nous les écrivons en toutes lettres dès le script : « 1990 » devient « mille-neuf-cent-quatre-vingt-dix ». Par exemple, « né en 1998 » s’écrira « né en mille-neuf-cent-quatre-vingt-dix-huit » dans le script envoyé à la voix.
Deux pièges d’orthographe guettent au passage. « Cent » ne prend pas de « s » quand un autre nombre le suit : « mille-neuf-cent-quarante », mais « mille-neuf-cents ». Et soixante-et-onze s’écrit avec « et », alors que quatre-vingt-onze s’en passe.
Ici, le moteur compte beaucoup. Selon sa documentation, ElevenLabs convertit par défaut les nombres et les dates en mots, pour tous ses modèles. Ses exemples sont donnés en anglais : en français, écoutez le résultat avant de publier, surtout pour les dates et les numéros de téléphone.
Piège 5 : les fausses liaisons et les liaisons oubliées
La liaison fait sonner une consonne finale d’ordinaire muette devant une voyelle : « nous‿avons », « un‿enfant ». Le français distingue trois cas.
- Les liaisons obligatoires, par exemple entre le déterminant et le nom (« un‿enfant ») ou entre le pronom et le verbe (« nous‿avons »).
- Les liaisons interdites, notamment après « et » et devant un h dit aspiré : on dit « les haricots », jamais « les‿z‿haricots ».
- Les liaisons facultatives, par exemple « ils sont‿incroyables », qui dépendent du registre.
Une voix de synthèse peut en ajouter une interdite ou en oublier une obligatoire. Dans les deux cas, l’oreille française le repère immédiatement, et la crédibilité de votre contenu en prend un coup.
Voici un cas réel, entendu au studio en septembre 2026 sur une vidéo de présentation dite par une voix clonée chez ElevenLabs. À l’écoute, j’ai relevé trois prononciations fautives, qui ne relèvent pas toutes de la même erreur. Dans deux d’entre elles, la voix a ajouté un son « z » que l’orthographe ne justifie pas : « quatre-mille-zavis » pour « quatre mille avis », et « on ne sai-zou » pour « on ne sait où ». En effet, « mille » n’a aucune consonne à lier, et « sait » se termine par un « t ». Les linguistes appellent ce défaut un velours, une fausse liaison en « z ». Le troisième cas est différent. Dans « ressource-zoubliées », pour « ressources oubliées », la liaison en « z » est permise : elle est facultative entre un nom au pluriel et son adjectif. Elle sonnait pourtant mal dans cette narration, et nous l’avons retirée.
Pour les trois, nous avons repris la phrase en envoyant au moteur une graphie volontairement détournée (« sè où », « ressource oubliées », « quatre mil avis »), puis gardé la meilleure de trois prises. Attention, ces formes ne sont pas des corrections d’orthographe : elles n’existent que dans le texte envoyé à la voix de synthèse, et tout texte destiné à être lu garde l’orthographe correcte. Leur effet dépend du moteur, et seule l’écoute valide le résultat. Détail qui compte : notre outil de transcription automatique n’entend pas une liaison, seule l’oreille tranche.
Un cas voisin relève, lui, de la prononciation du nombre. Il vient de notre propre chaîne de synthèse, en juin 2026, sur le cinquième module d’une formation. Le mot « six » se prononce de trois façons : « si » devant une consonne (« six livres »), « siz » devant une voyelle (« six‿enfants ») et « sisse » en fin de groupe (« j’en ai six »). Notre chaîne appliquait une règle automatique qui ne regardait que le mot suivant. Dans « Module 6 produit… », elle voyait une consonne et faisait dire « Module si produit ». Or un numéro placé après le nom termine son groupe : il fallait « Module sisse ». Je l’ai repéré à l’oreille, et nous avons corrigé la règle le 13 juin 2026 : un numéro placé après le nom se prononce désormais toujours en entier. Morale de l’histoire : même un correctif automatique peut fabriquer une faute de prononciation, d’où l’écoute systématique.
Le remède, pour toutes ces liaisons : reformuler pour éviter la rencontre délicate, changer un mot, ou écrire le passage de façon phonétique dans le script envoyé au moteur.
Piège 6 : les terminaisons en « -ent » prononcées
C’est le défaut qui tue une vidéo, et je pèse mes mots. À la troisième personne du pluriel, la terminaison « -ent » d’un verbe ne se prononce pas : « ils parlent ». Mais le français adore les homographes, ces mots qui s’écrivent pareil et se prononcent différemment. « Les poules couvent » et « le couvent », « ils président » et « le président » : pour choisir la bonne prononciation, le moteur doit deviner la fonction du mot dans la phrase. Quand il se trompe, vos poules se mettent à parler comme des moines.
Pour l’entendre vous-même, faites lire cette phrase test à votre moteur : « Ces élèves négligents négligent leurs exercices. » Le premier « négligents » est un adjectif, sa fin se prononce ; le second « négligent » est un verbe, sa fin reste muette. Si la voix prononce les deux de la même façon, vous tenez votre piège 6.
Pour un professionnel, nettoyer ces imperfections est impératif. Il y a deux façons de le faire. La première consiste à fournir au moteur la phonétique du mot. La seconde consiste à supprimer, dans le script envoyé au moteur, la terminaison qu’on ne veut pas entendre. Ce script n’est pas le texte affiché à l’écran : c’est une partition pour la machine, et il a le droit d’être orthographiquement faux s’il sonne juste. Par exemple, « les poules couve » a de bonnes chances d’être prononcé correctement. Testez toujours sur votre moteur.
Piège 7 : les mots en « -tion » dont la fin est tronquée
En juillet 2026, sur Chatterbox, nous avons constaté que des mots en « -tion » comme « attention », « respiration » ou « régulation » perdaient souvent leur syllabe finale. Le mot s’arrête net, comme une porte qui claque avant la fin de la phrase. Par exemple, « Portez votre attention sur votre respiration » aligne deux mots en « -tion » : c’est le genre de phrase à écouter en priorité.
Deux pistes sont à vérifier. La première tient à la prononciation : un dictionnaire de prononciation, ou une graphie phonétique du mot, aide le moteur. La seconde tient au montage : un découpage audio trop serré en fin de mot produit exactement le même effet.
Les outils de prononciation, moteur par moteur
Chaque moteur offre ses propres leviers, et ils changent avec les versions.
- Chez ElevenLabs, selon sa documentation consultée en septembre 2026 : des dictionnaires de prononciation au format .pls, des règles d’alias qui remplacent un mot par une graphie mieux prononcée, et des règles phonétiques qui ne fonctionnent qu’avec certains modèles (eleven_flash_v2 et eleven_v3). Pour une autre langue que l’anglais, les règles phonétiques demandent le modèle v3 ; sur les autres modèles, on passe par les alias.
- Dans notre chaîne locale construite autour de Chatterbox, nous tenons notre propre dictionnaire de prononciation.
Les sept pièges en un coup d’œil
| Piège | Ce qu’on écrit | Ce qu’on entend | Comment corriger |
|---|---|---|---|
| 1. Deux-points | « par cinq canaux : la respiration… » | Une voix en suspens | Réécrire avec « c’est », si le moteur et le rythme l’exigent |
| 2. Fausse bonne correction | « Trente secondes pour vous situer. » | Une phrase sans verbe, à plat | Rendre son verbe à la phrase |
| 3. Énumération sèche | « la respiration, la posture, la voix » | Une liste monotone | « d’abord, puis, ensuite, et enfin » |
| 4. Nombres en chiffres | « 1990 » | Une lecture hasardeuse, selon le moteur | « mille-neuf-cent-quatre-vingt-dix » |
| 5. Liaisons | « quatre mille avis » | « quatre-mille-zavis » | Graphie qui empêche la liaison (« quatre mil avis ») |
| 6. Terminaisons « -ent » | « les poules couvent » | « couvent » comme le monastère | Phonétique ou terminaison supprimée dans le script |
| 7. Fins en « -tion » | « attention » | « atten… » | Dictionnaire de prononciation, montage vérifié |
Comment vérifier votre texte avant de lancer la génération ?
Une génération ratée coûte du temps et, selon le service, des crédits. Elle coûte aussi cette petite déception quand on découvre le résultat. Quelques minutes de vérification avant de lancer la machine vous en épargnent beaucoup.
Je n’ai fait celle-ci plus longue que parce que je n’ai pas eu le loisir de la faire plus courte.
Pascal avait compris qu’un texte clair demande du temps. Pour l’oreille, c’est pareil : ces quelques minutes de relecture sont le meilleur investissement de votre production.
Voici la liste de contrôle que nous suivons avant chaque génération :
- Chercher les deux-points et décider, un par un, s’ils servent le rythme ou s’ils le cassent.
- Vérifier que chaque phrase a un verbe.
- Clore chaque énumération par « et », et dérouler les étapes avec des mots de liaison.
- Écrire les années et les nombres délicats en toutes lettres, selon le moteur.
- Repérer les homographes en « -ent » et les liaisons à risque.
- Préparer la graphie phonétique des noms propres, des sigles et des mots techniques.
- Générer un court extrait test et l’écouter en entier avant de lancer tout le texte.
Et surtout, lisez votre texte à voix haute. C’est le détecteur le moins cher du marché : il ne vous coûte que quelques minutes et un peu de voix. Ce qui accroche dans votre bouche accrochera dans celle de la machine.
Ce que l’on conçoit bien s’énonce clairement, et les mots pour le dire arrivent aisément.
Pour une voix de synthèse, j’ajouterais : ce qui s’énonce clairement s’écrit pour l’oreille. Chez nous, ce contrôle fait partie de la méthode du studio, à chaque étape.
Votre action pour aujourd’hui : prenez votre dernier script, cherchez les deux-points et les verbes en « -ent », puis lisez-le à voix haute. Vous entendrez la différence avant même de lancer la génération.
Et si vous préférez consacrer votre temps à votre expertise plutôt qu’à la chasse aux liaisons, c’est exactement notre métier. Nous écrivons pour l’oreille, nous écoutons chaque narration en entier, et rien ne part sans être passé par nos contrôles. Vous gardez la maîtrise de votre contenu, et nous nous occupons de le faire sonner juste. Découvrez notre offre de voix off : j’aurai plaisir à écouter votre projet.
FAQ
Faut-il changer de moteur de voix pour corriger ces défauts ?
Pas forcément. La plupart de ces pièges se corrigent dans le texte, quel que soit le moteur. Un moteur plus récent peut en éviter certains, comme la lecture des nombres, mais il ne devine pas vos intentions. La réécriture reste le correctif le plus sûr, et le moins cher.
Ces règles valent-elles pour toutes les voix IA ?
Les règles de la langue, oui : les liaisons et les homographes appartiennent au français, pas à un logiciel. Le comportement face à ces règles, en revanche, dépend du moteur et de sa version. D’où notre conseil constant : générer un court extrait, écouter, puis décider.
Une voix IA peut-elle remplacer un comédien en formation ?
Pour un contenu explicatif, une voix de synthèse bien préparée rend de grands services, à condition de soigner le texte comme décrit plus haut. Pour une pratique guidée, où la présence de la voix fait partie de l’exercice, nous choisissons au studio une voix naturelle.
Sources
- ElevenLabs, « Best practices », documentation de la synthèse vocale, consultée le 25/09/2026.
- ElevenLabs, « Using pronunciation dictionaries », consultée le 25/09/2026.
- Resemble AI, dépôt GitHub de Chatterbox, moteur de synthèse vocale libre sous licence MIT.
- SWivid, dépôt GitHub de F5-TTS, code sous licence MIT, modèles préentraînés sous licence CC-BY-NC.
- Wikipédia, « Liaison en français », consultée le 25/09/2026.
- Wikipédia, « Pataquès », fausses liaisons et velours, consultée le 25/09/2026.
- Montaigne, Essais, livre III, chapitre 13, « De l’expérience », référence de la citation.
- Voltaire, Sept discours en vers sur l’homme, 1738, texte sur Wikisource.
- Pascal, Les Provinciales, seizième lettre, 1656, citation sur Wikiquote.
- Boileau, L’Art poétique, chant I, 1674, citation sur Wikiquote.
- Studio Ali Prod, fiche interne de contrôle des scripts de narration et constats d’écoute datés de juin à septembre 2026.