Ces dernières semaines j’ai énormément regardé de vidéos youtube d’IA pour pouvoir postuler en tant que Lead Tech IA d’une grosse entreprise.
Au bout d’un certain temps je passais mon temps à avancer tellement dans les vidéos qu’il me fallait seulement quelques secondes pour regarder une vidéo de 30 min ou plus. Evidemment en faisant cela, on peut louper beaucoup de bonnes choses.
J’ai tenté d’utiliser les IA pour me faire des résumés mais la plupart n’ont pas le droit ou la capacité de faire ça. Il existe des services à foison mais à chaque fois c’est limité, il faut créer des comptes, payer un abonnement ou regarder des pubs etc.
J’ai demandé à Lumo, ma nouvelle IA préférée, si c’était facile de faire mon propre outil. Elle m’a répondu qu’en utilisant un logiciel OSS : YT-DLP pour récupérer l’audio des vidéos, il ne me suffirait que de “piper” ça dans Whisper-1 pour avoir la transcription puis de “piper” celle-ci dans un prompt GPT-4o mini pour obtenir un résumé.
J’ai sorti OpenCode et comme il me restait 9.8$ sur DeepSeek, je les ai branchés ensemble. J’ai longtemps bavé sur les souscriptions comme OpenCode Go ou Ollama Pro mais en fait, on le verra plus tard, le coût par token de ces modèles open-weights est incroyablement bas. Pour le peu que je l’utilise c’est bien plus rentable d’utiliser les coûts réel que les souscriptions.
En quelques prompts seulement, j’avais mon pipeline prêt : https://github.com/bchamagne/transcription
~/Projects/transcription master ❯ transcription https://www.youtube.com/watch?v=E0A7IrJtpUY
Step 1: Downloading...
Extracting cookies from firefox
Extracted 301 cookies from firefox
[youtube] Extracting URL: https://www.youtube.com/watch?v=E0A7IrJtpUY
[youtube] E0A7IrJtpUY: Downloading webpage
[youtube] E0A7IrJtpUY: Downloading tv downgraded player API JSON
[youtube] E0A7IrJtpUY: Downloading player 66a6ea83-main
[youtube] [jsc:deno] Solving JS challenges using deno
[youtube] E0A7IrJtpUY: Downloading m3u8 information
[info] E0A7IrJtpUY: Downloading 1 format(s): 251
[download] Sleeping 6.00 seconds as required by the site...
[download] Destination: /tmp/20260709-171325.webm
[download] 100% of 8.64MiB in 00:00:01 at 6.26MiB/s
Step 2: Transcribing...
Step 3: Summarizing...
# Summary of Transcript
## Overview
The transcript discusses low-level vulnerabilities found in the FAT file system code, especially in embedded devices that could be exploited in a manner similar to scenes from spy movies, such as using compromised USB sticks.
## Key Points
1. **Nature of Bugs (00:00:00 - 00:00:21)**
- Low-level bugs found in the FAT (File Allocation Table) file system for embedded devices.
- Examples include using corrupt file systems to exploit devices.
[...]
Franchement, je suis trop content qu’en si peu de temps, je m’enlève une épine du pied. Grâce aux timestamps, dès que je lis quelque chose d’intéressant, je saute dans la vidéo à ce moment-là.
Le coût de la transcription est de $0.36 par heure et à cela il faudra ajouter les coûts des tokens de GPT-4o mini ($0.15 par million d’input tokens et $0.6 par million d’output tokens). Concrètement mes tests sur 80min de vidéos m’ont coûté $0.50.
ps: juste pour finir, mes frais de DeepSeek V4 flash sont de $0.04 :D