Seulement 16,8 % des vidéos YouTube dépassent 50 % de rétention d’audience. La moyenne 2025, tous secteurs confondus, se situe à 23,7 %. La plupart des vidéos perdent la majorité de leur audience — et les données suggèrent qu’une grande partie de la raison se joue avant même qu’un mot ne soit prononcé : la façon dont le sujet est cadré à l’écran.
Voici ce que les données de rétention révèlent réellement sur le type de plan, la présence du visage, le contact visuel et les changements de scène — et pourquoi le cadrage compte peut-être bien plus qu’on ne le pense généralement.
Plus de 55 % des spectateurs ont déjà quitté la vidéo dans les 60 premières secondes, quelle que soit sa durée. La fenêtre pour capter une attention durable est courte — on cite parfois un seuil aussi bas que 8 secondes avant que le risque de décrochage n’augmente fortement. Le plan d’ouverture porte une part disproportionnée de ce travail dans cette fenêtre : qui le spectateur voit, comment cette personne est cadrée, et si elle le regarde directement.
C’est un problème de cadrage avant d’être un problème de contenu. Un script peut être excellent et perdre malgré tout l’attention de la salle si les toutes premières secondes du plan ne retiennent pas le regard.
Une analyse computationnelle portant sur des milliers de vidéos générées par des utilisateurs a montré qu’une présence modérée du visage — le sujet apparaissant dans environ 30 à 40 % des images — produit le meilleur engagement. Trop peu de temps de visage, et les spectateurs perdent cette connexion personnelle qui rend une vidéo plus intéressante à regarder qu’un texte à lire. Trop de temps de visage sans variété visuelle, et l’attention se dissipe, peu importe à quel point la personne est captivante.
L’implication est qu’un plan « face caméra » bénéficie de la variété, pas seulement d’un cadre statique bien éclairé maintenu sur toute la durée.
Les vidéos qui alternent entre plans larges, plans moyens et gros plans affichent une augmentation notable de la rétention par rapport aux vidéos filmées en plan unique et statique. Ce n’est pas d’abord une astuce de montage — c’est une décision de production prise avant même l’enregistrement d’un seul mot. Une configuration multi-caméra capture cette variété en une seule prise, sans avoir besoin de la simuler ensuite au montage, à coups de coupes, de zooms ou de recadrages.
Des décennies de recherche en psychologie pointent toutes dans la même direction : un contact visuel direct augmente la confiance perçue, la sympathie, et la mémorisation du message. Un regard fuyant produit l’effet inverse — il est perçu comme moins empathique et moins efficace, même lorsque les mots prononcés sont identiques.
Ce qui détermine si le contact visuel est même possible, c’est la position de la caméra et le cadrage. Une caméra placée légèrement hors axe ou trop basse brise la sensation d’adresse directe avant même que le sujet n’ait prononcé un seul mot.
La rétention n’est pas d’abord un problème de contenu — c’est un problème de cadrage. Un plan qui place un visage bien éclairé au niveau des yeux, regardant droit dans l’objectif, avec assez de variété pour retenir l’attention au-delà de la première minute, fait déjà plus de travail que la plupart des scripts. Le message reste important. Mais c’est le cadre qui décide si quelqu’un est encore là pour l’entendre.
Trouver le bon axe de regard, régler une configuration multi-caméra pour la variété des plans, maintenir le visage dans cette zone idéale de 30 à 40 % — c’est beaucoup à gérer en plus de simplement dire ce que vous êtes venu dire. Chez Villo Studio, les angles larges, moyens et rapprochés sont déjà réglés avant même que vous vous asseyiez, si bien que les décisions de cadrage évoquées par ces données sont déjà prises en charge — vous n’avez pas à y penser en plein enregistrement. Réservez une session et laissez le travail de caméra suivre ce que disent les données.
