Dans le montage d'une vidéo où l'on parle, le plus long n'est presque jamais de couper. C'est de chercher. Pour retirer trois secondes de bafouillage, il faut balayer la forme d'onde, réécouter encore et encore, et retrouver la syllabe où la phrase a basculé. Un podcast aggrave tout : un épisode de quarante minutes coûte quarante minutes rien que pour l'écouter une fois.

Descript prend le problème par l'autre bout. Plutôt que de faire chercher dans l'onde, il transforme d'abord la voix en texte, et fait de la transcription la surface du montage.

D'abord, l'enregistrement devient un texte

On dépose une vidéo ou un fichier audio dans Descript, la plateforme transcrit et produit en quelques secondes une transcription alignée sur le temps. Le chiffre officiel annonce une précision allant jusqu'à 95 pour cent sur 25 langues. Ensuite, la surface principale de l'interface n'est plus la timeline, mais ce texte.

Vient alors le cœur du produit : modifier les mots, c'est modifier l'image. Supprimez un mot de la transcription, l'instant correspondant disparaît de la vidéo. Déplacez une phrase, les images suivent. Copiez un passage, le média est dupliqué aussi. La formule de l'éditeur est sèche : monter une vidéo comme on édite un document.

La timeline n'a pas disparu, elle a été reléguée. La plupart des gens terminent un montage sans jamais y toucher, et n'y reviennent qu'au moment du réglage à l'image près.

Bafouillages, tics de langage et prises mortes en une passe

Le deuxième apport d'une transcription, c'est que le nettoyage mécanique s'automatise. Les hésitations qui parsèment la parole sont détectées et signalées, et un clic les efface toutes. Si la même phrase a été enregistrée cinq fois, Remove Retakes ne garde que la meilleure prise. Edit for Clarity va plus loin et retire d'un seul geste les hésitations, les digressions et les passages qui auraient dû sauter.

L'image et le son suivent le même chemin. Studio Sound tient en un clic : le bruit de fond s'efface, la voix remonte, et une prise faite dans une pièce ordinaire approche l'effet d'une cabine. Si l'on lisait un prompteur ou un script pendant la prise, Eye Contact redresse le regard par IA pour que le plan donne l'impression d'un face-à-caméra, ce qui évite une reprise. Une fonction d'incrustation sur fond vert supprime même l'installation d'un décor réel.

Une phrase ratée ? On la retape

La fonction la plus surprenante s'appelle Regenerate. Si une phrase est partie de travers, ou qu'un nom a été mal prononcé, on ne réenregistre pas : on corrige la ligne dans la transcription, et Regenerate régénère ce passage avec votre propre voix clonée, en ajustant au passage la forme de la bouche à l'image.

Tout repose sur le clonage de la voix. Une fois le clone obtenu, une reprise devient un travail de frappe. Avant, il fallait garder le bafouillage ou refaire tout le segment ; aujourd'hui une phrase corrigée suffit. Une telle capacité porte ses risques, aussi l'offre entreprise expose-t-elle des réglages pour refuser l'entraînement sur ses données et fixer sa propre durée de conservation.

Underlord, un assistant qui comprend les consignes

Depuis un an, Descript a installé son assistant Underlord au centre du produit. Ce n'est pas une fenêtre de dialogue : il agit sur le projet. Dites-lui d'en faire une pastille d'une minute, ou demandez-lui comment enchaîner deux plans, et il rend un montage ou une proposition. La description officielle promet une version dense tirée de rushes en quelques minutes.

Underlord prend aussi en charge le recyclage : sortir d'une longue vidéo les moments qui circuleront, écrire le résumé de l'épisode et les textes sociaux, produire une miniature et une description pour YouTube. D'une pièce longue naît ainsi une série de pièces courtes.

Capture d'écran, enregistrement à distance et autres langues

Descript n'est pas qu'un éditeur, la capture est intégrée. L'enregistrement d'écran prend à la fois l'écran, la caméra et le micro, avec l'incrustation, le son du système et celui du micro sur des pistes séparées, et le résultat arrive dans le même projet, prêt à être monté : une exportation de moins pour qui fabrique des démonstrations ou des tutoriels.

Les entretiens à distance passent par Rooms : l'invité n'installe rien, l'enregistrement se sépare en pistes et se transcrit tout seul, et si la connexion tombe, l'envoi peut reprendre sous sept jours. Pour les conversations à plusieurs, Automatic Multicam choisit l'angle et la disposition.

Côté langues, à la transcription en 25 langues s'ajoute la traduction et le doublage d'une pièce finie en plus de 30 langues, sous-titres compris. L'offre entreprise ajoute une liste d'exclusion pour que les noms de marque et les noms propres ne soient pas traduits mot à mot.

Tarifs et véritable seuil d'entrée

Descript fonctionne par abonnement, et l'usage dépend de deux quotas : les heures de média, qui mesurent la durée importée ou enregistrée, et les crédits IA, qui paient les fonctions d'IA. Les deux s'achètent séparément.

L'offre gratuite donne une heure par mois et 100 crédits une seule fois, export en 720p sans filigrane. Hobbyist coûte 16 dollars par mois en paiement annuel pour 10 heures et 400 crédits mensuels, en 1080p. Creator passe à 35 dollars pour 30 heures et 800 crédits, et ouvre la 4K. Business demande 50 dollars pour 40 heures et 1500 crédits, toujours en 4K, avec un studio de marque. Enterprise est sur devis, avec volume et crédits ajustables, SSO et journal d'audit.

Deux points à retenir. Le quota réellement exploitable en usage commercial commence à Hobbyist ; l'heure gratuite sert surtout à essayer. Et Hobbyist comme Creator coûtent plus cher au mois qu'à l'année, donc un usage régulier préfère l'annuel. Aucune formule n'appose de filigrane à l'export, ce qui n'est pas courant chez les concurrents.

Côté entreprise, Descript est certifié SOC 2 Type II, prend en charge le SAML et le SCIM, et propose un traitement des données conforme au RGPD ; l'offre entreprise permet de refuser l'entraînement, de fixer sa durée de conservation et d'utiliser un studio de marque pour unifier modèles et règles visuelles.

À qui cela convient

Si votre production repose sur la parole — podcast, entretien, commentaire, tutoriel, démonstration produit —, Descript semble conçu autour de ces contenus, et le gain est net. Sur G2, la fiche compte 837 avis pour une moyenne de quatre virgule six sur cinq, et les utilisateurs vont de l'auteur indépendant aux équipes d'Amazon, Canva ou Salesforce.

Il convient moins aux projets qui demandent une expression visuelle complexe : récit multi-caméras, étalonnage fin, animation élaborée restent du ressort d'un logiciel de montage classique. La position revendiquée par Descript est d'abaisser au maximum le coût de montage des contenus parlés, pas de remplacer toute la post-production.

Un point mérite d'être tranché avant de commencer : plus on confie à l'IA la réécriture de l'image et de la voix, plus il faut une ligne interne. Ce qui peut être modifié, et jusqu'où, gagne à être fixé comme règle d'équipe plutôt que décidé au cas par cas.

Savoir si un tel outil mérite sa place ne se mesure pas au temps gagné sur un montage. Cela se mesure à ceci : la part des contenus qu'on n'osait pas toucher, qu'on n'avait pas le courage de reprendre ou qu'on ne pouvait pas se permettre de refaire est-elle devenue quelque chose qu'on retouche sans y penser ?