Dans les journaux télévisés américains en espagnol, 85% des échantillons analysés dépassaient un plafond de latence de 7 secondes, et le sous-titre moyen arrivait 8,2 secondes après la prononciation des mots (Fresno, JoSTrans 2024). La précision raconte une histoire parallèle : sur les programmes d’information, les sous-titreurs humains ont atteint 99,4% de précision NER, tandis que les sous-titres automatiques non édités ont atteint 97,4%, sous le seuil de qualité de 98% (Romero-Fresco et Fresno, Linguistica Antverpiensia 2023). Pendant ce temps, les plaintes sur le sous-titrage codé à la télévision déposées auprès de la FCC sont passées de 310 en 2023 à 683 en 2024 (FCC CGB Consumer Complaints Data). Nous avons agrégé des données de la FCC, des chercheurs de l’université Gallaudet, des études NER de l’Universidade de Vigo et de l’University of Texas Rio Grande Valley, de l’Open ASR Leaderboard, de l’OMS et de plus d’une douzaine d’articles évalués par des pairs. Pour une vue plus large du décalage sur l’ensemble des formats en direct, consultez notre tour d’horizon complémentaire sur la latence du sous-titrage en temps réel.
TL;DR
- Les sous-titres humains sur les journaux américains ont obtenu 99,4% de précision NER contre 97,4% pour les sous-titres automatiques non édités (Romero-Fresco et Fresno, Linguistica Antverpiensia 2023).
- Les journaux télévisés américains en espagnol ont obtenu en moyenne 97,04% de précision NER, sous le seuil de 98% (Fresno, JoSTrans 2024).
- 85% des échantillons de journaux en espagnol dépassaient un plafond de latence de 7 secondes (Fresno, JoSTrans 2024).
- Les sous-titres télévisés en direct d’origine accusaient 7 à 12 secondes de retard sur la parole ; les sous-titres automatiques du même test en accusaient environ 2 (Thompson et al., arXiv 2026).
- Les téléspectateurs perdaient environ 1 point de note de qualité par tranche de 7,5 secondes de décalage des sous-titres télévisés (Thompson et al., arXiv 2026).
- Seuls 11 clips de télévision en direct sur 70 et 4 clips ASR sur 70 ont atteint 98% de NER (Thompson et al., arXiv 2026).
- Les sous-titres automatiques ont commis environ 22 erreurs par minute contre 5 pour la sténotypie dans une étude de cas américaine de 2020 (Romero-Fresco et Fresno, 2023).
- Les plaintes à la FCC sur le sous-titrage codé à la télévision ont atteint 683 en 2024, contre 310 en 2023 (FCC CGB Consumer Complaints Data).
- 65% de toutes les erreurs d’un système de sous-titrage automatique certifié étaient des erreurs de ponctuation (Romero-Fresco et Van Gauwbergen, Applied Sciences 2025).
- La charge mentale des sous-titreurs en direct a été évaluée comme comparable à celle des neurochirurgiens, dans une étude portant sur 30 sous-titreurs (Nam et al., Applied Ergonomics 2023).
- Le meilleur résultat ASR en anglais sur contenu long de l’Open ASR Leaderboard était de 7,32% de WER (article de l’Open ASR Leaderboard, arXiv 2025, données de mars 2026).
1. Précision des sous-titres de l’actualité en direct : humains contre automatique
La principale conclusion de la plus grande comparaison entre humains et machines à ce jour n’est pas que les sous-titres automatiques échouent, mais qu’ils échouent dans une plage précise. Les sous-titres automatiques non édités sur l’actualité ont atteint 97,4% de précision NER dans une étude de cas américaine de 2021, contre 99,4% pour les sous-titres humains sur le même genre (Romero-Fresco et Fresno, Linguistica Antverpiensia 2023). Deux points de NER semblent peu, mais c’est la différence entre réussir et échouer : 98% est le seuil acceptable, et le score automatique ne correspondait qu’à 3,5 sur l’échelle NER de 10 points.
L’actualité se révèle aussi être le genre le plus favorable aux machines. Dans la même étude de cas, les sous-titres automatiques sur le sport tombaient à 95,4% alors que les sous-titres humains sur le sport montaient à 99,6% : l’écart se creuse précisément là où la parole devient rapide et chevauchante. L’étude a analysé environ 17 000 sous-titres en direct dans quatre études de cas au Royaume-Uni, aux États-Unis et au Canada entre 2018 et 2022.
| Métrique | Valeur | Source |
|---|---|---|
| Sous-titres humains, genre actualité aux États-Unis, précision NER | 99,4% | Romero-Fresco et Fresno, Linguistica Antverpiensia 2023 (étude de cas Enco, 2021) |
| Sous-titres automatiques, genre actualité aux États-Unis, précision NER | 97,4% (3,5 sur 10) | Romero-Fresco et Fresno, Linguistica Antverpiensia 2023 (étude de cas Enco, 2021) |
| Sténotypie, réexpression vocale (respeaking) et automatique, États-Unis | 99,1% contre 98,6% contre 96,3% | Romero-Fresco et Fresno, Linguistica Antverpiensia 2023 (étude de cas Vitac, 2020) |
| Royaume-Uni : sous-titres par réexpression vocale, Microsoft et Google | 97% contre 96% contre 95,5% | Romero-Fresco et Fresno, Linguistica Antverpiensia 2023 (étude de cas Sky, 2018) |
| Sous-titres humains en direct au Canada, NER moyen | 98,9% (7 sur 10) | Romero-Fresco et Fresno, Linguistica Antverpiensia 2023 (Canada, 2019-2021) |
| Taille de l’échantillon canadien | 440 clips de dix minutes, 9 300 sous-titres | Romero-Fresco et Fresno, Linguistica Antverpiensia 2023 |
| Sous-titres en direct au Royaume-Uni, évaluation commandée par l’Ofcom, précision globale | 98,4% sur 78 000 sous-titres | Romero-Fresco et Fresno, 2023, citant le projet Ofcom 2013-2015 |
Note de contexte : les études de cas datent de 2018 à 2021 et précèdent donc les moteurs vocaux les plus récents. Les mêmes auteurs indiquent que les moteurs plus récents ont atteint une précision NER comprise entre 99,1% et 99,9% en conditions contrôlées, avec un seul locuteur et un son clair, soit l’inverse d’un duplex d’actualité de dernière minute. Article complet : The accuracy of automatic and human live captions in English. Données les plus récentes disponibles pour le projet Ofcom : 2013-2015.
2. Décalage d’affichage des sous-titres dans l’actualité en direct
La latence est l’endroit où les sous-titres de l’actualité en direct perdent les téléspectateurs avant même qu’un seul mot soit faux. 85% des échantillons de journaux télévisés américains en espagnol analysés dépassaient un plafond de latence de 7 secondes (Fresno, JoSTrans 2024), et les décalages individuels allaient de 0,7 à 41 secondes. Un sous-titre arrivant 41 secondes trop tard sur un sujet d’actualité rapide décrit une autre histoire que celle qui est à l’écran.
Le côté automatique du marché dispose ici d’un avantage structurel. Les sous-titres automatiques accusent généralement 2 à 3 secondes de retard sur la parole, contre 4 à 10 secondes pour les sous-titres humains (Romero-Fresco et Van Gauwbergen, Applied Sciences 2025). L’étude Gallaudet de 2026 a mesuré des décalages de 7 à 12 secondes pour les sous-titres télévisés d’origine sur ses clips en direct, tandis que sa condition ASR, produite par le fournisseur de diffusion AppTek, tournait à 2 secondes en moyenne (Thompson et al., arXiv 2026). Le compromis pour les diffuseurs n’est donc pas la précision contre rien, mais la précision contre le temps.
| Métrique | Valeur | Source |
|---|---|---|
| Décalage moyen des sous-titres, journaux Telemundo contre Univision | 8,2 contre 8,3 secondes | Fresno, JoSTrans 2024 |
| Part des échantillons de journaux en espagnol dépassant 7 secondes de latence | 85% | Fresno, JoSTrans 2024 |
| Plage des décalages individuels des sous-titres | 0,7 à 41 secondes | Fresno, JoSTrans 2024 |
| Référence de latence citée pour les sous-titres américains | 6 à 7 secondes acceptable, 4 à 5 secondes cible | Fresno, JoSTrans 2024 (telle que citée dans l’étude) |
| Décalage des sous-titres télévisés en direct d’origine dans les clips de test | 7 à 12 secondes | Thompson et al., université Gallaudet, arXiv 2026 |
| Décalage des sous-titres ASR dans le même test | 2 secondes en moyenne (plus ou moins 0,05 s de gigue) | Thompson et al., université Gallaudet, arXiv 2026 |
| Décalage typique, sous-titres automatiques contre humains | 2-3 s contre 4-10 s | Romero-Fresco et Van Gauwbergen, Applied Sciences 2025 |
| Latence des sous-titres du Super Bowl LII et du débat présidentiel de 2016 | 5,3 s et 6,1 s | Fresno, JoSTrans 2024 (résumant des études antérieures) |
Note sur les valeurs aberrantes : la règle de la FCC elle-même ne contient aucun nombre de secondes. Le chiffre de 6 à 7 secondes est une référence rapportée par Fresno dans l’étude JoSTrans sur les journaux télévisés en espagnol, et non une limite codifiée (voir la section 6).
3. Taux d’erreur sur les mots contre NER : pourquoi les métriques divergent
Le taux d’erreur sur les mots est le chiffre par défaut en reconnaissance vocale, et il pénalise les sous-titreurs humains pour avoir fait leur travail. Les sous-titreurs professionnels en direct condensent la parole pour suivre le rythme ; le WER compte chaque mot omis comme une erreur, que le sens survive ou non. Dans l’étude Gallaudet de 2026, les sous-titres télévisés avaient un WER moyen de 33,8% pour un NER moyen de 95,28%, alors que les sous-titres ASR avaient un WER moyen de 17,2% et un NER moyen de 94,34% (Thompson et al., arXiv 2026). La machine « gagne » sur le WER et perd sur le NER.
Le résultat le plus important est qu’aucune métrique ne suit les téléspectateurs de façon égale d’une technologie à l’autre. Pour les sous-titres télévisés, le WER était corrélé aux notes de qualité des téléspectateurs à r = -0,687 (p < 0,001), mais pour les sous-titres ASR la corrélation tombait à r = -0,390 (p = 0,003). Le NER montrait le même schéma : r = 0,647 pour la télévision contre r = 0,383 pour l’ASR. Un régulateur qui choisit une métrique choisit aussi, sans le dire, une technologie.
| Métrique | Valeur | Source |
|---|---|---|
| NER moyen, sous-titres télévisés contre sous-titres ASR | 95,28 contre 94,34 | Thompson et al., arXiv 2026 |
| Clips atteignant le seuil NER de 98, télévision contre ASR | 11 sur 70 contre 4 sur 70 | Thompson et al., arXiv 2026 |
| Corrélation du NER avec les notes des téléspectateurs, télévision contre ASR | r = 0,647 contre r = 0,383 | Thompson et al., arXiv 2026 |
| Corrélation de l’ACE2 avec les notes des téléspectateurs, télévision contre ASR | r = -0,631 contre r = -0,291 | Thompson et al., arXiv 2026 |
| Score ACE2 moyen, télévision contre ASR (plus bas = meilleur) | 0,67 contre 0,52 | Thompson et al., arXiv 2026 |
| Taille d’effet de l’écart de WER, télévision contre ASR | d = 0,86 | Thompson et al., arXiv 2026 |
| Taille d’effet de l’écart de note de qualité, télévision contre ASR | d = -0,13 | Thompson et al., arXiv 2026 |
Note de contexte : les téléspectateurs ont noté les sous-titres télévisés et ASR presque à l’identique (d = -0,13) alors que l’écart de WER était important (d = 0,86). Une étude antérieure de CHI 2024 du même groupe Gallaudet n’avait trouvé qu’une faible corrélation entre le WER, le WER pondéré, l’ACE et l’ACE2 et les notes des téléspectateurs (Arroyo Chavez et al., arXiv 2404.10153). L’article de 2026 est une préimpression : Are Caption Metrics Broken?.
4. À quoi ressemblent les erreurs de sous-titrage en pratique
Les décomptes d’erreurs masquent les types d’erreurs. Dans les journaux télévisés américains en espagnol, entre 41% et 46% des sous-titres contenaient au moins une erreur, mais 82% de ces erreurs étaient mineures, 16% standard et 2% graves (Fresno, JoSTrans 2024). Les erreurs mineures ralentissent la lecture ; les erreurs graves créent de fausses informations, comme un chiffre erroné dans un point sur les marchés.
Les systèmes automatiques échouent différemment. Lors de la certification NER 2025 d’un système de sous-titrage automatique, 65% de toutes les erreurs venaient de la ponctuation, et l’identification des locuteurs augmentait les taux d’erreur de 50% à 100% dans les vidéos à plusieurs locuteurs (Romero-Fresco et Van Gauwbergen, Applied Sciences 2025). Les sous-titreurs humains éditent ; les machines transcrivent. Le taux d’édition du système automatique était de 0,07%, contre 6% à 33% pour les sous-titres humains selon les régions, ce qui explique à la fois sa plus grande fidélité en WER et sa faiblesse pour suivre le rythme des lecteurs.
| Métrique | Valeur | Source |
|---|---|---|
| Sous-titres de journaux en espagnol avec au moins une erreur | 41-46% | Fresno, JoSTrans 2024 |
| Répartition de la gravité des erreurs, journaux en espagnol (mineures / standard / graves) | 82% / 16% / 2% | Fresno, JoSTrans 2024 |
| Répartition de la gravité des erreurs, sous-titres automatiques en anglais (mineures / standard / graves) | 89,2% / 10% / 0,8% | Romero-Fresco et Van Gauwbergen, Applied Sciences 2025 |
| Part des erreurs des sous-titres automatiques venant de la ponctuation | 65% | Romero-Fresco et Van Gauwbergen, Applied Sciences 2025 |
| Hausse du taux d’erreur avec plusieurs locuteurs | 50-100% | Romero-Fresco et Van Gauwbergen, Applied Sciences 2025 |
| Taux d’édition, sous-titres automatiques contre humains | 0,07% contre 6-33% | Romero-Fresco et Van Gauwbergen, Applied Sciences 2025 |
| Erreurs par minute : sténotypie, réexpression vocale et automatique | 5 contre 7 contre 22 | Romero-Fresco et Fresno, Linguistica Antverpiensia 2023 (Vitac, 2020) |
| Réduction du texte, sous-titres de journaux en espagnol | 26% | Fresno, JoSTrans 2024 |
Note de contexte : la vitesse de lecture explique la réduction. Les présentateurs de journaux en espagnol parlaient en moyenne à 167 mots par minute, alors que les sous-titres affichaient en moyenne 121 mots par minute (11,574 caractères par seconde) ; 39% des sous-titres dépassaient 15 caractères par seconde (Fresno, JoSTrans 2024). À titre de comparaison, le DCMP Captioning Key fixe des vitesses de présentation ne devant pas dépasser 160 mots par minute, même pour les contenus de niveau avancé. Source des données de certification : Fit for What Purpose? NER Certification of Automatic Captions.
5. Impact sur les téléspectateurs : décalage, erreurs et fatigue
Les données sur les téléspectateurs chiffrent chaque seconde de retard. Les sous-titres télévisés avec leur décalage de diffusion d’origine ont reçu 3,66 sur 7 pour la qualité, contre 5,09 lorsque les mêmes sous-titres étaient synchronisés, et les sous-titres ASR avec 2 secondes de décalage obtenaient encore 4,81 (Thompson et al., arXiv 2026). L’étude a estimé une perte d’environ un point de note par tranche de 7,5 secondes de décalage des sous-titres télévisés. Un participant l’a dit sans détour : il préférerait des sous-titres incomplets mais synchronisés à de meilleurs sous-titres en retard.
Les erreurs coûtent aussi à la personne qui parle, pas seulement au téléspectateur. Dans une expérience préenregistrée auprès de 207 participants américains, les sous-titres ASR sujets aux erreurs ont systématiquement abaissé l’évaluation du locuteur comme du contenu (Kadoma, Shrivastava et Naaman, arXiv 2026). Et des sous-titres qui aident à la compréhension peuvent quand même fatiguer les téléspectateurs : lors d’un test en laboratoire d’audiologie, des sous-titres imparfaits et décalés ont fait passer la reconnaissance de phrases de 63% à 77%, mais ont produit des hausses plus importantes de la fatigue subjective (Esser, Picou et Hornsby, American Journal of Audiology 2025).
| Métrique | Valeur | Source |
|---|---|---|
| Note de qualité, sous-titres télévisés décalés contre synchronisés (échelle de 7 points) | 3,66 contre 5,09 | Thompson et al., arXiv 2026 |
| Note de compréhension, sous-titres télévisés décalés contre synchronisés | 4,74 contre 5,65 | Thompson et al., arXiv 2026 |
| Perte de note par unité de décalage des sous-titres télévisés | Environ 1 point par 7,5 secondes | Thompson et al., arXiv 2026 |
| Participants à l’enquête utilisant les sous-titres tous les jours | 84,7% de 216 | Thompson et al., arXiv 2026 |
| Reconnaissance de phrases avec contre sans sous-titres imparfaits | 77% contre 63% | Esser et al., American Journal of Audiology 2025 |
| Mots prononcés correctement affichés dans ces sous-titres de test | 86-88% | Esser et al., American Journal of Audiology 2025 |
| Participants à l’expérience d’évaluation des erreurs de sous-titres | 207 | Kadoma et al., arXiv 2026 |
| Téléspectateurs participatifs dans l’évaluation de la stabilité des sous-titres | 123 | Liu et al., CHI Extended Abstracts 2023 |
Note de contexte : le public est vaste. L’OMS estime que plus de 5% de la population mondiale, soit 430 millions de personnes, ont besoin d’une réadaptation pour une perte auditive invalidante, un chiffre qui dépasserait 700 millions d’ici 2050 (fiche d’information de l’OMS sur la surdité et la perte auditive, 2026). Le texte ASR provisoire qui scintille ajoute une charge distincte ; Liu et al. ont constaté que des techniques de stabilisation réduisaient la distraction et la fatigue des téléspectateurs. Les plateformes de vidéo courte rencontrent le même problème à une autre échelle, comme nous le détaillons dans notre tour d’horizon des sous-titres en vidéo courte.
6. Règles de la FCC et plaintes sur les sous-titres
Les règles américaines définissent la qualité par des mots, pas par des chiffres. Selon 47 CFR 79.1, les sous-titres doivent être précis, synchrones, complets et correctement placés, et « doivent commencer à apparaître au moment où la parole ou les sons correspondants commencent ». Les règles restreignent bien la méthode la moins chère pour l’actualité en direct : ABC, CBS, Fox et NBC et leurs affiliées dans les 25 premiers marchés ne peuvent pas compter les sous-titres de l’Electronic Newsroom Technique (ENT), fondée sur le téléprompteur, dans leur mise en conformité. Les stations ailleurs qui utilisent l’ENT doivent écrire à l’avance les informations, le sport et la météo présentés en studio et compléter les nouvelles de dernière minute non scénarisées par des bandeaux défilants ou d’autres textes.
Les données sur les plaintes montrent une friction croissante. Les plaintes sur le sous-titrage codé à la télévision dans le jeu de données de la FCC sont passées de 310 en 2023 à 683 en 2024, soit une hausse de 120% ((683 - 310) / 310), et sont restées élevées à 604 en 2025 (FCC CGB Consumer Complaints Data). Les plaintes sur les sous-titres sur internet avaient culminé plus tôt, à 705 en 2023.
| Métrique | Valeur | Source |
|---|---|---|
| Plaintes : sous-titrage codé à la télévision, 2023 / 2024 / 2025 | 310 / 683 / 604 | FCC CGB Consumer Complaints Data (consulté en octobre 2026) |
| Plaintes : sous-titrage codé sur internet, 2023 / 2024 / 2025 | 705 / 472 / 339 | FCC CGB Consumer Complaints Data |
| Plaintes sur le sous-titrage codé à la télévision, 2026 depuis le début de l’année | 376 | FCC CGB Consumer Complaints Data |
| Plaintes cumulées depuis le 31 octobre 2014 : sous-titres télévisés contre internet | 4 139 contre 3 057 | FCC CGB Consumer Complaints Data |
| Plaintes générales sur le sous-titrage, 2009-2013 | 2 323 (moyenne de 465 par an) | FCC Caption Quality Report and Order, FCC 14-12 (2014) |
| Délai pour déposer une plainte sur le sous-titrage | 60 jours après le problème | eCFR, 47 CFR 79.1(g)(1) |
| Délai du distributeur pour répondre à une plainte transmise par la FCC | 30 jours | eCFR, 47 CFR 79.1(g)(4) |
| Niveau de revenus en dessous duquel une chaîne est exemptée de sous-titrage | Moins de 3 000 000 $ par an | eCFR, 47 CFR 79.1(d)(12) |
Note de contexte : la FCC précise qu’elle ne vérifie pas les faits allégués dans ces plaintes informelles, et les catégories sont choisies par le consommateur, si bien que le jeu de données ne permet pas d’isoler l’actualité en direct des autres programmes (CGB Consumer Complaints Data). Le chiffre 2009-2013 provient d’un autre système de collecte décrit dans l’ordonnance FCC 14-12 sur la qualité des sous-titres ; les deux séries ne doivent donc pas être lues comme une seule courbe de tendance. Les services de relais pour les appelants sourds et malentendants sont un programme connexe de la FCC, détaillé dans nos statistiques TRS et VRS.
7. La main-d’œuvre et le basculement technologique
Le versant humain du sous-titrage en direct est sous tension. Trente sous-titreurs en direct ont évalué leur charge mentale subjective comme élevée, comparable à celle des neurochirurgiens sur l’échelle NASA-TLX, la paraphrase et le statut d’emploi en étant les principaux facteurs (Nam et al., Applied Ergonomics 2023). Les auteurs suggèrent que les sous-titreurs évoluent vers la supervision de sous-titres générés par l’IA plutôt que la saisie de chaque mot. La pression sur l’offre de sous-titreurs en temps réel est traitée dans notre tour d’horizon des statistiques CART.
Les flux de travail hybrides montrent déjà des gains mesurables. CARTGPT, qui utilise de grands modèles de langage et l’ASR pour corriger des transcriptions CART humaines, a amélioré la précision des mots de 5,6% par rapport au CART de référence et de 17,3% par rapport à l’ASR de pointe sur un jeu de données de 39,7 heures (Wu, Kleiver et Jain, ASSETS 2025). Les benchmarks montrent le chemin parcouru par les moteurs bruts : le meilleur résultat en anglais sur contenu court de l’Open ASR Leaderboard était de 5,42% de WER, et le meilleur sur contenu long de 7,32% (article de l’Open ASR Leaderboard, arXiv 2025, données au 27 mars 2026).
| Métrique | Valeur | Source |
|---|---|---|
| Sous-titreurs en direct dans l’étude sur la charge de travail | 30 | Nam et al., Applied Ergonomics 2023 |
| Gain de précision des mots de CARTGPT par rapport au CART de référence / à l’ASR | 5,6% / 17,3% | Wu et al., ASSETS 2025 |
| Systèmes ASR et jeux de données de l’Open ASR Leaderboard | 86 modèles, 12 jeux de données | Article de l’Open ASR Leaderboard, arXiv 2025 |
| Meilleur WER en anglais sur contenu court du classement | 5,42% (Cohere Labs Transcribe) | Article de l’Open ASR Leaderboard, arXiv 2025 |
| WER en anglais sur contenu long : meilleur système propriétaire contre Whisper Large v3 | 7,32% contre 11,2% | Article de l’Open ASR Leaderboard, arXiv 2025 |
| Sous-titres automatiques certifiés, NER global : anglais contre espagnol | 99,03% contre 98,77% | Romero-Fresco et Van Gauwbergen, Applied Sciences 2025 |
| Plage de WER des sous-titres cliniques en temps réel pour adultes sourds et malentendants | 12,7% à 22,8% | Hughes et al., JMIR Rehabilitation and Assistive Technology 2026 |
| Utilisateurs de sous-titres cliniques les ayant trouvés faciles à suivre | 90% (26 simulations sur 29) | Hughes et al., JMIR Rehabilitation and Assistive Technology 2026 |
Note de contexte : le WER du classement est mesuré sur de l’audio de benchmark, pas sur de l’actualité en direct à plusieurs locuteurs avec des chevauchements de voix et des liaisons distantes, et il ne dit rien du décalage. Sources : article de l’Open ASR Leaderboard, CARTGPT, Nam et al. et Hughes et al.. La transcription judiciaire montre un écart similaire entre précision en benchmark et sur le terrain, voir nos statistiques sur la reconnaissance vocale au tribunal.
Résumé : le décalage des sous-titres codés et le taux d’erreur dans l’actualité en direct en chiffres
| Métrique | Valeur | Source |
|---|---|---|
| Sous-titres humains, actualité aux États-Unis, précision NER | 99,4% | Romero-Fresco et Fresno, 2023 |
| Sous-titres automatiques, actualité aux États-Unis, précision NER | 97,4% | Romero-Fresco et Fresno, 2023 |
| Journaux télévisés américains en espagnol, précision NER | 97,04% | Fresno, JoSTrans 2024 |
| Échantillons de journaux en espagnol dépassant 7 secondes de latence | 85% | Fresno, JoSTrans 2024 |
| Décalage moyen des sous-titres des journaux en espagnol | 8,2 secondes | Fresno, JoSTrans 2024 |
| Décalage des sous-titres télévisés en direct d’origine dans les clips de test | 7 à 12 secondes | Thompson et al., arXiv 2026 |
| Décalage typique, sous-titres automatiques contre humains | 2-3 s contre 4-10 s | Romero-Fresco et Van Gauwbergen, 2025 |
| WER moyen, sous-titres télévisés contre ASR | 33,8% contre 17,2% | Thompson et al., arXiv 2026 |
| Clips atteignant 98 de NER, télévision contre ASR | 11 sur 70 contre 4 sur 70 | Thompson et al., arXiv 2026 |
| Note de qualité, sous-titres télévisés décalés contre synchronisés | 3,66 contre 5,09 sur 7 | Thompson et al., arXiv 2026 |
| Erreurs par minute, sténotypie contre automatique | 5 contre 22 | Romero-Fresco et Fresno, 2023 |
| Erreurs des sous-titres automatiques venant de la ponctuation | 65% | Romero-Fresco et Van Gauwbergen, 2025 |
| Sous-titres de journaux en espagnol avec au moins une erreur | 41-46% | Fresno, JoSTrans 2024 |
| Sous-titres en direct au Royaume-Uni, précision globale (2013-2015) | 98,4% | Romero-Fresco et Fresno, 2023, citant le projet Ofcom |
| Plaintes FCC sur les sous-titres télévisés, 2023 contre 2024 | 310 contre 683 | FCC CGB Consumer Complaints Data |
| Plaintes FCC sur les sous-titres télévisés, 2025 | 604 | FCC CGB Consumer Complaints Data |
| Plaintes sur le sous-titrage déposées auprès de la FCC, 2009-2013 | 2 323 | FCC 14-12 (2014) |
| Charge de travail des sous-titreurs en direct | Comparable à celle des neurochirurgiens | Nam et al., Applied Ergonomics 2023 |
| Meilleur WER ASR en anglais sur contenu long | 7,32% | Article de l’Open ASR Leaderboard, arXiv 2025 |
| Personnes ayant besoin d’une réadaptation pour une perte auditive invalidante | 430 millions | Fiche d’information de l’OMS, 2026 |
Méthodologie et sources
- Romero-Fresco, P. et Fresno, N. : The accuracy of automatic and human live captions in English, Linguistica Antverpiensia 22 (2023)
- Fresno, N. : Closed Captions en espanol. Live Captioning Quality in Spanish-language Newscasts in the U.S., The Journal of Specialised Translation (2024)
- Romero-Fresco, P. et Van Gauwbergen, Y. : Fit for What Purpose? NER Certification of Automatic Captions in English and Spanish, Applied Sciences 15(3) (2025)
- Thompson, B. et al. (université Gallaudet) : Are Caption Metrics Broken? Latency, Deaf and Hard of Hearing User Ratings, and Bias across Technologies, préimpression arXiv (2026)
- Arroyo Chavez, M. et al. (université Gallaudet) : How Users Experience Closed Captions on Live Television, CHI 2024
- Romero-Fresco, P. : Negotiating quality assessment in media accessibility: the case of live subtitling, Universal Access in the Information Society (2020)
- FCC : CGB Consumer Complaints Data, interrogé par motif et par année en octobre 2026
- FCC : Closed Captioning Quality Report and Order, FCC 14-12 (2014)
- eCFR : 47 CFR 79.1, Closed captioning of televised video programming
- DCMP : Captioning Key, Presentation Rate
- Esser, K., Picou, E. et Hornsby, B. : Imperfect Captions Paired to Audiovisual Stimuli Improve Speech Recognition but Do Not Reduce Listening-Related Fatigue, American Journal of Audiology (2025)
- Kadoma, K., Shrivastava, P. et Naaman, M. : Lost in Transcription, arXiv (2026)
- Liu, X. et al. : Modeling and Improving Text Stability in Live Captions, CHI Extended Abstracts (2023)
- Nam, S. et al. : Assessing subjective workload for live captioners, Applied Ergonomics (2023)
- Wu, L.-Y., Kleiver, A. et Jain, D. : CARTGPT: Real-Time Correction of CART Captions Using Large Language Models, ASSETS 2025
- Hughes, S. et al. : Assessing the Role of Medical Caption Technology, JMIR Rehabilitation and Assistive Technology (2026)
- Open ASR Leaderboard : Towards Reproducible and Transparent Multilingual and Long-Form Speech Recognition Evaluation, arXiv (2025, résultats au 27 mars 2026)
- OMS : Deafness and hearing loss fact sheet (2026)
- Note sur les données : l’étude Gallaudet sur la latence et les métriques (Thompson et al.) et l’expérience de Kadoma et al. sont des préimpressions et peuvent évoluer après évaluation par les pairs. Les études de cas de Romero-Fresco et Fresno datent de 2018 à 2022, et le projet de sous-titrage en direct de l’Ofcom s’est déroulé de 2013 à 2015 (données les plus récentes disponibles pour la précision au Royaume-Uni). Les pages de l’Ofcom et du CRTC ont renvoyé des protections anti-bots ou des erreurs 403 pendant la recherche ; les chiffres du Royaume-Uni et du Canada sont donc cités via les articles évalués par des pairs qui les rapportent. La référence de latence de 6 à 7 secondes ainsi que les chiffres du Super Bowl LII et du débat de 2016 sont tels que rapportés par Fresno (2024) ; 47 CFR 79.1 lui-même ne fixe aucune limite chiffrée de décalage. Les nombres de plaintes à la FCC sont informels, non vérifiés et catégorisés par les consommateurs, n’isolent pas l’actualité en direct, et le chiffre de 2026 est cumulé depuis le début de l’année ; la hausse de 120% est notre propre calcul à partir des chiffres de 2023 et 2024. L’étude sur les journaux en espagnol (2024) porte sur deux chaînes et 200 minutes. Les chiffres de WER des classements sont des résultats de benchmark et ne mesurent pas le décalage de l’actualité en direct.
Dernière mise à jour : 4 octobre 2026. Nous actualisons ce tour d’horizon chaque trimestre, et la prochaine révision est attendue lorsque l’étude Gallaudet sur les métriques de sous-titrage aura terminé son évaluation par les pairs et que le jeu de données des plaintes de la FCC aura clos l’année civile 2026.