ElevenLabs : donner une vraie voix à vos textes

ElevenLabs permet de transformer un texte écrit en voix de synthèse, dans plus de 70 langues et avec des milliers de voix disponibles. La plateforme fonctionne dans le navigateur et couvre aussi bien la narration d’un livre audio que le dialogue à plusieurs personnages. Elle vise les créateurs de contenu, les formateurs et les studios qui produisent de l’audio en volume.
 
 

Découvrir ElevenLabs

Piotr Dąbkowski et Mati Staniszewski, passés par Google et Palantir, ont fondé la société à Londres en 2022, après avoir vu trop de films américains mal doublés. Le pari a payé : une levée de 500 millions de dollars menée par Sequoia porte la valorisation à 11 milliards en février 2026, puis une vente d’actions de salariés la double à 22 milliards en octobre.
L’offre dépasse largement la lecture de texte : clonage de voix, doublage automatique de vidéos, transcription avec Scribe, générateur musical, agents conversationnels. Tout passe par une interface unique, en anglais, organisée autour d’un éditeur nommé Studio. Le modèle économique repose sur des crédits mensuels, un crédit valant un caractère lu. Depuis le 28 septembre 2026, le modèle le plus récent s’appelle Eleven v4 : il accepte des indications de jeu entre crochets, couvre plus de 90 langues et reste accessible au compte gratuit.
 
 

Prise en main

Pour ce test, nous avons produit un épisode de podcast fictif sur les grands modèles de langage : deux intervenantes, sept répliques alternées, 1 621 caractères. Le Studio accepte le texte collé directement, chaque paragraphe devenant un bloc autonome. Assigner une voix demande ensuite un clic dans le bloc puis un clic sur la voix, à répéter pour chacun. Aucune détection automatique des locuteurs n’existe : comptez six minutes de manipulation.
 

 
La génération, elle, va vite. Un clic sur Generate, et le premier bloc devient audible en une dizaine de secondes. Les suivants se fabriquent en continu pendant l’écoute, la lecture surlignant le mot en cours. Les 1 min 55 d’audio à deux voix étaient prêtes en moins de trente secondes. L’outil annonce également deux régénérations gratuites au survol du bouton.
 

 
Voici le résultat, sans montage ni retouche.
 

 
Extrait produit pendant notre test avec les voix Emilie – Podcast Host et Nathalie – Calm French Storyteller, modèle Eleven Multilingual v2, antérieur aux modèles v3 et v4. Les deux voix sont générées par intelligence artificielle.
 
 

Fonctionnalités clés

Le Studio, un éditeur qui traite le dialogue bloc par bloc

Le Studio découpe le script en paragraphes indépendants, chacun portant sa propre voix, son volume et ses fondus. Cette granularité permet de refaire une seule réplique sans toucher au reste. Le plan gratuit autorise trois projets simultanés. La barre latérale donne également accès à l’amélioration du texte, à la suppression du bruit de fond et au remplacement de voix. Un bémol : le bouton d’export a cessé de répondre plusieurs minutes après une régénération.
 

Une bibliothèque de voix qu’il faut savoir filtrer

C’est le point qui change tout, et il se joue avant la première génération. Une recherche libre sur « french » ne remonte que sept voix, dont plusieurs étiquetées narration lente. Notre première tentative a produit une journaliste au débit traînant, identifiée comme artificielle dès l’écoute. En passant par les filtres Langue, Genre et Cas d’usage, la même bibliothèque propose 346 voix françaises conversationnelles féminines, dont une baptisée « Emilie – Podcast Host ». Le rendu devient alors sans commune mesure, à modèle et réglages identiques.
 

 

Voice Design, fabriquer une voix à partir d’une description

Cette fonction crée une voix inédite depuis un simple texte descriptif. Nous avons saisi en français « voix d’homme, la cinquantaine, grave et posée, timbre chaud légèrement voilé, débit lent de documentaire animalier ». La plateforme a détecté seule la langue et livré trois propositions distinctes en une dizaine de secondes. Le coût dépend de la longueur du prompt : 171 crédits pour une description courte, 350 pour la nôtre. Le plan gratuit autorise trois voix personnalisées.
 

 

Export libre et coût annoncé avant génération

L’export ne souffre d’aucune restriction technique au gratuit : MP3 ou WAV, fichier unique ou archive ZIP découpée paragraphe par paragraphe. Nos trois exports sont sortis en 192 kbps, alors que la grille tarifaire réserve cette qualité au plan Pro. L’historique conserve chaque version et permet de la retélécharger. Le panneau affiche enfin le prix avant de produire, avec le détail par voix : refaire quatre répliques sur sept nous a été annoncé, puis facturé, 466 crédits. C’est le seul endroit de l’interface qui chiffre une action à l’avance.
 

 
 

Cas d’usage

Podcasteur ou vidéaste : il produit une voix off régulière sans studio ni comédien, ou fabrique une fiction sonore à plusieurs personnages. L’export ZIP paragraphe par paragraphe facilite ensuite le montage.
 
Formateur et organisme de formation : il sonorise des modules e-learning et les décline en plusieurs langues sans réenregistrer, avec une voix identique d’un module à l’autre.
 
Éditeur et auteur indépendant : il produit une version audio d’un livre à un coût sans rapport avec un studio. La normalisation du volume aux standards du livre audio est intégrée.
 
Développeur : il intègre la synthèse vocale dans une application via l’API, avec dictionnaires de prononciation et webhooks. La console affiche la latence moyenne et le détail de la consommation.
 
 

Tarifs

Le plan gratuit offre 10 000 crédits par mois, soit environ dix minutes d’audio français, sans licence commerciale. Ensuite, le plan Starter à 6 dollars par mois ouvre l’usage commercial, le clonage instantané et 30 000 crédits. Enfin, les plans Creator à 22 dollars, Pro à 99 dollars et Scale à 299 dollars montent respectivement à 121 000, 600 000 et 1,8 million de crédits, le clonage professionnel apparaissant à partir du plan Creator.
 

 
 

Analyse des points forts et limites

Points forts

• Rapidité réelle : moins de trente secondes pour deux minutes d’audio à deux voix, sans questionnaire de cadrage.
• Qualité du français : sur une voix bien choisie, le rendu tient la comparaison avec un enregistrement humain.
• Profondeur de la bibliothèque : des centaines de voix françaises filtrables par accent, âge et cas d’usage.
• Export sans entrave : MP3 et WAV dès le gratuit, découpe par paragraphe, historique retéléchargeable.
• Gratuit peu harcelant : aucun bandeau publicitaire, aucune relance, une seule fonction verrouillée.

 

Limites

• Compteur de crédits peu fiable : l’affichage indiquait 9 078 crédits restants quand la page Analytics en comptait 2 730 consommés, soit 1 808 d’écart. Il lui arrive de remonter.
• Sigles français mal lus : « RAG » est épelé lettre par lettre. Le dictionnaire de prononciation ne se rattache pas à un projet Studio, et ses phonèmes ignorent le modèle multilingue.
• Corrections refacturées : changer de voix sur quatre répliques a coûté 466 crédits, soit 29 % de la production initiale.
• Interface entièrement en anglais : aucune option de langue dans les réglages, seul le site vitrine est traduit.
• Réputation contrastée : 3,1 sur 5 sur Trustpilot pour 1 169 avis, dont 38 % à une étoile visant surtout la consommation des crédits.

 

 
 

Notre recommandation

ElevenLabs reste le choix par défaut dès que la qualité de la voix française prime sur le reste. Le gratuit suffit pour se faire un avis : dix minutes d’audio, l’export complet et Voice Design y sont accessibles. Deux réflexes conditionnent le résultat. Filtrez la bibliothèque par langue et par cas d’usage plutôt que de chercher « french ». Relisez ensuite votre texte à voix haute pour repérer les sigles, puis écrivez-les phonétiquement. Pour un usage professionnel régulier, faites vos comptes : à 22 dollars mensuels pour deux heures d’audio, corrections refacturées et compteur approximatif compris, le budget monte vite.
 
 

Questions fréquentes sur ElevenLabs

Peut-on utiliser ElevenLabs gratuitement pour un usage commercial ?

Non. La licence commerciale démarre au plan Starter, à 6 dollars par mois. Le gratuit couvre l’apprentissage, les tests et les projets personnels. Rien dans l’interface ne le rappelle au moment d’exporter.
 

Faut-il signaler qu’une voix a été générée par IA ?

Oui, le règlement européen sur l’IA impose de rendre identifiable un contenu audio synthétique. Nous avons posé la question deux fois à l’assistant intégré, qui a répondu la même chose mot pour mot : il renvoie au support sans se prononcer.
 

 

Combien de minutes d’audio pour 10 000 crédits gratuits ?

Les 10 000 crédits gratuits donnent environ dix à douze minutes en français, un crédit valant un caractère. Notre podcast de 1 min 55 a consommé 1 520 crédits. À durée égale, le français revient plus cher que l’anglais, sa transcription mobilisant davantage de caractères.
 

Comment corriger la prononciation d’un sigle en français ?

Écrivez-le phonétiquement dans le script. Nous avons testé « RAG » et « rague » dans la même phrase : la première graphie est épelée, la seconde correctement prononcée. C’est d’ailleurs la correction appliquée dans l’extrait audio ci-dessus, sur la dernière phrase. Le dictionnaire de prononciation du compte, lui, n’a eu aucun effet sur notre projet Studio.
 

ElevenLabs ou Murf AI, lequel choisir ?

ElevenLabs garde l’avantage sur le naturel de la voix et la taille de la bibliothèque. Murf AI propose une interface plus simple et une synchronisation voix-vidéo intégrée, à un tarif plus lisible. Pour du dialogue à plusieurs personnages en français, la première solution reste devant.
 
 
Pour aller plus loin : découvrez tout notre dossier pour créer de la musique avec l’IA, et retrouvez aussi notre sélection des meilleurs générateurs de voix par IA.
Mise à jour : 3 octobre 2026