Il existe dans presque toutes les entreprises une catégorie de vidéo refaite chaque année : intégration, formation à la conformité, briefings produit. Le contenu bouge à peine, mais l'intervenant est parti et trois marchés étrangers veulent leur version, alors on reloue le studio, on réenregistre les slides, on replanifie le montage. Le plus dur n'est jamais le tournage, mais ce qu'il y a derrière : une personne indisponible, une langue que personne ne parle dans l'équipe, et une validation juridique qui ne passe pas.

Synthesia est bâti contre ces trois points. Un studio vidéo par IA dans le navigateur qui remplace le formateur à l'image par un présentateur numérique, la cabine par un script, et les retournages multilingues par une seule passe de traduction. Les chiffres publiés sont grands : plus d'un million d'utilisateurs, plus de 50 000 équipes, 90% du Fortune 100 ayant passé son audit de conformité, et plus de 2 000 avis cinq étoiles sur G2.

Un formateur fixe, sans tournage

L'éditeur commence par le choix d'un présentateur. Plus de 240 figures sont fournies, couvrant âges, carnations et styles vestimentaires, et elles sont en pied plutôt qu'en buste comme souvent, gestes et expressions compris. Elles sont prêtes à l'emploi — pas de tournage, pas de procédure de consentement, aucune configuration, dit la page — et se mettent à parler aussitôt.

Ce que les entreprises prennent en réalité, c'est l'avatar personnel. Synthesia le construit à partir d'une seule photo, et éventuellement d'une courte vidéo qui rapproche le mouvement et les micro-expressions de la personne réelle. La voix peut être clonée dans la même séance, ou choisie parmi plus de 1000 voix fournies.

Une étape se remarque peu et compte ensuite : créer un avatar personnel exige que la personne enregistre une déclaration de consentement face caméra, et non qu'elle téléverse une photo. La plateforme traite l'apparence d'une personne comme son double numérique, qui requiert son autorisation explicite. Pour qui produit des figures de formateur à l'échelle d'une entreprise, c'est à la fois une barrière et la pièce la plus utile le jour où l'audit interne pose des questions.

Une fois l'avatar créé, il lit n'importe quel script dans plus de 160 langues, avec différents styles de narration et accents régionaux. Changer un cours de langue ne demande donc ni nouvelle voix, ni nouveau planning.

Les images déjà tournées changent aussi de langue

Rien n'oblige à repartir de zéro. Quand une vidéo existe, la fonction de doublage la traduit dans plus de 140 langues et fait correspondre la bouche de la personne à l'image avec le nouvel audio, plutôt que de baisser la piste d'origine et d'en superposer une seconde. Le timbre, l'accent et l'intonation du locuteur d'origine peuvent être conservés.

Le résultat part de deux façons : en fichiers séparés, ou dans un lecteur multilingue où le spectateur choisit la langue et où un lien couvre toutes les versions. L'offre entreprise ajoute la traduction en masse vers plus de 80 langues et un glossaire maison, pour figer d'avance noms de marque, noms de produit et termes métier au lieu de les laisser à une traduction littérale.

Un détail de coût vaut d'être connu avant de planifier : la synchronisation labiale consomme le double de crédits tant qu'elle est active. Quand il s'agit seulement de comprendre en interne, la couper divise l'usage par deux.

Faire que chaque vidéo ressemble à la même entreprise

La traduction règle le fait d'être compris ; le kit de marque règle le fait de se ressembler. Une fois logo, couleurs, polices et présentateurs habituels réglés en kit, chaque nouvelle vidéo créée par n'importe qui dans l'équipe en hérite, sans que personne n'ait à aligner l'identité visuelle à la main.

Le contrôle de version est l'autre pièce discrètement utile. La voie classique exporte un nouveau fichier à chaque révision, ce qui laisse des liens périmés dans la plateforme d'apprentissage et trois copies qui circulent. Ici, une vidéo livrée par code d'intégration ou lien de partage se met à jour sur place : les anciens liens restent valides et aucune copie ne s'accumule. Synthesia appelle cela Smart Updates et pousse une révision directement dans le système de gestion de l'apprentissage, sans recharger le paquet de cours.

Avec les chiffres intégrés de vues, de temps de visionnage, de point d'abandon et de taux d'achèvement, un responsable formation voit à quelle minute les apprenants décrochent et peut corriger ce segment au lieu de refaire le cours.

Passer la conformité

Les achats en entreprise bloquent plus souvent sur la conformité que sur les fonctions, et les informations publiques sont inhabituellement complètes : SOC 2 Type II, ISO 42001 et GDPR, prise en charge de SAML et du single sign-on, journaux d'audit. La page indique que 90% du Fortune 100 a passé son examen de sécurité et de conformité.

Le contenu a ses limites aussi. Chaque vidéo générée passe une revue mêlant contrôle humain et automatique, portée par une équipe confiance et sécurité dédiée. L'idée qu'un avatar puisse dire n'importe quoi ne tient pas ici — ce qui, pour une entreprise qui doit satisfaire un service juridique et un comité de marque, compte en sa faveur.

L'export est lui aussi pensé pour la formation : l'offre entreprise exporte des paquets SCORM avec toutes les traductions dedans, prêts à être déposés dans la plateforme d'apprentissage, si bien que les cours multilingues n'ont pas à être maintenus séparément.

Prix et limites qui comptent

La tarification est un abonnement, mensuel ou annuel, pas un prix par vidéo. L'usage se compte en crédits : génération, doublage et synchronisation labiale puisent dans le même pot.

Basic est gratuit : 10 minutes par mois dans 1200 crédits, 9 figures, bureau uniquement et filigrane. Starter coûte 29 dollars par mois, ou 18 en facturation annuelle : 10 minutes par mois, plus de 125 figures, filigrane retiré, un assistant vidéo par IA et 3 avatars personnels. Creator coûte 89 dollars par mois, 64 en annuel : 30 minutes par mois, plus de 180 figures, accès API, 5 avatars personnels et vidéo interactive. Enterprise est sur devis, avec des minutes illimitées, plus de 240 figures, single sign-on, kit de marque, export SCORM et traduction en masse vers 80 langues ou plus.

Deux restrictions pèsent plus qu'elles n'en ont l'air. Les crédits non consommés ne se reportent pas, et une fois le plafond atteint la production se verrouille jusqu'au cycle suivant, sauf montée de gamme. L'offre gratuite ne permet pas non plus de télécharger un MP4 et porte toujours le filigrane : un vrai cours commence donc à Starter. Les avatars personnels sont plafonnés aussi — 3 en Starter, 5 en Creator, illimité en Enterprise — et c'est le chiffre à calculer d'abord si toute une équipe de formateurs doit en avoir un.

Comment le lire

Le positionnement est clair : ce n'est pas un jouet pour créateurs de formats courts, c'est une infrastructure pour les organisations qui doivent produire en volume de la formation, de la communication interne et du marketing. La force n'est pas qu'une vidéo soit spectaculaire, mais qu'un même corpus se duplique à bas coût en dizaines de versions linguistiques, et que le processus survive à un examen de sécurité et de droit.

L'inverse tient aussi. Si la commande est un film de marque cinématographique avec des mouvements de caméra complexes et du jeu en décors réels, un présentateur numérique est le mauvais outil. Ce qu'il fait bien, c'est transmettre de l'information — énoncer clairement, expliquer un process, faire voir le même contenu à des salariés de pays différents.

Pour choisir un tel outil, le chiffre qui compte n'est pas ce qu'une vidéo fait économiser, mais de savoir si, quand le contenu change, que les marchés se multiplient et que le formateur s'en va, il faut refaire tout le parcours.