Une modèle IA qui parle a besoin d’une voix aussi stable que son visage. C’est la brique la moins chère du dispositif, et celle qui trahit le plus vite quand elle change d’un contenu à l’autre. Voici comment elle se fabrique, ce qu’elle coûte, et ce que les politiques d’usage exigent.
1. La voix est une pièce de l’identité, pas un accessoire
Un spectateur pardonne un décor qui change, une coiffure qui change, même une lumière incohérente. Il ne pardonne pas une voix qui change. Le timbre est mémorisé plus vite que le visage, et deux clips publiés à trois jours d’intervalle avec deux voix différentes cassent le personnage immédiatement.
La règle est donc la même que pour l’image : une voix est choisie une fois, écrite dans le canon du personnage au même titre que la couleur des yeux, et réutilisée partout. Les plateformes considèrent d’ailleurs l’audio synthétique comme du média généré à part entière. Fanvue l’écrit dans sa définition.
2. Créer une voix ou cloner une voix : deux choses très différentes
Les produits mélangent les deux sous le même bouton, alors que la situation n’est pas la même.
- Créer une voix. On décrit un timbre, un âge, un accent, un débit, et l’outil fabrique une voix qui n’appartient à personne. C’est la voie cohérente pour un personnage qui n’existe pas : la voix est aussi synthétique que le visage, et aucune autorisation n’est à réunir.
- Cloner une voix. On fournit un enregistrement et l’outil reproduit ce timbre. Si la voix est la vôtre, c’est un raccourci utile. Si elle est celle de quelqu’un d’autre, les politiques d’usage exigent son consentement, et cette exigence est écrite noir sur blanc.
Une troisième voie existe et se voit beaucoup dans les contenus courts : ne pas faire parler le personnage du tout. Musique, texte à l’écran, ambiance. C’est la solution la moins risquée pour une phase de test, et elle ferme la porte à la prise de parole, qui est justement ce qui fait revenir une audience.
3. Les outils et leurs prix publics
Les prix ci-dessous sont recopiés des pages de tarifs des éditeurs, relevées le 14 septembre 2026. ElevenLabs publie sa grille complète dans un paragraphe de sa foire aux questions, ce qui en fait la source la plus facile à vérifier du lot.
| Outil | Ce que fait le produit | Prix imprimé | Fonction d’identité vocale |
|---|---|---|---|
| ElevenLabs | Synthèse vocale, clonage, doublage, effets sonores, musique, agents vocaux | 0 $, 6 $, 22 $, 99 $, 299 $, 990 $ par mois ; crédits partagés entre tous les produits | « Instant Voice Cloning » et « Commercial License » dès le plan Starter ; « Professional Voice Cloning » sur Creator |
| HeyGen | Vidéo d’avatar, clonage vocal, traduction et doublage de vidéo | 0 $, 29 $, 49 $, 149 $ par mois ; 20 $ par siège sur la grille équipe | « Voice Cloning » et 175 langues et dialectes annoncés à partir du plan Creator |
| Runway | Synthèse vocale intégrée à la suite vidéo | 1 crédit pour 50 caractères ; plans de 0 $ à 76 $ par mois en annuel | Aucune fonction de clonage documentée sur la page de tarifs |
| Higgsfield | Fonction « Audio » listée dans la navigation publique du site | Compris dans les plans 19 €, 47 € et 99 € par mois en annuel | Détail des fonctions vocales non publié sur la page de tarifs |
Un ordre de grandeur calculé par ce site : chez Runway, une réplique de 300 caractères coûte 6 crédits au tarif imprimé, soit une centaine de répliques dans les 625 crédits mensuels du plan Standard, à condition de ne rien consacrer à la vidéo. Les crédits sont partagés, ce qui rend les comparaisons entre plateformes très approximatives.
4. Ce que la politique d’usage exige, mot pour mot
La politique d’usage d’ElevenLabs est la plus détaillée du lot sur le clonage. Elle pose trois interdictions qui concernent directement ce métier : la voix d’autrui sans droit, la sexualisation non autorisée d’une personne réelle, et le fait de tromper sur la nature artificielle de la voix.
La même page impose une obligation de divulgation aux organisations qui font parler un agent à des utilisateurs.
À noter, parce que c’est souvent mal compris : cette politique ne contient pas d’interdiction générale du contenu sexuel entre adultes. Ses interdictions dans ce registre visent les mineurs et la voix d’autrui. Les pages de modération de HeyGen, elles, renvoyaient une erreur 404 au relevé du 14 septembre 2026, sur les trois adresses testées : sa position n’est donc pas citable.
5. Doublage et langues : l’argument qui fait le plus de différence
Une modèle IA n’a pas de fuseau horaire et pas d’accent imposé. C’est le seul avantage structurel du dispositif par rapport à une créatrice réelle, et il se joue sur l’audio. Une même vidéo doublée en trois langues donne trois contenus, sans une seconde de génération vidéo supplémentaire.
Les grilles publiques annoncent 30 langues et dialectes sur le plan gratuit de HeyGen et 175 à partir du plan Creator. ElevenLabs vend le doublage comme un produit distinct, facturé sur le même compteur de crédits que la synthèse. Aucun éditeur ne publie de mesure de qualité par langue : la seule vérification utile reste de faire écouter une sortie à un locuteur natif avant de bâtir une audience dessus.
Le choix des langues à couvrir n’est pas un choix technique mais un choix d’audience, et il se décide en même temps que la cadence de publication, dans la leçon 06.
6. La méthode : figer, documenter, réutiliser
- Choisir la voix avant de produire. Écouter dix candidates sur la même réplique, en écoutant au casque puis au haut-parleur d’un téléphone, qui est le format d’écoute réel.
- Écrire la voix dans le canon. Identifiant de la voix, réglages de stabilité et de débit, version du modèle utilisée. Sans cela, une reprise six mois plus tard donnera un timbre légèrement différent.
- Conserver les fichiers sources. Les textes, pas seulement les rendus. Une réplique se regénère, une piste exportée ne se corrige pas.
- Tester la synchronisation labiale tôt. Une voix très grave ou très rapide se synchronise mal sur un visage généré. Mieux vaut le découvrir avant d’avoir produit quarante clips.
