Descript transforme la transcription en banc de montage : supprimez un mot et l'image disparaît avec lui. L'outil réunit enregistrement, transcription, montage vidéo et podcast, sous-titres, clonage vocal et retouches par IA dans un même espace en ligne.
Vous avez utilisé cet outil ? Notez-le
Vous avez utilisé cet outil ? Notez-le
Descript est un éditeur vidéo et audio bâti sur une idée qui change tout ce qui suit : votre transcription est le banc de montage. Au lieu de faire glisser des séquences le long d'une forme d'onde, vous modifiez un document. Supprimez un mot dans la transcription et il disparaît de la vidéo ; déplacez une phrase et l'image suit, ce qui explique la formule de l'éditeur selon laquelle monter devient aussi simple que taper. Quiconque sait se servir d'un traitement de texte peut réaliser un montage vidéo par texte qui aurait autrement exigé d'apprendre un logiciel de montage traditionnel.
Ce paradigme rend Descript particulièrement adapté aux contenus portés par la parole : podcasts, entretiens, tutoriels, webinaires, supports de cours, vidéos face caméra pour les réseaux sociaux. Il convient d'autant moins aux travaux où le montage est dicté par l'image plutôt que par le discours — clips musicaux, séquences d'action, motion design dense. Savoir de quel côté de cette ligne se situe votre projet reste le meilleur indicateur de la pertinence de cet outil pour vous.
Autour de l'éditeur se déploie une chaîne de production complète : enregistrement d'écran, captation multipiste à distance via Rooms, sous-titres automatiques, voix de synthèse et clonage vocal, traduction et doublage, avatars IA, et une série d'outils qui corrigent après coup les défauts d'enregistrement courants. L'entreprise dispose d'un adossement institutionnel réel : TechCrunch rapportait en novembre 2022 une levée de 50 millions de dollars en série C menée par l'OpenAI Startup Fund, portant le total levé à 100 millions, pour une valorisation post-money évoquée autour de 550 millions. Cette page détaille ce que fait l'outil, ce que contiennent réellement les offres, comment fonctionne le consentement au clonage vocal, et le réglage d'entraînement IA que tout utilisateur devrait vérifier.
Il existe cinq niveaux, et les écarts entre eux sont substantiels et non cosmétiques. Free ne coûte rien et comprend 60 minutes de média par mois avec export en 720p ; Hobbyist et Creator reviennent à 24 et 35 dollars par siège et par mois ; Business à 65 ; Enterprise fait l'objet d'un devis. La facturation annuelle ramène ces montants à environ 16, 24 et 50 dollars par siège. Deux compteurs déterminent ce que vous pouvez faire : les minutes de média mensuelles — 60 sur Free, 600 sur Hobbyist, 1 800 sur Creator, 2 400 sur Business — et les crédits IA que consomment les fonctions d'intelligence artificielle. Un détail mérite l'attention car il se lit mal : les 100 crédits IA de l'offre gratuite sont accordés une seule fois et non renouvelés chaque mois, alors que chaque offre payante reçoit sa dotation à nouveau tous les mois. L'offre gratuite est donc un essai des fonctions IA plutôt qu'une allocation durable.
La répartition des capacités compte autant que le prix. Studio Sound, Eye Contact, le fond vert, la suppression des hésitations et les voix préexistantes sont disponibles de façon limitée sur les offres basses. En revanche, les clones vocaux personnalisés, la génération vidéo par IA, les avatars sur mesure ainsi que la traduction et le doublage dans 30 langues ne se libèrent qu'à partir de l'offre Creator, tout comme l'accès complet à l'assistant Underlord et à l'ensemble plus large des outils IA. Si ce sont les capacités IA qui vous font envisager Descript, le point d'entrée réaliste est Creator et non Hobbyist. Enterprise ajoute la conformité et la gestion des identités qu'exigent les services achats.
Le point le plus lourd de conséquences n'est pas un défaut mais un réglage par défaut. Sauf désactivation de votre part, Descript peut utiliser vos entrées et vos sorties pour entraîner, améliorer et développer ses modèles, et ses employés, prestataires et sous-traitants peuvent écouter des échantillons audio à des fins de contrôle qualité interne. Les conditions précisent aussi que des voix IA peuvent servir à produire des énoncés pour ce même contrôle qualité. Rien n'est dissimulé et la désactivation est simple — il suffit de couper le réglage « Share Data with Descript » — mais elle est active par défaut, ce qui signifie que des entretiens confidentiels, des rushes clients non diffusés et des enregistrements internes sensibles entrent dans ce périmètre tant que vous n'avez rien changé. La politique de confidentialité ajoute que certaines données d'entraînement liées aux locuteurs IA peuvent être conservées dans des jeux de données de recherche après dissociation de votre compte. Quiconque manipule des documents sous accord de confidentialité devrait traiter cette vérification comme la première tâche, non comme un correctif ultérieur.
Sur le consentement au clonage vocal, ce produit fait nettement mieux que la plupart de sa catégorie, et cela mérite d'être dit clairement. Soumettre des enregistrements vocaux non autorisés d'un tiers comme audio d'entraînement est expressément interdit, tout comme créer un enregistrement ou une déclaration de consentement imitant la voix d'un locuteur qui n'a pas explicitement consenti. Les conditions interdisent également de lire une déclaration de consentement au nom d'une autre personne. Ce sont des clauses contractuelles contraignantes et non des recommandations glissées dans une FAQ marketing, et elles s'appuient sur une mesure technique : Descript génère des empreintes vocales à partir de votre déclaration de consentement et de l'enregistrement que vous éditez afin de vous authentifier et de prévenir la fraude. La position officielle est tout aussi explicite : Descript suit des normes éthiques et exige l'autorisation explicite du locuteur dont la voix est clonée, et permet de supprimer son clone ou d'en restreindre l'accès. Modèles vocaux et empreintes sont conservés jusqu'à ce que la finalité soit atteinte ou jusqu'à trois ans après le dernier accès au compte.
La vérification indépendante de la qualité est plus mince que la notoriété du produit ne le laisse supposer. L'entreprise met en avant une note de 4,6 sur 5 issue de 837 avis sur une grande plateforme d'évaluation B2B, mais ce chiffre figure sur la page marketing de Descript et n'a pas pu être confirmé directement auprès de la plateforme : il doit donc se lire comme une affirmation de l'éditeur et non comme une note vérifiée de façon indépendante. L'article de TechCrunch relève d'un véritable travail éditorial signé et établit les faits de la levée de fonds, mais il porte sur le financement et les nouveautés ; il ne contient aucun examen critique des risques d'abus du clonage vocal ni de déclaration de l'entreprise sur les garde-fous, et ne peut donc valider les mécanismes de sécurité du produit. Par ailleurs, plusieurs recensions tierces affirment encore qu'il faut lire de 10 à 30 minutes de script, alors que la page officielle actuelle indique environ 90 secondes — rappel utile qu'une bonne part du commentaire secondaire sur ce produit est périmée, et qu'une partie provient de concurrents vendant des alternatives.
Les limites pratiques méritent aussi d'être énoncées. La précision de la transcription plafonne tout le reste : accents marqués, chevauchements de parole, vocabulaire technique et son médiocre dégradent la transcription, et une mauvaise transcription rend le montage textuel pénible plutôt que rapide. Les minutes décomptées peuvent contraindre plus vite que prévu pour qui travaille sur de longs enregistrements, et les crédits IA sont consommés par les fonctions mêmes qui vous ont attiré. La résolution d'export est une contrainte liée à l'offre, la 4K exigeant Creator ou au-delà. Enfin, le paradigme du texte d'abord, si efficace pour la parole, n'aide guère sur les projets visuels, où une timeline classique reste le meilleur instrument.
La propriété, elle au moins, est sans ambiguïté et favorable : entre vous et Descript, vous détenez l'intégralité des droits, titres et intérêts sur les entrées et sorties que vous créez. L'entité exploitante est Descript, Inc., établie à San Francisco, le droit californien s'applique et les litiges se règlent par arbitrage exécutoire dans le comté de San Francisco — à noter pour qui prête attention aux clauses d'arbitrage. Des droits sur les données sont prévus pour les utilisateurs de l'EEE ainsi que pour les résidents de Californie, du Colorado, du Connecticut, de l'Utah et de Virginie, et les données de géométrie faciale utilisées par les avatars IA sont traitées par des prestataires sans accès direct de Descript.
Il existe une offre gratuite réelle : 60 minutes de média par mois, des exports en 720p et un accès limité aux outils IA. Le piège important tient à ses 100 crédits IA, accordés une seule fois et non chaque mois : l'offre gratuite fonctionne donc comme un essai des fonctions IA plutôt que comme un moyen durable de les utiliser. Les offres payantes démarrent à 24 dollars par siège et par mois pour Hobbyist, ou environ 16 en facturation annuelle.
Votre enregistrement est transcrit automatiquement, et cette transcription devient l'interface de montage. Supprimez une phrase dans le document et la vidéo comme l'audio correspondants disparaissent ; déplacez un paragraphe et les rushes suivent. En pratique, couper des dialogues devient bien plus rapide que de balayer une forme d'onde, d'où sa pertinence pour les podcasts, entretiens et tutoriels.
La vôtre, ou celle d'une autre personne avec son consentement réel. Ce n'est pas un simple encouragement : les conditions interdisent expressément de soumettre les enregistrements non autorisés d'un tiers, d'obtenir une voix imitant un locuteur n'ayant pas explicitement consenti, et de lire une déclaration de consentement au nom d'autrui. Descript génère en outre une empreinte vocale à partir de la déclaration de consentement pour authentifier le locuteur et prévenir la fraude : l'exigence dispose donc d'une application technique, et pas seulement d'un texte contractuel.
L'indication officielle actuelle est un script court d'environ 90 secondes. Notez que plusieurs recensions tierces citent encore 10 à 30 minutes : cela correspond à une version antérieure du processus et ne correspond plus à ce que décrit la page officielle.
Oui, par défaut. Tant que vous ne désactivez pas le réglage « Share Data with Descript », vos entrées et sorties peuvent servir à entraîner et améliorer les modèles, et des employés, prestataires et sous-traitants peuvent écouter des échantillons audio pour le contrôle qualité. La désactivation est simple, mais l'état par défaut est actif : vérifiez-le avant de travailler sur quoi que ce soit de confidentiel ou couvert par un accord de non-divulgation.
À vous. Les conditions précisent qu'entre vous et Descript, vous détenez l'intégralité des droits, titres et intérêts sur vos entrées et sorties. Cela couvre l'exploitation commerciale de vos productions ; cela ne modifie pas vos obligations distinctes concernant des éléments tiers ou toute voix que vous auriez clonée.
Réalistement, Creator. Les offres inférieures donnent un accès limité à Studio Sound, Eye Contact, au fond vert, à la suppression des hésitations et aux voix préexistantes, mais les clones vocaux personnalisés, la génération vidéo, les avatars sur mesure ainsi que la traduction et le doublage dans 30 langues ne se libèrent qu'à partir de Creator. C'est aussi là que commencent l'export 4K et l'assistant Underlord complet.
Oui, dans les limites de l'offre. Creator prend en charge jusqu'à trois membres et Business jusqu'à cinq, avec un support prioritaire sous SLA. Enterprise négocie les sièges au cas par cas et ajoute la conformité SOC 2 Type II ainsi que le SSO et le SCIM, généralement requis par les grandes organisations avant toute adoption.
Non, et sa conception même l'explique. Comme le montage est dicté par la transcription, il excelle sur les contenus portés par la parole — podcasts, entretiens, tutoriels, vidéos face caméra. Pour les clips musicaux, la fiction, les séquences d'action ou le motion design dense, où les coupes suivent l'image plutôt que les mots, un éditeur par timeline comme Premiere Pro ou DaVinci Resolve reste le meilleur instrument.
L'entreprise ne publie pas de taux de précision, et la précision réelle varie beaucoup selon la qualité sonore, les accents, les chevauchements de parole et le vocabulaire spécialisé. Comme la transcription est la surface de montage, sa précision affecte bien plus que le texte : elle détermine le confort de tout le flux de travail. Corriger les erreurs de transcription avant de commencer à couper est l'habitude la plus utile à prendre.
Comment utiliser Descript