Bruitages et effets sonores IA pour vos vidéos de formation

Il y a deux ans, trouver le bon bruit de porte, d’alarme ou de machine-outil pour un module e-learning demandait de fouiller des banques de sons et de vérifier leurs licences. Aujourd’hui, une phrase suffit : « alarme incendie au loin dans un couloir de bureau », et un générateur d’effets sonores IA livre le fichier en quelques secondes. La tentation est donc grande de sonoriser chaque séquence.

C’est là que se trouve le piège. La recherche en psychologie de l’apprentissage montre qu’un son mal choisi fait baisser ce que les apprenants retiennent, parfois de façon spectaculaire. Ce guide explique quels bruitages servent vraiment l’apprentissage, comment les générer avec ElevenLabs, ce que cela coûte, quels droits vous avez, et comment les intégrer sans gêner la compréhension ni l’accessibilité.

Cet article complète notre guide pour créer une vidéo de formation avec un avatar IA et notre méthode pour produire des capsules de microlearning avec l’IA.

En bref

• Dans deux expériences de Moreno et Mayer (2000), ajouter bruitages et musique à une explication animée a fait baisser la mémorisation de 38 à 43 % et la capacité à résoudre des problèmes de 39 à 60 %.
• La musique de fond est la principale coupable. Des bruitages brefs et synchronisés avec l’image n’ont pas nui à l’apprentissage ; des sons rejoués plusieurs fois, si.
• ElevenLabs génère des effets de 0,1 à 30 secondes, en boucle si besoin, avec un nouveau modèle SFX v3 lancé le 29 octobre 2026.
• Coût : 40 crédits par seconde quand la durée est fixée. Le plan gratuit n’inclut pas de licence commerciale ; le plan Starter (6 $ par mois) oui.
• Un son qui porte une information doit être décrit dans les sous-titres (« [alarme incendie] »), sinon la vidéo n’est pas accessible.
• Verdict : peu de sons, tous utiles. Notre repère : trois à cinq sons pour une vidéo de cinq minutes.
• Pour intégrer ces pratiques à votre production : notre formation IA générative pour produire vos contenus pédagogiques multimédias.

Ce que dit la recherche : le bruitage oui, l’habillage non

L’étude de référence date de l’an 2000, mais elle n’a jamais été autant d’actualité qu’à l’heure où chaque son se produit en quelques secondes. Roxana Moreno et Richard Mayer ont testé l’effet de sons ajoutés sur l’apprentissage, dans deux expériences publiées dans le Journal of Educational Psychology (Moreno et Mayer, 2000).

Le protocole est simple. Chaque expérience réunit 75 étudiants, répartis en quatre groupes qui regardent la même animation commentée : avec la narration seule, avec des bruitages, avec une musique de fond, ou avec les deux. La première explique la formation de la foudre, la seconde le fonctionnement des freins hydrauliques. On mesure ensuite ce que les étudiants retiennent et leur capacité à résoudre des problèmes nouveaux sur le sujet.

Les résultats sont nets. Dans l’expérience sur la foudre, le groupe « bruitages et musique » retient environ 43 % de moins que le groupe « narration seule », et résout environ 60 % de problèmes en moins. Dans l’expérience sur les freins, les baisses sont d’environ 38 et 39 %. Ces pourcentages sont nos calculs à partir des moyennes publiées dans l’article.

Mais le détail compte autant que le total, et c’est lui qui guide la pratique :

• La musique de fond pénalise à chaque fois. Elle fait baisser les résultats dans les deux expériences. Dans la première, les groupes avec musique ont obtenu des scores nettement plus faibles, que des bruitages soient présents ou non.
• Des bruitages ponctuels et synchronisés n’ont pas nui. Dans cette même expérience, sept sons brefs, chacun joué une fois au moment où l’événement apparaissait (vent, crépitement, tonnerre), n’ont pas eu d’effet significatif sur l’apprentissage.
• Des sons répétés, si. Dans la seconde expérience, une séquence de deux bruits mécaniques de 9 secondes, rejouée plusieurs fois au cours d’une animation de 45 secondes, a fait baisser les résultats. Les auteurs y voient un son devenu trop envahissant.

Les auteurs en tirent une règle : n’ajouter que les sons qui complètent le contenu de la leçon, et limiter le reste, au lieu d’en ajouter pour rendre le module plus attrayant. Mayer l’a ensuite intégrée à ses principes de conception multimédia sous le nom de principe de cohérence (Cambridge University Press, Multimedia Learning).

Deux limites à garder en tête : il s’agit d’étudiants américains devant des animations courtes, et l’étude ne teste pas des sons de terrain que l’apprenant doit apprendre à reconnaître. Elle ne condamne donc pas le son en formation. Elle condamne le son décoratif.

Les bruitages qui servent vraiment une formation

De cette recherche, on peut tirer une grille de décision simple. Un bruitage a sa place dans une vidéo de formation dans quatre cas.

Il accompagne un événement montré à l’écran. La porte coupe-feu qui se ferme, le classeur qui tombe, le téléphone qui sonne à l’accueil. Le son confirme ce que l’image montre et ancre la scène dans le réel.

Il fait partie de ce qu’il faut apprendre. C’est le cas le plus utile, et l’étude de Moreno et Mayer ne le couvre pas. Reconnaître le signal sonore d’évacuation de son site, le bip d’erreur d’une machine, le bruit anormal d’un roulement : dans ces formations, le son est le contenu. Un générateur IA ne remplace pas l’enregistrement du vrai signal de votre site quand il existe, mais il permet de construire des mises en situation quand on ne peut pas enregistrer sur place.

Il donne un retour bref. Un son discret de réussite ou d’erreur dans un quiz, toujours le même, aide l’apprenant à savoir où il en est sans lire un message.

Il marque une rupture voulue. Une transition entre deux parties, une seule fois, pour signaler un changement de sujet. Pas à chaque diapositive.

En revanche, quatre usages sont à proscrire : la musique de fond sous une explication, le son répété en boucle pendant toute une séquence, le « whoosh » décoratif à chaque transition, et toute ambiance qui couvre une phrase clé du commentaire. Ajoutons, par bon sens, l’effet comique sur un sujet sérieux : sécurité, conformité ou santé supportent mal le bruitage de dessin animé.

Le test le plus simple tient en une question : si ce son disparaît, l’apprenant perd-il une information ? Si la réponse est non, retirez-le.

Générer ses bruitages avec ElevenLabs : le pas-à-pas

Plusieurs outils génèrent aujourd’hui des effets sonores à partir d’un texte. Nous prenons ici ElevenLabs, un outil de voix off que nous détaillons déjà dans notre guide du clonage vocal avec ElevenLabs. Si vous montez vos vidéos dans l’environnement Adobe, Firefly propose aussi un générateur d’effets sonores, disponible pour tous depuis août 2026 (Adobe, 20 août 2026).

Ce que fait l’outil

ElevenLabs a lancé le 29 octobre 2026 un nouveau modèle, SFX v3, qui suit mieux les consignes contenant plusieurs sons, gère mieux la musique et les voix dans un effet, et produit moins d’artefacts sur les sons aigus comme les carillons ou les sifflets (ElevenLabs, annonce SFX v3). L’ancien modèle reste disponible jusqu’au 1er mars 2027.

Selon la documentation officielle, les réglages sont au nombre de trois :

• la durée, de 0,1 à 30 secondes, ou automatique si vous la laissez vide ;
• la boucle, qui produit un son sans début ni fin audibles, pour une ambiance à répéter au-delà de 30 secondes ;
• l’influence du prompt : élevée pour une interprétation littérale, faible pour une version plus libre.

Les fichiers sortent en MP3, ou en WAV 48 kHz pour les effets non bouclés. Préférez le WAV pour le montage : il supporte mieux les retouches de volume et de coupe.

Étape 1 : repérer les moments à sonoriser

Avant d’ouvrir l’outil, reprenez votre script ou votre storyboard et marquez les trois à cinq moments où un son porte une information. Pour une vidéo de cinq minutes, c’est généralement suffisant. Notez pour chacun la durée de l’événement à l’image.

Étape 2 : décrire le son

La documentation recommande, pour SFX v3, de décrire l’action, le lieu, l’ambiance et la manière, plutôt qu’une catégorie de son. « Alarme » est trop vague. « Alarme incendie stridente qui retentit au loin dans un couloir de bureau, avec un léger écho » donne un résultat exploitable. Pour une séquence, enchaînez les événements avec des mots de liaison comme « puis ».

La documentation donne ses exemples en anglais. Si un prompt en français produit un son approximatif, reformulez-le en anglais avant de conclure que l’outil ne sait pas faire.

Étape 3 : générer, écouter, choisir

Dans l’espace de création d’ElevenLabs, ouvrez l’onglet des effets sonores, collez votre description, fixez la durée et lancez la génération. Écoutez au casque, puis sur des haut-parleurs d’ordinateur portable : c’est là que la plupart de vos apprenants l’entendront. Gardez la version la plus nette, sans queue de son parasite.

Deux limites signalées par l’éditeur : demander un nombre exact de répétitions (« trois coups à la porte ») n’est pas toujours respecté, et la formulation change sensiblement le résultat. Prévoyez deux ou trois essais par son.

Une petite bibliothèque de prompts pour la formation

Voici des descriptions de départ, à adapter à votre contexte. Elles sont rédigées en anglais, la langue des exemples de la documentation ; les durées sont indicatives.

Le son d’erreur du quiz mérite une attention particulière. Un buzzer agressif, entendu dix fois dans un module, devient vite pesant. Préférez un son grave, bref et neutre.

Exemple : sonoriser un module sécurité de cinq minutes

Prenons un cas type, construit pour l’illustration : une vidéo de cinq minutes sur l’évacuation incendie pour les nouveaux arrivants d’un site tertiaire. Le script compte une introduction, une explication des consignes, une mise en situation filmée ou générée, et un quiz de trois questions.

Voici le plan de sonorisation qu’on peut en tirer.

Quatre sons distincts, dont un seul vraiment indispensable : le signal d’évacuation, que l’apprenant devra reconnaître le jour venu. Si votre site dispose d’un signal sonore particulier, enregistrez-le lors d’un exercice plutôt que de le générer. Un son générique, même réaliste, n’apprend pas à reconnaître le vôtre.

Remarquez aussi ce qui manque : pas de musique d’introduction sous la présentation de l’objectif, pas d’ambiance de bureau pendant l’explication des consignes, pas de son de transition entre les parties. La partie la plus dense en informations, de 0:20 à 2:10, reste entièrement silencieuse en dehors de la voix. C’est exactement la configuration que l’étude de Moreno et Mayer a trouvée la plus favorable à l’apprentissage.

Comptez une dizaine de minutes pour établir ce plan à partir du script. Si vous générez les quatre sons (10 secondes au total) avec trois essais chacun, la consommation est d’environ 1 200 crédits chez ElevenLabs. Le gros du travail reste le calage au montage et la relecture des sous-titres.

Combien ça coûte, et avez-vous le droit de l’utiliser ?

Le coût. La génération d’effets coûte 40 crédits par seconde quand vous fixez la durée (documentation ElevenLabs). Le plan gratuit donne 10 000 crédits par mois, soit environ 250 secondes d’effets. Le plan Starter, à 6 $ par mois (1 $ le premier mois), en donne 30 000, soit environ 12 minutes et demie (tarifs ElevenLabs). Ces calculs sont les nôtres, et ces crédits sont partagés avec la voix : si vous produisez aussi vos voix off dans ElevenLabs, comptez large.

Pour une vidéo plus fournie, avec cinq sons de quatre secondes et trois essais chacun, la consommation tourne autour de 2 400 crédits. Le budget sonore n’est donc pas un sujet. Le temps de sélection, si.

Les droits. C’est le point à ne pas négliger. Le centre d’aide d’ElevenLabs est explicite (ElevenLabs, publier le contenu généré) :

• le plan gratuit n’inclut pas de licence commerciale, et son contenu ne peut servir à aucun usage commercial ; s’il est publié, son titre doit mentionner « elevenlabs.io » ou « 11.ai » ;
• tous les plans payants incluent une licence commerciale, sauf pour les services en bêta ;
• le contenu généré pendant un abonnement payant reste utilisable commercialement sans limite de durée, même après résiliation ; celui généré hors abonnement, avant ou après, ne l’est pas.

Pour un organisme de formation ou un service formation qui facture ses parcours, l’usage est commercial. Générez donc vos sons sur un compte payant, et gardez une trace de la date de génération. La question des droits sur les contenus sonores générés par IA dépasse ce cas précis : notre article sur les droits d’auteur de la musique IA fait le point sur le cadre juridique.

Pour la musique proprement dite, génériques ou habillages de début et de fin, ElevenLabs dispose d’un outil séparé, présenté dans notre guide ElevenLabs Music. Gardez-la pour l’ouverture et la clôture, jamais sous l’explication.

Intégrer les sons au montage sans gêner la compréhension

Une fois les sons générés, tout se joue au montage. Le schéma ci-dessous reprend l’ensemble de la démarche ; les quatre règles qui suivent détaillent les deux dernières étapes.

La voix d’abord. Dans une vidéo de formation, le commentaire porte l’essentiel du contenu. Réglez les bruitages nettement sous la voix et coupez-les, ou baissez-les fortement, pendant les phrases clés. Si vous hésitez sur un niveau, écoutez sans regarder l’image : comprenez-vous chaque mot du commentaire du premier coup ? Sinon, baissez le son.

Le son colle à l’image. Un bruitage décalé d’une demi-seconde par rapport à l’action se remarque et distrait. Calez le début du son sur l’image exacte de l’événement.

Une ambiance en boucle reste en retrait. Si une mise en situation demande une ambiance continue (un couloir d’hôpital, un atelier), gardez-la très basse et limitez-la à la scène concernée. L’expérience sur les freins rappelle qu’un son qui revient sans cesse finit par gêner.

Les sons utiles vont dans les sous-titres. Un apprenant sourd ou malentendant, ou simplement un salarié qui regarde la vidéo sans le son dans un open space, ne doit pas perdre l’information portée par un son. Les règles d’accessibilité du W3C considèrent que des sous-titres qui omettent des effets sonores importants ne sont pas conformes (W3C, critère 1.2.2). Écrivez-les entre crochets : « [alarme incendie au loin] », « [bip d’erreur de la machine] ». Si un son est purement décoratif, la question ne se pose pas : c’est qu’il n’aurait pas dû être là.

Quand ne pas mettre de bruitage du tout

Certains modules gagnent à rester sobres. Un module théorique où le commentaire est dense (réglementation, procédure, notions financières) n’a pas besoin d’événements sonores : chaque son entre en concurrence avec la voix. Une vidéo très courte de microlearning, d’une à deux minutes, gagne à se limiter à un ou deux sons. Et une formation regardée majoritairement sans le son, sur mobile ou en open space, doit tout dire par l’image et le texte.

À l’inverse, les formations de terrain gagnent souvent à être sonorisées : sécurité, hygiène, accueil, conduite d’engins, relation client. Le son y est une partie du réel que l’apprenant devra affronter. Si vos vidéos sont générées avec une IA qui produit elle-même l’audio, comme Veo, vérifiez ce qu’elle a ajouté : rien ne garantit qu’elle respecte le principe de cohérence, et elle peut placer une ambiance là où il n’en faut pas.

Former vos concepteurs à ces choix

Les outils de génération ont rendu le son presque gratuit et instantané. Ils n’ont pas rendu le bon choix plus facile. Ce qui distingue un module bien sonorisé d’un module bruyant, c’est la décision prise à l’étape du script, pas la qualité du générateur.

Former ses concepteurs à ce réflexe prend peu de temps, surtout quand on travaille sur leurs propres modules : repérer les sons utiles, écrire des prompts précis, mixer sous la voix, sous-titrer. C’est l’une des briques de notre parcours IA générative appliqué à la production de vidéos de formation, certifié Qualiopi et éligible à une prise en charge par votre OPCO selon votre branche.

Pour la partie image, notre guide des générateurs vidéo IA présente les outils disponibles.

FAQ

Ce qu’il faut retenir

Générer un bruitage ne coûte presque plus rien. C’est précisément pour cela qu’il faut se poser la question avant de l’ajouter. La recherche est claire sur un point : la musique de fond et les sons répétés font baisser l’apprentissage, alors que des sons brefs et synchronisés ne l’ont pas gêné. Notre conviction : un module de formation bien sonorisé est un module où chaque son a une raison d’être, où la voix reste toujours au premier plan, et où les sons utiles sont décrits dans les sous-titres. Pour mettre en place ces pratiques dans votre équipe de conception, vous pouvez apprendre à sonoriser et produire vos modules avec l’IA avec nos formateurs.