Cloner sa propre voix avec ElevenLabs : tutoriel et précautions

Enregistrer une fois, ne plus jamais réenregistrer. C’est ce que promet le clonage vocal d’ElevenLabs à un formateur qui met à jour ses modules chaque trimestre, à un podcasteur qui corrige un chiffre après montage, à un communicant qui décline un message en trois langues. La promesse tient, à deux conditions : préparer l’enregistrement comme une vraie session, et traiter le clone comme ce qu’il est, un double de votre voix capable de dire ce que vous n’avez jamais dit. Ce tutoriel détaille les deux méthodes, l’instantanée en quelques minutes et la professionnelle en quelques heures, avec ce qu’il faut enregistrer, comment, les réglages qui font la différence, l’usage au quotidien et le partage en équipe, et un cadre de précautions que nous faisons signer avant tout projet.

Il complète notre guide d’ElevenLabs, qui couvre la plateforme, ses modèles et le cadre légal, et notre guide complet de l’IA audio.

En bref

• Deux méthodes : le clonage instantané, à partir d’une à cinq minutes d’audio, disponible dès le plan Starter ; le professionnel, à partir de trente minutes et jusqu’à trois heures, à partir du plan Creator, précise le guide officiel d’ElevenLabs.
• Le professionnel ne clone que votre propre voix, vérifiée par une procédure de consentement vocal. Un collègue crée et vérifie son propre clone, puis le partage.
• La qualité vient de l’enregistrement, pas des réglages : même micro, même pièce, même distance, une session de 24 à 48 heures, des pauses marquées.
• Comptez une heure pour un clone instantané exploitable, une demi-journée plus l’entraînement pour un clone professionnel.
• Un consentement écrit précise les usages, la durée et la fin, même pour votre propre voix dans votre propre entreprise.
• Verdict : le clonage instantané suffit pour les usages internes et les tests ; le professionnel est la seule option pour un module ou un podcast diffusé.
• CTA : Proactive Academy vous aide à cadrer ces projets et à former vos collaborateurs.

Avant de commencer : trois questions

Pour quoi faire ? Un test, un prototype, une voix off interne : l’instantané. Un module diffusé, un podcast, un livre audio, un message de marque : le professionnel. La différence de qualité s’entend sur les nuances, le souffle et les fins de phrase, et elle est acceptable pour une capsule interne que dix collègues écouteront une fois, pas pour un module diffusé que des centaines de stagiaires entendront pendant des mois.

Quelle voix ? La vôtre, et seulement la vôtre. Le clonage professionnel d’ElevenLabs le vérifie en vous faisant lire un texte à voix haute pendant la procédure. Si vous voulez la voix d’un formateur de votre équipe, c’est lui qui suit ce tutoriel sur son compte, puis vous partage le clone. Il n’y a pas de raccourci, et c’est une protection.

Quel plan ? Starter, à 5 ou 6 $ par mois, ouvre le clonage instantané et les droits commerciaux. Creator, à 22 $ par mois, ouvre le professionnel, rappelle DataCamp. Le gratuit ne clone rien.

Préparer l’enregistrement : ce qui fait 80 % du résultat

Le guide officiel d’ElevenLabs le dit sans détour : la qualité du clone dépend d’abord de la qualité et de la cohérence des enregistrements, détaillent ses sept conseils. Huit règles, à appliquer même pour un clone instantané.

Un seul micro, une seule pièce, une seule distance. Changer de matériel ou de lieu en cours de route perturbe le modèle. Un micro USB correct sur un bureau calme vaut mieux qu’un studio un jour et un téléphone le lendemain.

Une session courte dans le temps. Enregistrez tout en 24 à 48 heures. Une voix change d’un mois à l’autre, et un clone entraîné sur des sessions éloignées mélange deux voix.

Une pièce sans écho ni bruit. Rideaux, tapis, porte fermée, ordinateur éloigné. Pas de musique de fond, pas de traitement audio après coup : le modèle apprend ce qu’il entend, réverbération comprise.

Un texte varié, pas monotone. Le clone reproduit ce qu’on lui donne. Lisez des phrases affirmatives, des questions, des énumérations, un passage calme, un passage enthousiaste. Un enregistrement plat donne un clone plat.

Des pauses marquées. Une seconde à une seconde et demie entre les paragraphes, un peu moins entre les phrases. Le modèle apprend le rythme des silences autant que celui des mots.

Pas de raclements de gorge, pas de bruits de bouche. Ce qui est dans l’enregistrement sera dans le clone. Coupez proprement les faux départs.

La bonne durée. Une à cinq minutes pour l’instantané, trois à cinq étant nettement mieux qu’une. Trente minutes minimum pour le professionnel, et jusqu’à trois heures pour la meilleure fidélité : c’est la durée cumulée qui compte, pas le nombre de fichiers.

Un format propre. WAV ou MP3 de bonne qualité, un seul locuteur, sans musique. Nommez et conservez vos fichiers : ils vous serviront à réentraîner ou à changer d’outil.

Le script d’enregistrement : quoi lire

La question revient à chaque atelier : qu’est-ce que je lis ? Pas n’importe quoi, et pas la notice du micro. Trois principes.

Lisez vos propres textes. Un formateur lit ses modules, un communicant ses messages, un podcasteur ses chroniques. Le clone apprendra le vocabulaire, le rythme et les tournures qu’il devra reproduire. Un texte étranger à votre pratique donne un clone qui hésite sur vos mots.

Variez les registres dans le même texte. Une explication calme, une consigne ferme, une question, une énumération, une phrase enthousiaste, un passage lent. Le modèle n’apprend que ce qu’il entend ; s’il n’a jamais entendu votre voix poser une question, il la posera mal.

Incluez ce qui pose problème. Vos sigles, vos noms de produits, vos nombres, vos anglicismes, prononcés comme vous les prononcez. Le clone en gardera la trace, et le dictionnaire de prononciation fera le reste.

Un exemple de page d’enregistrement, tel que nous en faisons préparer :

Bienvenue dans ce module. [pause] Aujourd'hui, nous allons voir trois choses. D'abord, ce qu'est une donnée personnelle. Ensuite, les six bases légales d'un traitement. Enfin, ce que ça change pour vous, au quotidien. [pause]

Une question, pour commencer : savez-vous combien de fichiers contenant des données personnelles votre service manipule chaque semaine ? [pause] Une dizaine ? Une centaine ? La plupart des équipes sous-estiment ce chiffre d'un facteur trois. [pause]

Le R-G-P-D ne demande pas de tout interdire. Il demande de savoir ce qu'on fait, pourquoi, et pendant combien de temps. C'est moins difficile qu'on ne le croit, et c'est ce que nous allons voir ensemble. [pause]

Une page comme celle-ci fait une minute et demie, ce qui veut dire trois pages pour un clonage instantané confortable et une vingtaine pour un clone professionnel de trente minutes, préparées à l’avance pour que la session d’enregistrement ne soit qu’une lecture. Les crochets sont des consignes pour vous, pas du texte à lire.

Cloner sa voix en instantané : six étapes

Comptez une heure, dont vingt minutes d’enregistrement, pour un formateur qui veut une voix pour ses capsules internes et qui découvre en général à cette occasion que la partie la plus longue n’est pas l’outil mais la lecture soignée de deux pages de texte dans une pièce calme.

Étape 1 : enregistrer trois à cinq minutes

Un texte varié de deux pages, lu à votre rythme naturel, dans les conditions décrites plus haut. Enregistrez avec l’outil de votre choix, ou directement dans ElevenLabs, qui propose de capter au micro depuis le navigateur. Réécoutez. Si un passage est raté, recommencez-le plutôt que de le garder.

Étape 2 : ouvrir Voices et choisir Instant Voice Cloning

Dans votre compte, menu Voices, puis Add a new voice, puis Instant Voice Cloning. Sur le plan gratuit, l’option est visible mais inactive ; il faut Starter.

Étape 3 : importer et confirmer le consentement

Glissez vos fichiers, ou lancez l’enregistrement dans l’interface. ElevenLabs vous demande de confirmer que vous détenez les droits sur cette voix. Cochez, et prenez la case au sérieux : c’est un engagement contractuel.

Étape 4 : nommer et décrire

Un nom explicite (« Marie, voix modules internes ») et une description qui précise le registre. Ces métadonnées servent quand la voix est partagée à une équipe.

Étape 5 : générer un premier test

Le clone est prêt en quelques secondes. Collez un paragraphe de vos modules, générez, écoutez au casque. Comparez avec votre enregistrement. Le timbre doit être là ; les nuances seront approximatives, c’est normal pour l’instantané.

Étape 6 : ajuster les réglages

Deux curseurs comptent. La stabilité : haute pour une narration régulière, plus basse pour un rendu plus vivant mais moins prévisible. La similarité : haute pour coller à l’enregistrement, avec le risque de reproduire aussi ses défauts. Testez trois combinaisons sur le même paragraphe, retenez-en une, enregistrez-la comme préréglage.

Cloner sa voix en professionnel : six étapes

Comptez une demi-journée pour l’enregistrement et la mise en place, puis quelques heures d’attente pendant l’entraînement, pour un formateur dont la voix portera une série de modules diffusés et qui a donc intérêt à traiter cette demi-journée comme une vraie session de studio plutôt que comme une formalité.

Étape 1 : préparer un script de trente minutes à trois heures

Le guide officiel recommande de se rapprocher de trois heures pour la meilleure fidélité ; trente minutes est le minimum. Utilisez vos propres textes de modules, variés en registre : c’est ce que le clone lira ensuite, autant qu’il apprenne dessus. Découpez en sessions de vingt minutes avec des pauses.

Étape 2 : enregistrer en une ou deux sessions

Même micro, même pièce, même distance, sur 24 à 48 heures. Relisez les huit règles. Nettoyez les faux départs sans traiter le son. Exportez en WAV.

Étape 3 : lancer Professional Voice Cloning

Menu Voices, Add a new voice, Professional Voice Cloning, disponible à partir de Creator. Nommez la voix, choisissez la langue principale, importez les fichiers. La durée cumulée s’affiche : visez au-dessus de trente minutes.

Étape 4 : passer la vérification vocale

C’est l’étape qui distingue le professionnel. ElevenLabs affiche un texte que vous devez lire à voix haute, au micro, pour prouver que la voix des fichiers est la vôtre. Cette vérification, appelée Voice Captcha, échoue si quelqu’un d’autre tente de valider votre voix, et c’est le but. Faites-la dans les mêmes conditions que l’enregistrement.

Étape 5 : attendre l’entraînement

Le modèle s’entraîne pendant plusieurs heures, parfois plus selon la file. Vous recevez une notification. Ne relancez pas un second clone en attendant : un compte a un nombre limité de clones professionnels.

Étape 6 : tester, comparer, valider

Générez trois paragraphes de registres différents. Écoutez au casque, puis sur un téléphone. Comparez avec votre enregistrement d’origine. Si le clone déçoit, la cause est presque toujours dans les fichiers : trop courts, trop plats, pas assez cohérents. Réenregistrez et réentraînez plutôt que de multiplier les réglages.

Tester son clone : la grille d’écoute en cinq points

Un clone se juge à l’oreille, mais pas n’importe comment. Cinq points, sur trois paragraphes de registres différents, au casque puis sur un téléphone.

Le timbre. Fermez les yeux : est-ce vous ? C’est le point le plus vite acquis, dès l’instantané.

Les fins de phrase. C’est là que les clones trahissent : une chute trop régulière, une intonation qui remonte sans raison. Écoutez les trois dernières syllabes de chaque phrase.

Les pauses. Trop courtes, la voix enchaîne ; trop longues, elle hésite. Si vos enregistrements avaient des pauses marquées, le clone les reproduit.

Les mots difficiles. Sigles, noms, nombres. Notez chaque écorchure ; elle ira dans le dictionnaire de prononciation.

La tenue sur la durée. Générez trois minutes d’un coup. Un clone instantané dérive parfois vers une monotonie ; un professionnel bien entraîné tient.

Notez chaque point de un à trois. En dessous de dix sur quinze, réenregistrez avant de régler, parce qu’aucun curseur ne rattrapera un timbre approximatif ou des fins de phrase mécaniques dues à un enregistrement trop court ou trop plat. Au-dessus, ajustez stabilité et similarité, et faites réécouter par un collègue qui vous connaît : c’est le juge le plus sévère et le plus utile.

Utiliser son clone au quotidien

Une fois validé ? C’est simple. Le clone apparaît dans My Voices et dans la liste des voix de tous les produits ElevenLabs : la synthèse vocale simple, le Studio pour les projets longs, le doublage, et l’API si vous automatisez.

Dans le Studio. Créez un projet par module, choisissez votre clone comme voix par défaut, collez le script bloc par bloc. Les réglages de stabilité et de similarité se fixent au niveau du projet et ne bougent plus. Une mise à jour de module se fait en modifiant un bloc et en le régénérant seul, avec le même clone : le raccord ne s’entend pas.

Le dictionnaire de prononciation. Votre clone lit vos textes avec votre timbre, mais il ne sait pas comment vous prononcez vos sigles et vos noms de produits. Enregistrez-les une fois dans le dictionnaire de prononciation ; ils s’appliqueront à tous vos projets.

Le doublage avec votre voix. Une vidéo enregistrée en français peut être doublée en anglais ou en espagnol avec votre clone, en gardant le rythme. Testez sur trente secondes : la qualité dépend de la langue cible et du registre.

Le partage en équipe. Vous pouvez partager votre clone avec un collègue ou un compte d’entreprise, avec les droits que vous choisissez. C’est ainsi qu’un service formation utilise la voix d’un formateur : lui crée et vérifie le clone, puis le partage. Le partage se révoque à tout moment, et c’est un point à écrire dans le consentement.

Précautions : le cadre que nous faisons signer

Même pour votre propre voix, dans votre propre entreprise, un cadre écrit évite les mauvaises surprises, parce qu’un clone survit aux départs, aux réorganisations et aux changements d’avis. Nous faisons signer un document d’une page, avec six clauses, avant tout projet de clonage.

L’objet. Quelle voix, sur quel compte, créée quand, à quel niveau (instantané ou professionnel).

Les usages autorisés. Quels contenus (modules internes, modules diffusés, podcast, publicité), quelles langues, quels canaux. Ce qui n’est pas listé est interdit.

Ce qui est interdit dans tous les cas. Faire dire au clone des propos que la personne n’a pas validés, l’utiliser dans un contexte trompeur, le partager hors de l’entreprise.

La validation. Qui relit les textes avant génération, et qui valide un contenu diffusé avec la voix. Une voix clonée engage la personne comme si elle avait parlé.

La durée et la fin. Combien de temps le clone peut être utilisé, ce qui se passe au départ de la personne (suppression du clone, ou usage limité aux contenus existants pendant une période), qui supprime quoi.

La transparence. Depuis le 2 août 2026, l’AI Act impose de signaler un contenu audio synthétique qui imite une personne réelle. Une mention dans le générique ou la fiche du module suffit ; elle doit être prévue.

Trois réflexes s’y ajoutent. Conservez vos fichiers d’enregistrement hors d’ElevenLabs : ce sont eux qui vous permettront de réentraîner ou de changer d’outil. Activez la double authentification sur le compte qui héberge le clone. Et prévoyez un réenregistrement tous les douze à dix-huit mois : une voix change, un clone non. Le cadre légal complet est détaillé dans notre guide d’ElevenLabs.

Sept erreurs qui donnent un mauvais clone

Enregistrer trop court. Une minute pour l’instantané, c’est le minimum, pas la cible. Trois à cinq minutes changent tout. Trente minutes en professionnel donnent un clone correct, et deux heures donnent un clone qu’on ne distingue plus de la personne, ce qui fait de la durée d’enregistrement l’investissement le plus rentable de tout le projet.

Lire d’une voix plate. Le clone sera plat. Variez le registre, marquez les pauses, lisez comme vous parleriez à un stagiaire.

Mélanger les sessions. Deux micros, deux pièces, deux mois d’écart : deux voix, un clone confus. Le guide officiel conseille d’entraîner deux clones distincts plutôt que d’en diluer un.

Traiter l’audio. Réduction de bruit, compression, égalisation : le modèle apprend le traitement. Donnez-lui du brut propre.

Multiplier les réglages au lieu de réenregistrer. Quand le clone déçoit, la cause est dans les fichiers neuf fois sur dix.

Oublier le dictionnaire de prononciation. Un clone parfait qui écorche « RGPD » à chaque module perd toute crédibilité.

Cloner sans écrire le cadre. Le jour où la personne part, ou change d’avis, le document manque. Il prend vingt minutes à rédiger avant, des semaines à régler après.