Leçon 15 · Avancé · 15 min
Analyser une vidéo avec Gemini : synthèse et repères minutés
Ingérer des vidéos ou conférences dans Gemini : extraire les moments clés, repérer les démonstrations visuelles et obtenir un minutage exact.
- Objectif
- Vous saurez analyser des enregistrements vidéo longs dans Gemini pour en extraire les démonstrations, les citations et les minutages clés.
- Compétences
- Vérifier
Votre première tentative, sans aide
Fournissez une vidéo ou conférence à Gemini et demandez un sommaire minuté en 5 étapes clés avec horodatage précis et synthèse de chaque partie.
Gemini analyse nativement les flux vidéo en combinant la vision continue et la piste sonore sans passer par une transcription intermédiaire. Vous pouvez téléverser un fichier MP4 ou coller un lien YouTube pour indexer une formation, localiser une démonstration technique précise et générer un chapitrage horodaté au format d'entreprise.
1L'image et le son combinés : comprendre le déroulé d'une vidéo
L'image et le son combinés permettent de comprendre le déroulé d'une vidéo dans sa continuité temporelle réelle. Gemini échantillonne les flux visuels et auditifs en parallèle, associant instantanément ce qui est montré à l'écran et ce qui est énoncé à voix haute.
Les solutions classiques transcrivent d'abord laborieusement la piste audio en texte, perdant ainsi toutes les indications visuelles (diapositives, clics de souris, expressions faciales, démonstrations matérielles). Gemini ingère directement les images clés et le son dans sa multimodalité native. Il est ainsi capable de repérer à quelle minute exacte un formateur clique sur une icône masquée ou quand un graphique change de tendance.
Traitement vidéo Méthode traditionnelle Analyse native Gemini Avantage métier Piste audio seule Transcription texte puis résumé LLM Écoute et compréhension directe du ton Restitution fidèle des nuances orales Flux visuel à l'écran Ignoré ou capturé par captures manuelles Échantillonnage continu d'images clés Corrélation directe entre parole et geste Repérage temporel Horodatage textuel approximatif Localisation précise minute par minute Chapitrage prêt pour les plateformes vidéo 
Schéma « Analyse vidéo dans Gemini »Schéma généré par IA et relu 2Indexer une démonstration logicielle d'une heure en 6 chapitres horodatés
Indexer une démonstration logicielle d'une heure en 6 chapitres horodatés démontre comment l'analyse multimodale transforme un enregistrement brut d'atelier en support de formation immédiatement navigable.
Une responsable support client doit documenter un tutoriel vidéo interne sur le nouveau CRM de l'entreprise.
Prompt faible.
Fais un résumé de cette vidéo de formation logicielle.Gemini renvoie un texte générique sur le CRM sans aucun minutage, rendant impossible la navigation rapide dans la vidéo.
Prompt fort.
À partir de la vidéo de formation jointe, construis un tableau de chapitrage comprenant 6 entrées clés. Colonnes requises : Horodatage (mm:ss), Titre du chapitre, Action réalisée à l'écran, et Raccourci clavier utilisé par le formateur. Limite la synthèse globale à 120 mots.Ce qui change. La consigne croise les actions visuelles et les explications orales pour produire un index technique précis renvoyant exactement aux moments clés de la démonstration.
3Produire la fiche de synthèse d'une conférence technique
Produire la fiche de synthèse d'une conférence technique vous entraîne à extraire les points d'arbitrage et les démonstrations d'un enregistrement vidéo sans devoir visionner l'intégralité de la session.
Sélectionnez une vidéo professionnelle ou un webinaire technique d'une durée de 15 à 30 minutes. Téléversez le fichier ou fournissez le lien dans Gemini en demandant une synthèse opérationnelle chapitrée.
Lancez ce prompt :
« Analyse cette vidéo technique et dresse la liste des 3 innovations présentées avec pour chacune : son horodatage d'apparition à l'écran, son cas d'usage d'entreprise et les limites techniques formulées par l'intervenant. 100 mots. »
Grille d'auto-évaluation : (a) les horodatages indiqués correspondent précisément aux changements de plan ; (b) les éléments visuels affichés sur les diapositives sont pris en compte ; (c) la synthèse ne dépend pas uniquement de la piste audio.
4Attendre une précision à la seconde près sur des gestes ultra rapides
Attendre une précision à la seconde près sur des gestes ultra rapides expose à des décalages, car Gemini échantillonne les vidéos par intervalles réguliers d'une image par seconde.
Si une manipulation de souris ou une apparition textuelle dure moins d'une demi-seconde, le modèle peut situer l'action avec une marge d'incertitude de quelques secondes. Fonder une consigne de sécurité sur un horodatage à la milliseconde près est une erreur d'usage.
Correction : formulez vos demandes de repérage avec une tolérance temporelle de plus ou moins cinq secondes autour de l'événement visé.
Règle à retenir : Gemini excelle dans la compréhension sémantique des séquences vidéo, pas dans le chronométrage à la milliseconde.
5Quiz
Trois questions, correction immédiate. Le retour explique chaque option.
6Preuve de maîtrise
Soumettez une vidéo technique ou une présentation enregistrée à Gemini et partagez la table des matières minutée générée, en vérifiant la justesse de deux horodatages.
Critères
Ce que vous écriviez au début de la leçon
Pour aller plus loin
Retrouvez les notions de multimodalité et de tokenisation temporelle. La leçon suivante, Créer un Gem personnalisé pour son équipe, vous apprend à figer vos exigences dans un assistant dédié. Consultez également Animer un atelier Gemini pour animer des formations interactives.
Questions fréquentes
Comment Gemini analyse-t-il une vidéo ?
Gemini échantillonne la vidéo à raison d'une image par seconde (1 fps) tout en traitant la bande audio synchrone, ce qui lui permet de relier ce qui est dit à ce qui est montré à l'écran.
Quelle durée maximale de vidéo peut-on lui soumettre ?
Grâce à la fenêtre d'un million de tokens, Gemini peut traiter jusqu'à environ une heure de vidéo continue en un seul prompt.
Peut-on lui demander de repérer un objet ou un texte affiché à l'écran ?
Oui. Gemini excelle à repérer un slide particulier, un code d'erreur affiché sur une console ou un geste technique montré par un intervenant.