Vous avez trois quarts d’heure de conférence, un tutoriel de vingt minutes ou l’enregistrement d’une réunion à digérer, et un assistant IA qui promet de « tout résumer ». Sauf qu’une vidéo est un gouffre à jetons : l’image, le son, les sous-titres… et votre quota mensuel fond comme neige au soleil. Bonne nouvelle : avec quelques réflexes et dix prompts bien calibrés, on obtient d’excellents résumés pour une fraction du coût.
Pourquoi une vidéo coûte-t-elle si cher ?
Rappel express : les jetons (tokens)
Les jetons sont les petits morceaux de mots, d’images ou de sons que l’IA lit et écrit. Vos quotas, vos limites d’utilisation ou votre facture se calculent en jetons. Une vidéo en consomme énormément, car chaque seconde est découpée en images et en son.
Les jetons sont les petits morceaux de mots, d’images ou de sons que l’IA lit et écrit. Vos quotas, vos limites d’utilisation ou votre facture se calculent en jetons. Une vidéo en consomme énormément, car chaque seconde est découpée en images et en son.
Prenons l’exemple de Gemini, le seul assistant dont la documentation chiffre précisément le coût. Selon Google, chaque seconde de vidéo envoyée est analysée à raison d’une image par seconde : environ 100 jetons par seconde en basse résolution, environ 300 en haute résolution, l’audio étant traité à raison de 32 jetons par seconde. Faisons le calcul pour une vidéo de 10 minutes (600 secondes) :
| Façon de procéder | Jetons pour 10 minutes (ordre de grandeur) | Remarque |
| Coller la transcription (texte) | environ 2 000 à 2 400 | Valeur indiquée pour une vidéo de 5 à 10 minutes |
| Envoyer la vidéo, basse résolution | environ 60 000 | 100 jetons par seconde × 600 secondes |
| Envoyer la vidéo, haute résolution | environ 180 000 | 300 jetons par seconde × 600 secondes |
Autrement dit, la même vidéo coûte de 25 à 75 fois plus cher si on l’envoie en entier que si on se contente de sa transcription (calcul approximatif de notre part, à partir de sources différentes). Et la tendance est à la baisse du côté des éditeurs : Google a annoncé le 1er septembre 2026 un mode « agentique » où le modèle va chercher lui-même les séquences utiles, avec jusqu’à 88 % de jetons en moins sur de longues vidéos selon ses propres mesures, tandis qu’Alibaba affirme que Qwen3.8-Omni-Flash consomme environ 45 % de jetons vidéo en moins que son prédécesseur.
Note : Les quotas de chaque application (nombre de messages, d’heures de vidéo) changent souvent et ne sont pas toujours publiés : nous ne promettons donc aucun chiffre d’économie pour votre abonnement. Le principe, lui, est universel : moins de jetons envoyés, plus de marge.
Les cinq réflexes avant même d’écrire un prompt
- Commencez par la transcription. Pour un podcast, une conférence, une interview ou une réunion, le texte suffit presque toujours. Sous une vidéo YouTube, ouvrez la description puis cliquez sur « Afficher la transcription » quand elle existe, copiez-la et collez-la dans l’IA (l’emplacement du bouton peut varier selon l’interface).
- Gardez l’image pour ce qui est visuel. Un tutoriel de logiciel, une recette, un schéma ou une démonstration perdent l’essentiel sans l’image. Là, envoyez la vidéo, mais seulement le passage utile.
- Découpez. Indiquez des horodatages au format minutes:secondes (par exemple 12:30) pour limiter l’analyse. Dans l’API de Gemini, on peut même définir un début et une fin, ou réduire la cadence d’échantillonnage (une image toutes les deux secondes au lieu d’une).
- Posez plusieurs questions dans un seul message. Dans la plupart des outils, chaque message supplémentaire oblige l’IA à relire tout ce qui précède, transcription comprise.
- Avancez en deux temps. D’abord un plan avec horodatages, ensuite un zoom sur les parties qui vous intéressent.
Attention à la confidentialité : Ne téléversez pas la vidéo d’une réunion confidentielle, d’un cours payant ou d’une personne qui n’a pas donné son accord dans un service dont vous ne maîtrisez pas les conditions d’utilisation. Une transcription nettoyée de ses noms et chiffres sensibles est souvent un bon compromis.
Les 10 prompts à copier-coller
Remplacez les éléments entre crochets. Chaque prompt suppose que vous avez collé la transcription (ou joindre la vidéo) dans le même message.
Prompt 1 : le résumé express
« Voici la transcription d’une vidéo. Résume-la en 5 points maximum, une phrase par point, puis donne la conclusion en une ligne. Ignore les présentations, les appels à s’abonner et les passages publicitaires. »
Pourquoi ça économise : la longueur de la réponse est plafonnée, et on évite que l’IA recopie tout.
« Voici la transcription d’une vidéo. Résume-la en 5 points maximum, une phrase par point, puis donne la conclusion en une ligne. Ignore les présentations, les appels à s’abonner et les passages publicitaires. »
Pourquoi ça économise : la longueur de la réponse est plafonnée, et on évite que l’IA recopie tout.
Prompt 2 : le plan chronologique
« À partir de cette transcription, établis un plan de la vidéo sous forme de tableau : horodatage de début (minutes:secondes), titre de la partie en 6 mots maximum, résumé en une phrase. N’ajoute aucun commentaire. »
Pourquoi ça économise : vous obtenez une carte de la vidéo pour cibler ensuite les passages utiles, sans tout relire.
« À partir de cette transcription, établis un plan de la vidéo sous forme de tableau : horodatage de début (minutes:secondes), titre de la partie en 6 mots maximum, résumé en une phrase. N’ajoute aucun commentaire. »
Pourquoi ça économise : vous obtenez une carte de la vidéo pour cibler ensuite les passages utiles, sans tout relire.
Prompt 3 : le zoom sur un passage
« Concentre-toi uniquement sur la séquence de [12:30] à [18:45]. Explique en détail ce que dit l’intervenant, les arguments dans l’ordre, et les exemples donnés. Ne résume pas le reste de la vidéo. »
Pourquoi ça économise : l’analyse porte sur quelques minutes, pas sur toute la durée.
« Concentre-toi uniquement sur la séquence de [12:30] à [18:45]. Explique en détail ce que dit l’intervenant, les arguments dans l’ordre, et les exemples donnés. Ne résume pas le reste de la vidéo. »
Pourquoi ça économise : l’analyse porte sur quelques minutes, pas sur toute la durée.
Prompt 4 : les chiffres et les affirmations à vérifier
« Liste toutes les données chiffrées et toutes les affirmations factuelles de cette vidéo, avec l’horodatage de chacune. Classe-les en deux colonnes : « plausible » et « à vérifier ». N’invente rien : si un chiffre n’est pas cité, écris « non précisé ». »
Pourquoi ça économise : une seule demande structurée remplace dix questions successives. L’IA peut se tromper : vérifiez toujours à la source.
« Liste toutes les données chiffrées et toutes les affirmations factuelles de cette vidéo, avec l’horodatage de chacune. Classe-les en deux colonnes : « plausible » et « à vérifier ». N’invente rien : si un chiffre n’est pas cité, écris « non précisé ». »
Pourquoi ça économise : une seule demande structurée remplace dix questions successives. L’IA peut se tromper : vérifiez toujours à la source.
Prompt 5 : le tutoriel en étapes
« Transforme cette vidéo en procédure numérotée : étape, action à réaliser, outil ou menu concerné, erreur fréquente. Si une étape semble reposer sur ce qui est montré à l’écran et n’est pas décrite à l’oral, signale-la par « étape visuelle à regarder » avec l’horodatage. »
Pourquoi ça économise : vous ne regardez que les passages que la transcription ne peut pas rendre.
« Transforme cette vidéo en procédure numérotée : étape, action à réaliser, outil ou menu concerné, erreur fréquente. Si une étape semble reposer sur ce qui est montré à l’écran et n’est pas décrite à l’oral, signale-la par « étape visuelle à regarder » avec l’horodatage. »
Pourquoi ça économise : vous ne regardez que les passages que la transcription ne peut pas rendre.
Prompt 6 : le compte rendu de réunion
« Voici l’enregistrement transcrit d’une réunion. Produis un compte rendu en trois blocs : (1) décisions prises ; (2) actions sous forme de tableau « qui / quoi / pour quand » ; (3) points restés ouverts. N’attribue une action à une personne que si elle a été clairement nommée. »
Pourquoi ça économise : le résultat est directement exploitable, sans aller-retour de reformulation.
« Voici l’enregistrement transcrit d’une réunion. Produis un compte rendu en trois blocs : (1) décisions prises ; (2) actions sous forme de tableau « qui / quoi / pour quand » ; (3) points restés ouverts. N’attribue une action à une personne que si elle a été clairement nommée. »
Pourquoi ça économise : le résultat est directement exploitable, sans aller-retour de reformulation.
Prompt 7 : la fiche de révision
« À partir de ce cours, rédige une fiche de révision : 5 notions clés avec une définition simple, un exemple concret pour chacune, puis 5 questions de quiz avec leurs réponses cachées en fin de document. »
Pourquoi ça économise : un seul message produit la fiche et le quiz.
« À partir de ce cours, rédige une fiche de révision : 5 notions clés avec une définition simple, un exemple concret pour chacune, puis 5 questions de quiz avec leurs réponses cachées en fin de document. »
Pourquoi ça économise : un seul message produit la fiche et le quiz.
Prompt 8 : à regarder ou à sauter ?
« Dis-moi si cette vidéo vaut la peine d’être regardée en entier pour quelqu’un qui [décris ton niveau et ton objectif]. Réponds par « oui », « en partie » ou « non », justifie en deux phrases, puis indique les passages à voir avec leurs horodatages et ceux à sauter, y compris les parties sponsorisées. »
Pourquoi ça économise : un verdict en quelques lignes évite de dépenser des jetons, et du temps, sur une vidéo inutile.
« Dis-moi si cette vidéo vaut la peine d’être regardée en entier pour quelqu’un qui [décris ton niveau et ton objectif]. Réponds par « oui », « en partie » ou « non », justifie en deux phrases, puis indique les passages à voir avec leurs horodatages et ceux à sauter, y compris les parties sponsorisées. »
Pourquoi ça économise : un verdict en quelques lignes évite de dépenser des jetons, et du temps, sur une vidéo inutile.
Prompt 9 : comparer deux vidéos « Voici les transcriptions de deux vidéos sur [sujet]. Compare-les dans un tableau : points d’accord, points de désaccord, informations présentes dans l’une et absentes de l’autre. Termine par une recommandation en deux lignes. »
Pourquoi ça économise : une seule requête remplace deux résumés et une comparaison.
Pourquoi ça économise : une seule requête remplace deux résumés et une comparaison.
Prompt 10 : les questions en lot « Réponds en une seule fois aux cinq questions suivantes sur cette vidéo. Pour chaque réponse, cite l’horodatage correspondant ; si l’information n’est pas dans la vidéo, écris « absent de la vidéo ». 1) [question] 2) [question] 3) [question] 4) [question] 5) [question] »
Pourquoi ça économise : la transcription n’est relue qu’une fois, et l’obligation de citer l’horodatage limite les inventions.
Pourquoi ça économise : la transcription n’est relue qu’une fois, et l’obligation de citer l’horodatage limite les inventions.
Quel outil pour quelle vidéo ?
| Votre situation | Méthode recommandée | Pourquoi |
| Podcast, interview, conférence, cours | Transcription collée dans l’assistant de votre choix | Dialogue dense, peu d’information visuelle |
| Tutoriel logiciel, recette, démonstration | Vidéo ou extrait court, transcription en complément | L’essentiel est à l’écran |
| Très longue vidéo (plus d’une heure) | Plan d’abord (prompt 2), puis zooms (prompt 3) | On ne paie que les passages utiles |
| Plusieurs vidéos sur un même sujet | Prompt 9, transcriptions fusionnées | Une seule analyse comparative |
Notez aussi que, selon la documentation de Gemini, un assistant peut traiter directement une vidéo YouTube publique à partir de son lien, jusqu’à dix vidéos par requête avec les modèles récents. Pratique, mais c’est aussi la solution qui consomme le plus : réservez-la aux contenus où l’image compte.
Les pièges à éviter
- Croire que l’IA « regarde » tout. Selon plusieurs guides, certains assistants ne s’appuient que sur la transcription et ignorent ce qui n’est montré qu’à l’écran. Vérifiez ce que fait votre outil.
- Prendre une transcription automatique pour la vérité. Noms propres, chiffres et termes techniques sont souvent mal transcrits. Relisez les passages clés.
- Demander « résume » sans contrainte. Sans plafond de longueur ni format, vous obtenez un pavé inutilement long.
- Oublier les droits. Résumer pour votre usage personnel est une chose, republier un résumé détaillé d’un contenu protégé en est une autre.
💬 Et vous, comment faites-vous ?
- Collez-vous la transcription ou envoyez-vous la vidéo entière à l’IA ? Avez-vous remarqué une différence de qualité ?
- Quel type de vidéo aimeriez-vous résumer plus souvent : cours, réunions, tutoriels, podcasts ?
- Un résumé IA remplace-t-il vraiment le visionnage complet pour vous, ou seulement pour trier ?
- Quel est votre meilleur prompt de résumé ? Partagez-le en commentaire.
