Dérusher avec Gemini : construire une méthode de revue vidéo assistée

Ce qu’il faut retenir

• Utilisez agentic pour chercher dans une vidéo longue ou retrouver des moments précis.
• Utilisez static pour un clip court, un balayage uniforme ou une comparaison à fréquence fixe.
• Demandez une sortie structurée avec timecodes, preuve, usage possible et contrôle humain.
• Traitez les chiffres de gain comme des benchmarks Google, pas comme une promesse de montage.

---

Ce que Gemini change dans un dérushage

Un dérushage classique consiste à regarder, noter, rembobiner, isoler des passages et transmettre une sélection. L’IA ne remplace pas ce geste éditorial ; elle peut accélérer la première passe et rendre les demandes de recherche plus systématiques.

Le découpage utile est le suivant :

1. Carte générale : de quoi parle la vidéo, quelles sont ses sections, où changent le lieu, le sujet ou l’énergie ?
2. Recherche ciblée : quelles phrases, personnes, objets, actions ou idées faut-il retrouver ?
3. Repérage temporel : où sont les passages, avec un début et une fin exploitables ?
4. Inspection : que voit-on réellement dans l’image, que dit-on réellement dans l’audio, et quelle preuve justifie la ligne ?
5. Décision de montage : garder, couper, vérifier, protéger ou demander un second avis.

Gemini peut produire la matière des quatre premières passes. La cinquième reste une décision humaine, parce qu’un bon plan dépend aussi de la continuité, du rythme, de l’intention du tournage, du droit à l’image et du projet de diffusion.

---

Agentic ou static : quel traitement choisir ?

La documentation officielle Gemini sur la compréhension vidéo distingue deux modes.

Le mode agentic pour chercher dans une vidéo longue

Le mode agentique laisse le modèle naviguer dans la vidéo. Il peut commencer par la transcription, charger un extrait, zoomer sur une portion temporelle ou demander une information audio lorsque la question l’exige. C’est le mode à privilégier pour une conférence, une interview, un webinaire ou une série de rushes lorsque la question est : « retrouve tous les moments où… ».

Google indique jusqu’à 88 % de tokens en moins et environ 7 % de qualité supplémentaire sur du contenu long. Ces chiffres sont des résultats Google, pas une mesure réalisée par CreativeAI sur un rush français. Le gain réel dépendra de la longueur, de la complexité de la question, de la densité de l’action et du modèle exposé dans votre compte.

Le mode static pour un balayage uniforme

Le mode statique extrait des images à fréquence fixe et les place en contexte en un seul passage. Il reste pertinent pour un clip court, une comparaison frame-level, un besoin de couverture régulière ou une question qui ne doit pas laisser la navigation décider des zones inspectées.

La documentation signale aussi qu’un clip de moins de cinq minutes peut subir un délai de démarrage supplémentaire avec agentic, le temps que le modèle planifie sa navigation. Ce n’est pas une règle absolue : c’est un critère de décision à mesurer sur votre cas.

---

Formats, durées et limites à connaître

Gemini accepte les types MIME vidéo suivants : video/mp4, video/mpeg, video/mov, video/avi, video/x-flv, video/mpg, video/webm, video/wmv et video/3gpp. Le format ne suffit pas à décider de la méthode : la taille, la durée, la réutilisation du fichier et la précision attendue déterminent aussi le chemin d’entrée.

Chemin d’entrée	Limite ou condition	Choix pratique
Files API	20 Go en offre payante, 2 Go en offre gratuite	Rush lourd, vidéo longue, réutilisation
Cloud Storage	2 Go par fichier	Fichier déjà stocké dans Google Cloud
Données inline	Tableau d’entrée : < 100 Mo ; note détaillée : rester sous 20 Mo de requête totale	Petit clip ponctuel
URL YouTube	Vidéo publique uniquement	Contexte public sans téléversement local

Pour les modèles disposant d’une fenêtre de contexte d’un million de tokens, la documentation indique jusqu’à 3 heures de vidéo par défaut en basse résolution média ou 1 heure en haute résolution. Gemini 2.5 et les modèles ultérieurs peuvent recevoir jusqu’à dix vidéos dans une même requête. Pour YouTube, le niveau gratuit est limité à huit heures de vidéo par jour ; la documentation ne fixe pas de limite de durée pour l’offre payante.

Commencez par agentic pour une vidéo longue ou une recherche ciblée. Gardez static pour un clip de moins de cinq minutes quand la latence compte, ou quand chaque seconde de couverture uniforme doit être contrôlée. Une action très rapide peut être manquée par l’échantillonnage à 1 FPS : demandez alors une inspection ciblée et vérifiez le rush.

---

Step by step : passer d’un rush à une feuille de dérushage

1. Écrire la décision à prendre. Remplacez « résume la vidéo » par une question de production : retrouver les prises où une méthode est expliquée, isoler les réponses exploitables ou repérer les plans de coupe.
2. Inspecter le fichier. Notez le format MIME, la taille, la durée, la langue et la présence d’une piste audio. Si la requête totale dépasse 20 Mo, si la vidéo est longue ou si elle sera réutilisée, choisissez Files API.
3. Choisir la voie d’entrée. Utilisez Files API pour un rush local ou récurrent, Cloud Storage pour un fichier déjà hébergé, inline pour un petit clip ponctuel et YouTube seulement pour une URL publique autorisée.
4. Téléverser puis attendre ACTIVE. Avec Files API, envoyez le fichier, interrogez son état et ne lancez pas l’interaction tant que le fichier n’est pas ACTIVE. Arrêtez le pipeline si l’état devient FAILED.
5. Choisir le modèle et le mode. Vérifiez l’accès réel du compte au modèle exposé. Utilisez processing: "agentic" pour le long-form ou les moments précis ; utilisez processing: "static" — éventuellement avec un FPS adapté — pour une couverture uniforme.
6. Demander une sortie vérifiable. Exigez un tableau début, fin, observation, preuve, usage possible, confiance et vérification humaine. Demandez à Gemini de distinguer transcription, audio, image et combinaison des modalités.
7. Relire les traces. Conservez output_text, le modèle, l’URI, le prompt et la date. En agentic, inspectez interaction.steps : processing_call et processing_result montrent les navigations effectuées.
8. Contrôler avant décision. Regardez et écoutez chaque passage retenu dans son contexte, corrigez les timecodes, contrôlez les droits et classez chaque ligne : garder, vérifier, couper, protéger ou demander un second avis.

Ce parcours est documenté à partir des pages Google et n’a pas été exécuté sur un rush dans ce run. Il doit être testé avec un fichier autorisé avant de devenir une procédure de production.

---

Préparer un rush avant l’analyse

Avant de demander une sortie, écrivez la décision que la feuille doit aider à prendre. « Résume cette vidéo » donne une note générale. « Repère les passages où la personne explique une méthode, donne le timecode de début et de fin, cite les éléments audio qui le prouvent, puis indique si le passage peut servir d’accroche » produit un document de travail.

Utilisez cette fiche de préparation :

• nom du fichier, version, langue et durée ;
• piste audio disponible et qualité de transcription attendue ;
• personne qui valide les timecodes ;
• usage final : selects, chapitrage, citation, sous-titrage, plan de coupe ou archive ;
• informations sensibles, droits de diffusion et règles de conservation ;
• définition de « pertinent » pour ce projet.

Pour les fichiers importants, Google recommande l’API Files lorsque la vidéo est lourde, longue ou doit être réutilisée. Les URL YouTube prises en charge doivent être publiques. Dans tous les cas, ne téléversez pas un rush client sans autorisation et sans vérifier les conditions de traitement de votre compte.

---

La méthode de revue en six passes

1. Cartographier

Demandez les grandes sections, les changements de sujet, les interlocuteurs et les ruptures de rythme. Ne demandez pas encore cinquante selects : vous voulez une carte de navigation.

2. Chercher dans la transcription

Faites rechercher les mots, expressions, noms, arguments et formulations approximatives. Une formulation peut être prononcée différemment de la requête ; demandez donc les synonymes et les reformulations repérées.

3. Demander un tableau de timecodes

La sortie minimale doit comporter : début, fin, observation, preuve, usage possible, confiance et vérification humaine. Sans cette structure, l’équipe reçoit un résumé qu’elle doit entièrement refaire.

4. Zoomer sur les moments ambigus

Une transcription ne suffit pas pour un geste, un changement de cadrage, un écran, un objet ou une micro-action. Utilisez la question pour demander une inspection visuelle précise, avec un intervalle court.

5. Contrôler l’audio

Demandez à distinguer parole, silence, bruit, musique, chevauchement et qualité de diction. La question « que dit la personne ? » n’est pas la même que « quelle phrase est intelligible et isolable au montage ? ».

6. Décider avec un humain

Chaque ligne devient une proposition. Le monteur ou le réalisateur vérifie le début et la fin, regarde le plan dans son contexte, écoute avant et après, puis choisit : garder, couper, demander un autre avis, protéger le passage ou ne pas l’utiliser.

Prompt : feuille de dérushage

Modèle et mode vérifiés : Gemini API, traitement vidéo agentic via interactions.create ; modèle et endpoint à confirmer dans le compte utilisé. Objectif : produire une feuille de dérushage structurée, avec preuves et décisions de vérification. Variables à adapter : [brief], langue, durée, critères de pertinence, usages possibles et niveau de détail attendu. Pourquoi cette structure : elle sépare la carte générale, la recherche, la preuve temporelle et la décision humaine. Limites : les timecodes et les interprétations doivent être relus sur le rush ; le prompt ne décide ni des droits ni du montage final. Validation : documentation Gemini Video understanding consultée le 12 septembre 2026 ; documenté, non exécuté.

Le prompt ci-dessous est compatible avec la logique documentée par Google. Il est documenté mais non exécuté dans ce run : adaptez le brief et contrôlez chaque sortie.

Tu es assistant de dérushage pour une équipe de postproduction.

Analyse cette vidéo en plusieurs passes :
1. produis une carte générale des sections, sujets et changements importants ;
2. repère les moments pertinents pour ce brief : [décrire la décision à prendre] ;
3. retourne un tableau avec début, fin, observation, preuve audio ou visuelle,
   usage possible, niveau de confiance et vérification humaine à effectuer ;
4. cite les timecodes au format MM:SS ;
5. signale explicitement ce que tu n'as pas pu vérifier.

Ne transforme pas une hypothèse en fait. Distingue ce qui vient de la
transcription, de l'audio, de l'image ou d'une combinaison des trois.

Relances de contrôle

Modèle et mode vérifiés : même contexte vidéo et même interaction que le prompt de départ. Objectif : faire justifier chaque ligne sans fabriquer de preuve absente. Variables à adapter : colonnes du tableau, règles de confiance et seuil de sélection. Pourquoi cette structure : elle force le retour au passage source et distingue modalité observée et interprétation. Limites : une réponse structurée peut rester fausse ; regarder et écouter le passage reste obligatoire. Validation : documentation Gemini Video understanding consultée le 12 septembre 2026 ; documenté, non exécuté.

Après la première sortie, utilisez des relances courtes :

Pour chaque ligne du tableau, donne le passage exact qui la justifie.
Ajoute le début et la fin du passage, puis indique si la preuve vient de
l'audio, de la transcription, de l'image ou de plusieurs modalités.
Ne complète pas une information absente : écris « non vérifié ».

Reprends uniquement les moments classés « garder » ou « à vérifier ».
Pour chacun, explique l'usage possible : accroche, preuve, plan de coupe,
transition, citation ou archive. Ne décide pas du montage final.

---

Reproduire le mécanisme par l’API

La documentation Gemini actuelle montre interactions.create, un fichier vidéo référencé et processing: "agentic". Elle recommande d’inspecter interaction.steps : la présence de processing_call et processing_result indique que le modèle a navigué dans la vidéo. Le snippet suivant reprend la forme officielle ; il n’a pas été exécuté ici.

from google import genai

client = genai.Client()

video_file = client.files.upload(
    file="path/to/lecture.mp4",
    config={"mime_type": "video/mp4"},
)

interaction = client.interactions.create(
    model="gemini-3.8-flash",
    input=[
        {
            "type": "video",
            "uri": video_file.uri,
            "mime_type": video_file.mime_type,
            "processing": "agentic",
        },
        {
            "type": "text",
            "text": "Repère les trois arguments principaux et donne leurs timecodes.",
        },
    ],
)

print(interaction.output_text)

Dans un pipeline, ne sauvegardez pas uniquement output_text. Conservez le prompt, le modèle, l’URI du fichier, la date, le mode de traitement, les étapes de navigation et la version du livrable. Vous pourrez ainsi expliquer pourquoi un timecode a été retenu et relancer l’analyse si la sortie change.

Attention à la version du modèle

Les surfaces officielles ne présentent pas toutes exactement la même matrice de versions. La documentation API consultée le 12 septembre 2026 expose Gemini 3.8 Flash, 3.7 Flash, 3.6 Flash et 3.5 Flash Lite pour le mode agentique ; l’annonce Google consultée le même jour affiche une liste plus courte. Retenez donc le mécanisme processing="agentic" comme principe, mais vérifiez le modèle, l’endpoint et l’accès de votre compte avant de documenter un déploiement.

---

Exemple de feuille de dérushage

Timecode	Observation	Preuve	Usage possible	Contrôle humain
00:00-02:10	Introduction et contexte	Parole + plan d’ensemble	Ouverture longue	Vérifier si le contexte est nécessaire
12:34-13:08	Méthode expliquée	Phrase identifiable dans l’audio	Citation ou extrait pédagogique	Revoir avant et après
24:17-24:23	Geste rapide sur un écran	Image ciblée	Plan de coupe	Contrôler lisibilité et confidentialité
39:02-39:20	Réponse à la question du brief	Audio + transcription	Select principal	Vérifier la continuité du raisonnement

Ce tableau est une forme de sortie, pas un résultat issu d’un fichier réel. La distinction est importante : un timecode inventé dans un article deviendrait une fausse preuve.

---

Ce que Gemini ne décide pas à votre place

• la bonne durée d’un extrait pour un récit ;
• la continuité d’un geste ou d’un regard entre deux plans ;
• l’intention d’une personne lorsqu’elle hésite ou ironise ;
• l’acceptabilité juridique d’une image, d’une voix ou d’un écran ;
• le droit d’utiliser une séquence dans un montage publicitaire ;
• la hiérarchie esthétique d’une sélection ;
• la cohérence avec la bible visuelle d’une marque.

La sortie utile est donc un registre de preuves et d’hypothèses vérifiables. Elle ne doit pas être publiée, montée ou livrée comme une vérité autonome.

---

Coût, volume et traitement par lots

La page de tarification Gemini distingue les tokens vidéo en entrée, les tokens de sortie, le cache et le stockage du fichier. Pour gemini-3.8-flash, la grille consultée le 12 septembre 2026 affiche, jusqu’au 31 décembre 2026, les montants suivants en offre payante :

Mode	Entrée	Sortie	Cache
Standard	0,75 $ / million de tokens	3,75 $ / million	0,075 $ / million
Batch	0,375 $ / million de tokens	1,875 $ / million	0,0375 $ / million

Le stockage du cache est affiché séparément à 0,50 $ par million de tokens et par heure jusqu’à la fin de 2026. La page annonce aussi une révision des prix à partir du 1er janvier 2027 : relisez-la avant de chiffrer un pipeline durable. L’offre gratuite propose des tokens d’entrée et de sortie gratuits, mais avec un accès aux modèles et des limites plus restreints.

En mode statique, Google donne un ordre de grandeur d’environ 100 tokens par seconde en basse résolution média et 300 tokens par seconde en haute résolution, avant les métadonnées. Une heure représenterait donc environ 360 000 tokens vidéo en basse résolution, soit environ 0,27 $ d’entrée au tarif Standard ci-dessus, ou environ 1,08 million de tokens et 0,81 $ en haute résolution. Ce calcul est indicatif : la sortie, les métadonnées, le modèle et le plan s’ajoutent à la facture. En mode agentique, l’usage varie selon la navigation et les segments réellement chargés ; il ne se convertit pas proprement en prix à la minute.

Pour une grande série de rushes non urgente, le Batch API annonce un traitement asynchrone et un prix égal à 50 % du coût standard, avec un délai cible de 24 heures. Il est adapté à une pré-indexation ou à une évaluation en volume, pas à une décision de montage qui doit revenir dans la minute.