L’IA est entrée dans le doublage par la porte du jeu vidéo

Le 19 mai 2026, Forza Horizon 6 est sorti en France sans une seule voix française. Une première dans l’histoire de la série. Deux mois plus tard, Halo: Campaign Evolved arrivait bien avec une VF. Mais le Major et Cortana y parlaient avec des voix inconnues. Les joueurs ont entendu de l’IA. La presse a titré sur le remplacement des humains par la machine.

Dans ces deux dossiers, il n’y a pourtant aucune machine.

D’un côté, des comédiens qui refusent de signer une clause, et une VF qui ne se fait pas. Leur syndicat le revendique, communiqué à l’appui : c’est un blocage de négociation. De l’autre, un éditeur qui passe outre et fait enregistrer d’autres comédiens. Halo Studios les a présentés comme « des acteurs de chair et d’os, francophones natifs ».

La synthèse vocale, elle, est bel et bien entrée dans les studios français. Trois ans plus tôt, sur un jeu à gros budget. Elle n’a remplacé personne.

Ces trois affaires tiennent dans le même détail de fabrication, qu’il faut avoir vu en cabine pour comprendre.

Sous l’écran, une bande blanche

Doubler un film, c’est d’abord lire.

Le comédien Luc Boulad le décrit en une phrase : « sous l’écran il y a une bande blanche qu’on appelle « bande rythmo » sur laquelle défile le texte à jouer ». Le film est découpé en segments d’une minute environ, les boucles. Un directeur artistique donne le contexte, scène par scène.

Cette bande n’est pas un prompteur. Elle a été calligraphiée à partir d’un repérage image par image. Elle porte les ouvertures de bouche, les labiales, les respirations. Le comédien voit le visage, entend la scène, lit le texte calé dessus, et joue les trois en même temps.

En amont, un adaptateur a réécrit les dialogues pour qu’ils tiennent dans ces bouches-là. Roland Timsit, qui dirige aussi des plateaux, est catégorique : « Il ne faut pas faire de la traduction littérale, il est nécessaire de trouver le sens de la phrase pour l’adapter. » Suit une relecture collective, à voix haute, avec les adaptateurs. Sa conclusion tient en huit mots : « On ne peut pas faire un bon doublage si on n’a pas un bon texte. »

Retenez cette chaîne. Détection, adaptation, relecture, direction, image, rythmo, jeu. Beaucoup de métiers, et un seul d’entre eux produit du son.

Dans le jeu vidéo, on double les yeux fermés

Maintenant le jeu vidéo. Même comédien, même studio, parfois la même semaine. Presque rien en commun.

Luc Boulad, toujours : « Concernant le doublage de jeu vidéo, on n’a pas de bande rythmo et on ne voit pas l’image. » À la place : « On travaille au casque. On écoute la version originale avec sa forme d’onde qui s’affiche sur un écran. Ensuite, on essaie d’être plus ou moins synchrone avec cette forme d’onde tout en jouant le texte. »

Pascale Chemin disait la même chose en 2017, dans une interview qui ne parlait pas d’intelligence artificielle : « En jeu vidéo, il n’y a pas de bande rythmo ou d’image. On travaille seul dans une cabine, avec le Directeur Artistique et l’Ingénieur Son. Il y a un écran devant lequel on a un texte écrit, sans avoir forcément la continuité avec un autre personnage à qui on peut répondre, et dans le casque, on a le fichier son enregistré par le comédien original. On écoute donc ce fichier sonore qui est marqué à l’écran par une forme d’onde, et on essaie de respecter cette onde, le jeu et l’intention, c’est d’ailleurs pour ça qu’il y a le Directeur Artistique. »

Martin Faliu, voix du personnage masculin de Hogwarts Legacy, le confirme une troisième fois en mai 2023 : « l’immense majorité du temps on a aucune image de référence ni de bande rythmo ». Il ajoute le détail qui manquait : « Il y a aussi quasiment aucune continuité dans les répliques qu’on enregistre, les fichiers sont dans le désordre total. »

Trois professionnels, trois studios, trois sources indépendantes, sur neuf ans. Aucun ne parlait d’IA.

Le dernier humain dans la cabine

Revenez à la dernière incise de Pascale Chemin, elle est capitale. Il reste un humain dans la boucle. Le directeur artistique est ce qui subsiste de la chaîne du cinéma dans une cabine de jeu vidéo : quelqu’un qui donne une intention à un comédien qui n’a pas de visage à regarder. C’est aussi le seul maillon qu’aucun modèle n’a jamais eu.

Pourquoi la VF de Halo a sonné comme une machine

Cette configuration explique ce que les joueurs de Halo n’ont pas compris en juillet 2026. Ils ont entendu une VF plate et ils ont conclu à la machine. Halo Studios a démenti, par la voix de son directeur de communauté : « Ces performances vocales ont été réalisées par des acteurs de chair et d’os, francophones natifs. » Les deux peuvent être vrais en même temps. Placez un comédien devant un texte, un fichier son et un chronomètre. Sans image, sans réplique à laquelle répondre. Vous obtenez déjà une partie de ce qu’on reproche aux modèles.

Ce que la machine sait faire, et ce qu’elle ne sait pas

Posons les deux chaînes côte à côte.

La colonne de droite décrit une tâche à deux entrées, un fichier son et un texte. Il faut produire une piste de la bonne durée, dans le bon timbre, calée sur une enveloppe temporelle. C’est exactement la forme du problème que résolvent aujourd’hui les modèles de conversion de voix.

La colonne de gauche décrit tout autre chose. Il faut voir une bouche, comprendre une intention, tenir une scène. Et il faut avoir devant soi un texte que quelqu’un a réécrit pour qu’il rentre dans ce visage-là. Un modèle ne fait aucune de ces quatre choses. Il imite une couleur de voix, la partie la plus visible du métier et la moins difficile.

Une seule ligne du tableau dit oui deux fois. Le directeur artistique est le dernier maillon commun aux deux chaînes, et c’est celui qu’aucun modèle n’a jamais eu.

Pourquoi le conflit a commencé par un jeu et non par un film

Voilà pourquoi le premier conflit ouvert a éclaté sur Apex Legends, fin février 2025, et pas sur un long métrage. Trente-deux comédiens du casting français ont refusé une annexe d’Electronic Arts. Elle autorisait l’éditeur à entraîner son intelligence artificielle sur leurs enregistrements. Tous ont quitté le jeu, après six ans. Celle qui a donné l’alerte, le 26 février, s’appelle Pascale Chemin. Voix française de Wraith, et de la commandante Shepard dans Mass Effect. La même qui décrivait la cabine en 2017. Le doublage de jeu n’est pas exposé parce qu’il serait moins noble. Il l’est parce qu’on y travaille déjà à l’aveugle, sur un fichier et une courbe. Dans des conditions qui ressemblent à ce qu’une machine sait reproduire.

Le débat public se tient pourtant surtout sur le terrain des contrats. Rarement sur celui du poste de travail, qui est l’endroit où la chose se décide.

En 2023, la machine est entrée par la porte de service

Voici la seule des trois affaires où une machine est réellement intervenue.

Martin Faliu, sur Hogwarts Legacy, en mai 2023. Les Français enregistrent avant les Anglais, ou en même temps. La piste de référence n’existe donc pas encore, et le studio la fabrique : « pour un nombre immense de fichiers audio, on avait pas en référence les acteurs originaux, mais des voix de synthèse robotiques basées sur le texte que les acteurs anglais allaient dire de leur côté ».

Relisez la chaîne du jeu vidéo. Le seul repère du comédien français, c’est ce fichier. S’il est synthétique, il n’y a plus ni rythme juste, ni ton, ni volume à suivre. On joue dans le vide.

La synthèse vocale n’a donc remplacé personne. Elle a dégradé l’outil de travail des comédiens, en silence, sur une grosse production. Et sans aucune décision idéologique : le planning ne tombait pas juste, il fallait livrer.

C’est ainsi que ces technologies entrent quelque part. Par la logistique, avant la stratégie.

Une précision de vocabulaire, parce qu’elle sépare deux débats. Faliu parle de « voix de synthèse robotiques basées sur le texte », soit de la lecture automatique d’un script. Le clonage, lui, reproduit la voix d’une personne identifiée. La conversion de voix conserve l’interprétation de l’original et n’en change que le timbre. Trois techniques, trois régimes juridiques, trois effets différents sur le métier. Elles sont couramment employées l’une pour l’autre.

Le chiffre que tout le monde cite

Les ordres de grandeur circulent, et ils méritent d’être repris.

Le chiffre de 15 000 emplois menacés revient partout, des communiqués syndicaux aux questions parlementaires. L’étude de référence de la profession en donne un autre. Publiée en mai 2024 par le Datalab d’Audiens avec l’association Les Voix et le syndicat des artistes-interprètes, elle recense environ 12 500 emplois pour toute la filière en 2023, techniciens et adaptateurs compris.

La note de conjoncture publiée en octobre 2025 avec l’Afdas, le CNC et Audiens descend d’un cran encore : 3 984 personnes ayant eu une activité de doublage en 2024, et un volume en net recul.

Elle attribue cette baisse au repli des commandes de séries passées par les plateformes, et non à la technologie. Elle ajoute que pour le doublage de programme télévisuel ou cinématographique en version française, « aucun cas d’usage de voix de synthèse ne nous a été communiqué ». Et elle donne sa raison sans détour : « la qualité des voix générées par l’IA est très insuffisante et son paramétrage trop peu développé ».

Sa conclusion tient en une phrase : « les outils d’IA semblent quant à eux avoir un effet limité, voire inexistant sur le niveau d’emploi des comédiens de doublage ».

C’est le régulateur du cinéma français qui cosigne.

Les comédiens ne sont pas absents, ils refusent de signer

Revenons aux VF manquantes, parce qu’elles se racontent de travers.

Le 13 mars 2025, en assemblée générale, les syndicats d’artistes-interprètes adoptent une clause type à insérer dans les contrats de jeu vidéo. Elle interdit l’usage des enregistrements pour entraîner un modèle. Le 8 septembre 2025, ils examinent la clause proposée par Microsoft et jugent qu’elle n’exclut pas explicitement l’entraînement. Leur communiqué est sans ambiguïté : « nous déconseillons vivement aux artistes-interprètes de signer cette clause dans son état actuel ». Le refus porte sur une rédaction, pas sur le principe.

Les comédiens ont suivi, et les conséquences se lisent titre par titre. Forza Horizon 6 est sorti sans voix françaises. Fable, attendu en février 2027, a déjà annoncé une localisation française en texte seulement. Sur Halo, Microsoft a fait enregistrer d’autres comédiens. David Krüger, voix du Major depuis 2001, et Laëtitia Lefebvre, celle de Cortana depuis Halo 4, n’ont pas été conviés. Ils l’ont écrit dans une tribune : « Et non, nous ne céderons pas nos voix pour qu’elles soient générées à loisir par une IA. »

C’est une grève de la signature, assumée comme position de négociation, et cette nuance change le sens de l’affaire dans les deux camps.

Le même communiqué signale un fait qui explique beaucoup : « Dans le secteur du jeu-vidéo où il n’y a toujours pas de convention collective […], il n’existe pas de contrat-type négocié collectivement, et les modalités particulières qui vous sont proposées […] peuvent varier énormément, voire être extravagantes. » La convention du doublage, elle, a été signée avant l’arrivée de ces outils et n’en dit pas un mot.

D’un côté une clause type, de l’autre un accord signé

Aux États-Unis, l’accord ratifié par la SAG-AFTRA en juillet 2025 impose consentement et information préalable pour tout usage de réplique numérique, qu’elle soit vocale ou issue de la capture de mouvement. En France, il y a une clause type sans valeur opposable et des mises en demeure au cas par cas.

Le droit français protège la voix, mais par la porte de côté, comme attribut de la personnalité. De la même manière qu’il encadre le droit d’auteur des images générées, ou la question de savoir ce qu’une entreprise peut légalement verser dans ses données d’entraînement.

Ce que les joueurs disent quand on les écoute

Il y a un angle mort de l’autre côté. L’ignorer affaiblirait tout ce qui précède.

Sur les forums, une partie des joueurs est favorable à la VF synthétique. Pas par mépris du métier. Leur grief le plus constant, c’est qu’on entend les mêmes voix partout, d’un jeu à l’autre, depuis dix ans. Un vivier perçu comme fermé, où les mêmes noms tournent. Dans cette lecture, la machine devient une sortie d’un système de casting verrouillé.

Le fait est que des joueurs fabriquent déjà des mods de doublage automatique pour des jeux qui n’ont jamais eu de VF. Chez les studios indépendants, la question se pose encore autrement. Un petit studio qui ne peut pas payer de plateau choisit entre un doublage automatique et pas de doublage du tout. Jamais entre une machine et des comédiens.

Où le raisonnement casse

Ce contre-argument a une faiblesse, et elle est structurelle. Si les petits rôles et les répliques de figuration passent à la machine, la porte d’entrée du métier se ferme. C’est par là qu’on commence. Et c’est là qu’il faudra regarder : le jour où l’on supprime le directeur artistique sur ces rôles-là, la bascule sera faite. La note de l’Observatoire nomme d’ailleurs les premiers segments exposés : les personnages secondaires et les contenus destinés aux plateformes numériques.

Un dernier chiffre, et c’est le seul sondage du dossier qui dise quelque chose d’inattendu. Interrogés en avril 2025 par l’Ifop pour l’association Les Voix, 42 % des Français jugent cette évolution inévitable. Le même sondage ne pose aucune question sur le jeu vidéo.

La chaîne, et non le talent

Le débat public oppose une machine à des artistes. Le dossier montre une division du travail qui s’est fragilisée par le bas.

Ce qui rend le doublage difficile à automatiser tient dans tout ce qu’il y a autour de la voix. Un repérage image par image. Une réécriture qui tient compte des lèvres. Une relecture collective. Une direction de plateau. Là où cette chaîne existe, la machine reste à la porte, et la note du CNC le constate sans militer. Là où elle n’existe pas, comme dans le jeu vidéo, elle est déjà entrée.

Arthur Khong, qui prête sa voix à Zoro dans One Piece, résume la partie que la technique ne touche pas : « en tant que comédien, on se met au service de l’acteur qu’on double ». Se mettre au service de quelqu’un suppose d’avoir quelqu’un devant soi.

Dans une cabine de jeu vidéo, il n’y a plus personne en face depuis longtemps. Juste une courbe sur un écran. C’est cette absence qui a ouvert la porte, bien avant que les modèles ne deviennent bons.