Transformer une vidéo YouTube en Shorts avec l'IA, 2026

Les créateurs qui atteignent 800 000 abonnés sur les Shorts publient 4 à 7 clips par jour tirés d'un seul épisode de podcast. Pas parce qu'ils travaillent plus, mais parce qu'ils ont arrêté de découper à la main il y a 18 mois. Parcourir une vidéo de 90 minutes pour trouver les bons passages, recadrer en 9:16, sous-titrer et exporter coûte toujours 30 à 90 minutes par clip. Pour transformer une vidéo YouTube en Shorts, une chaîne IA fait le même travail, sans surveillance, en moins de 90 secondes.

Cet article détaille comment fonctionne cette chaîne (transcription, score de viralité, recadrage avec suivi du visage, incrustation des sous-titres) et vous donne la méthode pour transformer un seul enregistrement long en un mois de Shorts prêts à publier. Nous construisons une de ces chaînes chez FacelessGenie, donc les chiffres ci-dessous viennent du volume de clips que nous avons réellement produit, pas des promesses des éditeurs.

C'est quoi, un outil de clips YouTube ?

Un outil de clips YouTube est un logiciel qui prend une vidéo longue (votre propre fichier, un podcast, une interview, un live, un webinaire ou, pour certains outils, une URL YouTube publique) et produit de courts clips verticaux adaptés aux YouTube Shorts, à TikTok et aux Reels Instagram. La première génération (2018-2022) n'était qu'un outil de coupe : vous choisissiez vous-même les points d'entrée et de sortie, l'outil exportait le clip. La génération actuelle (2024-2026) repose sur l'IA, qui choisit les meilleurs moments pour vous.

Trois choses distinguent un outil de clips de 2026 d'un simple outil de coupe :

• Il transcrit d'abord l'audio. Chaque décision de découpage part d'une transcription mot par mot, en général avec Whisper-large ou WhisperX. Sans texte, l'IA n'a rien à noter.
• Il note les moments selon leur potentiel viral, pas seulement leur clarté. Les outils modernes passent la transcription dans un LLM qui vérifie la complétude (le clip commence-t-il et finit-il sur une fin de phrase ?), la récompense émotionnelle (rire, surprise, affirmation forte, avis à contre-courant) et la compréhension autonome (un inconnu qui tombe sur ce clip comprendrait-il ce qui se passe ?).
• Il recadre en vertical avec suivi du visage. La source est en 16:9, les Shorts exigent du 9:16. L'outil détecte visages et objets sur chaque image pour recadrer la personne qui parle dans la zone de sécurité. Un podcast à deux voix obtient ainsi un recadrage dynamique qui suit celui qui parle.

Les quatre piliers d'un outil de clips sérieux (transcription, notation des moments, recadrage, sous-titres) font la différence entre « un outil de clips YouTube » et « un logiciel de montage ». Si un outil n'en fait qu'un ou deux, c'est un outil de coupe déguisé par le marketing.

Comment découper une vidéo YouTube en 2026

Il existe trois méthodes efficaces pour découper une vidéo YouTube en 2026. Elles diffèrent énormément en vitesse, en finition et en part du travail confiée à la machine.

Méthode 1, le bouton Clip intégré à YouTube (le plus rapide, le moins de contrôle)

YouTube propose un bouton Clip natif sous chaque vidéo longue. Vous faites glisser les poignées pour choisir un segment de 5 à 60 secondes, vous lui donnez un titre, et YouTube génère un lien partageable vers ce passage précis. C'est la façon la plus simple de découper une vidéo YouTube, mais cela ne crée pas un Short. Cela crée un lien horodaté à regarder. Le clip reste sur YouTube : vous ne pouvez pas le télécharger, le recadrer en vertical ni le republier sur TikTok ou les Reels.

À utiliser quand vous voulez partager un moment précis sur les réseaux ou dans Slack, le Clip natif suffit. À éviter quand vous voulez vraiment produire des Shorts à partir de la source.

Méthode 2, le montage manuel dans CapCut, Premiere ou Descript

Téléchargez la vidéo longue (yt-dlp, 4K Video Downloader ou votre propre MP4), importez-la dans un logiciel de montage, parcourez-la pour trouver les bons moments, coupez-les, recadrez en 9:16 avec des bandes ou un recadrage automatique, transcrivez et incrustez les sous-titres, exportez chaque clip un par un, puis publiez séparément sur les Shorts, TikTok et les Reels.

Temps par clip : 30 à 90 minutes pour un travail de qualité. Plafond de qualité : celui de votre monteur. Débit : épuisant. La plupart des créateurs plafonnent à 2 à 4 Shorts par vidéo source avant de saturer. Presque personne qui publie régulièrement plus de 3 Shorts par semaine ne monte à la main, le calcul ne tient pas.

Méthode 3, l'outil de clips YouTube IA (le plus rapide, prêt à republier)

Déposez une vidéo longue dans un outil de clips IA, choisissez le nombre de clips voulu (la plupart des outils proposent 5, 10, 20 ou 30), réglez la fourchette de durée (15 à 90 secondes), choisissez un format et un style de sous-titres, puis cliquez sur Générer. L'outil transcrit l'audio, note chaque fenêtre possible, garde les N meilleurs moments, recadre chaque clip en vertical avec suivi du visage, incruste les sous-titres et exporte un lot de MP4.

Temps par clip : 15 à 90 secondes de calcul, en grande partie sans surveillance. Plafond de qualité : 80 à 90 % d'un montage manuel soigné sur la plupart des clips, et 100 % sur les moments évidents (ceux qui ont une accroche et une chute nettes). Débit : 20 à 50 Shorts par vidéo source, publiés sur une semaine. C'est la méthode qu'utilisent tous les créateurs faceless sérieux en 2026 pour passer d'un podcast, d'une interview, d'un webinaire ou d'un live à des Shorts.

Outil de clips IA ou montage manuel, les vrais chiffres

Nous avons mené un comparatif contrôlé sur la même vidéo source de 78 minutes, un épisode de podcast à deux voix sur les startups IA. Le dispositif : un monteur senior sur CapCut, un monteur junior sur Descript et la chaîne de clips FacelessGenie en automatique. L'indicateur : combien de Shorts verticaux utilisables et prêts à publier chacun pouvait produire par heure de travail humain.

Le coût par clip dit tout : un monteur senior à 28 $ le Short n'est pas tenable pour un rythme de 5 Shorts par semaine (560 $ par semaine, 30 000 $ par an rien qu'en montage). Le découpage par IA fait passer ce coût sous 1 $ par clip, avec une qualité comparable sur la plupart des moments et une qualité humaine sur les gagnants évidents. Les 5 à 10 % de clips qui ont encore besoin d'une retouche humaine (insertion de B-roll, faute dans un sous-titre) prennent 2 à 5 minutes chacun dans un éditeur rapide. Une bonne raison d'essayer la méthode gratuitement avant de réserver une heure de monteur de plus.

Comment fonctionne vraiment un outil de clips YouTube IA

Comprendre la chaîne vous aide à choisir un outil fort là où ça compte et à fuir ceux qui sont faibles sur les points qui vous importent. Tous les outils de clips IA modernes que nous avons audités utilisent la même chaîne en six étapes. Les différences tiennent au choix des modèles, à l'algorithme de notation et à la qualité du recadrage.

1. 1Import : l'outil télécharge la vidéo source (depuis une URL) ou accepte un fichier. La plupart limitent la durée source à 90-180 minutes sur les offres d'entrée, les offres pro vont au-delà de 4 heures. Certains outils gèrent mal l'audio à débit variable. Si le fichier de votre podcast est un MP4 en VBR, réencodez-le en CBR avant de l'importer.
2. 2Transcription : l'audio passe dans WhisperX ou un équivalent (parfois Whisper-large-v3). L'horodatage mot par mot est indispensable, car la précision du découpage dépend du fait de tomber au début d'une phrase et non au milieu d'un mot. WhisperX fournit un horodatage par mot après la diarisation. Certains outils utilisent une variante maison réglée pour les limites de clips.
3. 3Notation des moments : la transcription est découpée en fenêtres (toutes les 10 à 15 secondes, une fenêtre candidate) et envoyée à un grand modèle de langage avec une grille de notation : complétude, force de l'accroche, récompense émotionnelle, compréhension autonome, densité de mots-clés liés à la niche de la chaîne. C'est là que les outils divergent le plus. Meilleur est le prompt de notation, meilleure est la sélection.
4. 4Sélection des N meilleurs : les candidats notés sont filtrés (suppression des chevauchements, des clips de moins de 12 secondes ou de plus de 75 secondes pour les Shorts), classés, et les N meilleurs passent au recadrage. La plupart des outils limitent N à 30 pour garder un budget de rendu raisonnable.
5. 5Recadrage vertical : chaque segment choisi passe dans un modèle de suivi du visage (RetinaFace ou MediaPipe dans les outils bon marché, des détecteurs maison basés sur YOLO dans les outils pro) pour trouver la personne qui parle sur chaque image. Un chemin de recadrage fluide est ensuite calculé pour la garder au centre du 9:16. Les podcasts à deux voix obtiennent des coupes dynamiques entre les intervenants.
6. 6Sous-titres et rendu : l'horodatage mot par mot pilote un moteur de sous-titres (FFmpeg avec sous-titres ASS, compositeur React/WebGL ou solution maison) qui incruste une piste de sous-titres stylisée. Les styles proposés incluent en général le karaoké (surlignage mot par mot), le bloc (phrase par phrase) et le minimaliste (tiers inférieur avec fond discret). Le MP4 final est encodé puis renvoyé ou zippé pour un téléchargement groupé.

Les étapes qui comptent le plus pour la qualité des clips sont l'étape 3 (notation des moments) et l'étape 5 (recadrage). L'étape 3 détermine si l'IA choisit les moments vraiment bons ou les moments évidents mais ennuyeux. L'étape 5 détermine si la personne qui parle reste dans le cadre et si le recadrage paraît propre ou saccadé. Les étapes 2 et 6 sont devenues banales, tous les outils réussissent à peu près la transcription et les sous-titres.

Ce qu'il faut exiger d'un outil de clips YouTube, et ce qui relève du marketing

La catégorie a explosé en 2024-2025 et des dizaines d'outils prétendent faire la même chose. La plupart ne sont que des surcouches. Avant de payer un outil de clips, le nôtre compris, vérifiez qu'il sait faire les cinq choses ci-dessous. Sinon, c'est un outil de coupe déguisé en IA.

1. 1Transcription mot par mot avec horodatage. L'outil doit utiliser WhisperX ou Whisper-large-v3 en interne et se servir de l'horodatage par mot pour trouver des limites de clip propres. Si les clips commencent souvent au milieu d'un mot ou finissent au milieu d'une phrase, la couche de transcription est défaillante ou l'outil n'utilise qu'un horodatage par phrase.
2. 2Une notation des moments explicable. Demandez comment l'outil décide qu'un moment mérite un clip. Un outil sérieux sait décrire sa grille : complétude, force de l'accroche, récompense émotionnelle, densité. Une surcouche botte en touche avec « l'IA choisit les meilleurs moments ». S'ils ne savent pas l'expliquer, ils n'en ont pas.
3. 3Un recadrage avec suivi du visage et des mouvements fluides. La qualité du recadrage vertical est la plus grande différence visible entre les outils. Testez avec un podcast à deux voix : le cadre suit-il dynamiquement celui qui parle, ou reste-t-il bloqué au centre même quand une seule personne parle ? Un recadrage fixe au centre fait perdre 30 à 40 % de visionnage complet sur les contenus à plusieurs intervenants.
4. 4Des styles de sous-titres adaptés aux zones de sécurité des Shorts. Par défaut, les sous-titres doivent se placer dans la bande verticale de 72 à 85 % (pas collés dans les 10 % du bas, masqués par l'interface YouTube). Les préréglages karaoké avec surlignage mot par mot doivent être le choix par défaut, les blocs statiques une option.
5. 5Un export groupé avec la note de chaque clip visible. Vous devez voir la confiance de l'IA pour chaque clip afin de ne garder que les 10 à 12 meilleurs. Un outil qui vous livre un zip de 30 clips sans note vous oblige à tout regarder pour trier, ce qui annule le gain de temps qui justifiait l'IA.

La méthode de clips FacelessGenie, jusqu'aux 20 premiers Shorts

Voici la méthode exacte autour de laquelle notre fonction de découpage a été construite. C'est celle qu'utilisent nos utilisateurs avancés depuis le lancement de la bêta. Entre « j'ai un fichier de podcast de 78 minutes » et « 22 Shorts prêts à programmer », comptez environ 11 minutes.

1. 1Étape 1. Importez la source. Glissez le MP4 (ou collez l'URL YouTube, bientôt hors bêta) dans le tableau de bord de clips FacelessGenie. Source maximale : 180 minutes sur l'offre gratuite, 6 heures sur les offres payantes. Formats acceptés : MP4, MOV, MKV, M4V.
2. 2Étape 2. Réglez le nombre de clips et la fourchette de durée. Les réglages par défaut conviennent à la plupart des podcasts : 20 clips de 25 à 60 secondes. Si la source est une interview rythmée avec beaucoup de petites punchlines, descendez à 15-45 s. Si c'est une conférence longue avec des arguments développés, montez à 45-75 s.
3. 3Étape 3. Choisissez le style et la position des sous-titres. Le système propose 6 préréglages, la même bibliothèque que le générateur vidéo principal. Prenez « outline-bold » pour un usage général, « karaoke-purple » pour un public plus jeune, « minimalist » pour les niches éducatives.
4. 4Étape 4. Cliquez sur Générer et attendez 90 à 180 secondes. Le tableau de bord affiche la progression en direct pendant que vos clips sont transcrits, notés, recadrés et sous-titrés.
5. 5Étape 5. Passez en revue la grille de résultats. Les clips apparaissent en grille avec miniature, durée et score de viralité (0 à 100). Triez par score, regardez les 10 à 15 premiers, supprimez tout ce qui est sous 60 ou qui commence ou finit maladroitement.
6. 6Étape 6. Programmez et publiez. Téléchargez le lot de MP4, ou utilisez l'intégration de programmation YouTube (offres payantes) pour programmer 2 à 3 Shorts par jour directement. Republiez à la main sur TikTok et les Reels.

Le score de l'étape 5 combine quatre sous-scores : complétude (le clip commence-t-il et finit-il sur une limite de phrase propre ?), accroche (les 3 premières secondes contiennent-elles une question, une affirmation forte ou une rupture ?), chute (le clip résout-il l'accroche ou crée-t-il de la curiosité ?) et densité (quantité d'information par seconde). Au-dessus de 75, le clip est quasiment sûr d'être publié. Entre 60 et 74, gardez-le avec de légères retouches. En dessous de 60, supprimez-le.

Ce qui rend un clip vraiment viral, la formule pour trouver les moments

Un outil de clips IA ne peut noter les moments qu'à partir des schémas qu'on lui a appris à chercher. Connaître ces schémas vous aide à (a) comprendre pourquoi certains de ses meilleurs choix ont déçu et (b) repérer à la main les moments que l'IA a ratés.

Exigence 1, une accroche dans les 3 premières secondes

Les spectateurs de Shorts décident de rester ou de swiper en moins de 3 secondes. L'accroche doit tomber avant la 3e seconde. Elle prend quatre formes fiables : une affirmation à contre-courant (« Vous vous trompez sur X »), un chiffre précis (« Ça coûte 47 $ »), un mystère annoncé (« Personne ne sait pourquoi ») ou une rupture (rire, surprise, texte qui apparaît à l'écran). Les outils IA notent ce critère, mais ils attrapent souvent le rire visuellement évident et ratent la mise en place verbale à contre-courant qui le précédait. Une relecture humaine corrige ça.

Exigence 2, une chute pendant la durée du clip

Le clip doit boucler la boucle. Un clip qui se termine sur « …et c'est là qu'on a compris » sans montrer ce qu'ils ont compris fait 3 à 5 fois moins bien qu'un clip qui contient la chute. La notation IA devrait le repérer (l'outil de FacelessGenie impose un contrôle de complétude qui exige une fin de phrase), mais beaucoup d'outils de la catégorie livrent des clips coupés en pleine conclusion pour garder des durées courtes. Vérifiez toujours que la chute est dans le clip avant de publier.

Exigence 3, une compréhension autonome

Le spectateur qui tombe sur votre clip n'a aucun contexte sur la vidéo source. Le clip doit se comprendre à froid. S'il commence par « donc si on revient à ce qu'on disait sur X », le spectateur ne sait pas ce qu'est X. La solution : découpez à partir de points de reprise propres (début d'un nouveau sujet, pause, question directe de l'animateur). Les meilleurs outils détectent ces points dans la transcription, les plus faibles coupent là où la grille de notation les a menés.

Format, sous-titres et zones de sécurité des Shorts dont personne ne parle

Le recadrage vertical est l'étape technique que fait tout outil de clips, mais les règles d'un « bon vertical » en 2026 sont plus strictes qu'il y a deux ans. Fin 2025, YouTube Shorts a réduit la zone de sécurité du texte à l'écran : des sous-titres placés trop bas sont en partie masqués par les boutons j'aime et commentaires à droite, trop haut ils sont coupés par le nom de la chaîne. Ratez ce point et votre taux de visionnage complet chute de 30 à 50 %.

Le calcul de la zone de sécurité des Shorts en 2026 :

• Les 12 % du haut : réservés au nom de la chaîne et au petit logo Shorts. N'y mettez jamais de sous-titres ni de visuels importants.
• La bande centrale (12-72 %) : le visage de la personne qui parle va ici. La plupart des outils IA centrent le visage entre 35 et 45 % de la hauteur du cadre, et c'est en général correct.
• La zone basse centrale (72-85 %) : l'emplacement idéal des sous-titres. Placez-y vos sous-titres animés mot par mot. C'est là que tous les créateurs de Shorts qui réussissent incrustent leur texte.
• Les 15 % du bas : réservés à la description, aux commentaires et au partage. Tout ce qui s'y trouve est masqué par l'interface YouTube sur mobile.

Quand un outil de clips exporte votre lot, regardez la position des sous-titres. Si elle sort de la bande verticale 72-85 %, changez le préréglage. Les clips de FacelessGenie placent par défaut les sous-titres en position « middle-low » (environ 78 %), la position qui convertit le mieux d'après nos mesures sur 8 400 Shorts de notre groupe de test.

Du podcast aux Shorts, et comment recycler interviews et webinaires

Le plus grand changement apporté par le découpage IA, c'est que le contenu long devient rentable en diffusion courte. Avant, un podcast restait un podcast, diffusé sur les applis de podcast et l'épisode YouTube. Aujourd'hui, un podcast de 90 minutes produit plus de 22 Shorts qui peuvent ramener des vues depuis les Reels, TikTok, les Shorts et même LinkedIn vers l'épisode principal.

Le schéma de recyclage qui se cumule : chaque épisode long devient la source d'un calendrier de publication de deux semaines. L'épisode sort le lundi, les clips tombent chaque jour du mardi au vendredi suivant. Quand l'épisode suivant sort, vous êtes resté dans le fil tous les jours. C'est ainsi que des chaînes comme Diary of a CEO, les comptes de clips de Lex Fridman et une centaine de petits comptes de podcast faceless publient plus de 35 Shorts par mois sans en enregistrer 35. Ils enregistrent une chose, l'IA produit le reste.

Les erreurs fréquentes de découpage et comment les corriger

Après avoir regardé des milliers de Shorts produits par des outils de clips IA, la même poignée d'erreurs explique 80 % des contre-performances. Aucune n'est difficile à corriger, la plupart se règlent avec une relecture de 30 secondes.

Erreur 1, publier les 30 clips alors que seuls 12 sont bons

Les outils IA vous donnent toujours le nombre de clips demandé. Si vous fixez la limite à 30, vous en aurez 30, y compris les 18 derniers qu'il aurait fallu supprimer. L'algorithme pénalise les comptes qui publient des Shorts peu engageants, et un mauvais Short freine les deux suivants. Triez sans pitié : publiez seulement les clips notés 70 ou plus, supprimez le reste.

Erreur 2, faire confiance à la miniature générée automatiquement

La plupart des outils prennent la première image comme miniature. C'est souvent le visage neutre de l'intervenant en plein clignement. La miniature fait l'essentiel du travail de clic : remplacez-la par une image prise vers 60-70 % du clip, où l'intervenant est animé, idéalement avec un texte qui reprend l'accroche en grosse police sans empattement. Même 30 secondes de retouche doublent le taux de clic.

Erreur 3, publier sur une seule plateforme

Si vous avez passé 11 minutes à générer 22 clips, les publier seulement sur YouTube Shorts laisse 60 % du potentiel sur la table. Le même fichier vertical 9:16 fonctionne sur TikTok, les Reels Instagram, LinkedIn (pour les niches B2B) et les Épingles idées de Pinterest. Republiez le même fichier sur les quatre, le temps supplémentaire est de 90 secondes par publication. Effort total : 22 clips × 4 plateformes = environ 30 minutes de publication sur un calendrier de deux semaines.

Erreur 4, oublier le texte d'accroche en surimpression

Les outils IA incrustent les sous-titres pendant le clip, mais la plupart n'ajoutent pas le « texte d'accroche » fixe en haut du cadre, la ligne en gras qui retient le regard pendant que l'accroche audio se joue. Cela ne coûte rien (ajoutez-le comme titre fixe dans l'outil ou en 30 secondes de retouche) et améliore le visionnage complet de 15 à 25 % sur notre jeu de test. « Le PDG a avoué que c'est faux » avec un visage en dessous dans un cadre vertical bat à chaque fois le même clip sans texte.

Erreur 5, laisser l'outil choisir la durée sans réfléchir

La plupart des outils de clips proposent 30 à 60 secondes par défaut, mais pour les YouTube Shorts, la fourchette idéale actuelle est de 24 à 38 secondes. Au-delà de 38, le visionnage complet chute nettement, même si les Shorts jusqu'à 180 secondes sont techniquement autorisés (le calcul de portée est dans notre analyse détaillée de la durée des Shorts). TikTok fonctionne plus court, entre 21 et 34 secondes. Changez le réglage par défaut avant de générer, et considérez que c'est le tri, pas l'IA, qui décide si un clip sera regardé ou zappé. La chaîne comble seule 80 % de l'écart avec le montage manuel, et une relecture de 30 à 45 minutes comble le reste. Enregistrez une fois, découpez en quelques minutes et générez votre premier lot sur FacelessGenie pour voir combien de Shorts vaut vraiment un seul enregistrement.