Analyser des vidéos d’architecture avec l’API Gemini : guide pas à pas

Ce que vous apprendrez dans ce guide

L’API Gemini peut servir à identifier les espaces visibles dans une vidéo de projet, à résumer une présentation enregistrée ou à demander ce qui se passe à une seconde précise. Le guide de Google sur la compréhension des vidéos documente des usages comme la description d’une vidéo, l’extraction d’informations et les réponses à des questions ciblant des horodatages.

Ce guide se concentre sur l’analyse de vidéos existantes utilisées en visualisation architecturale (archviz), en architecture d’intérieur et pour les présentations de projets. Contrairement à la génération vidéo, l’entrée est ici un fichier vidéo déjà préparé ou une vidéo YouTube accessible au public. Selon la question posée au modèle, le résultat peut être un résumé ou une réponse portant sur des détails précis.

Prérequis et choix de la vidéo

Les exemples de la documentation de l’API Gemini de Google couvrent Python, JavaScript, Java, Go et REST. Les exemples Python utilisent la bibliothèque google-genai, mais le guide ne précise pas de version de bibliothèque requise. Aucune version n’est donc indiquée ici. Pour accéder à l’API et vous authentifier, utilisez la configuration d’API de votre environnement de développement ; la source ne détaille pas les étapes de création d’un compte.

Avant d’envoyer la vidéo, évaluez la taille du fichier et l’usage prévu :

• Le tableau comparatif de Google indique une limite de 20 GB pour Files API avec un usage payant et de 2 GB avec un usage gratuit. Cette méthode convient aux fichiers volumineux, aux vidéos longues et aux fichiers qui seront réutilisés.

• Cloud Storage Registration est indiqué avec une limite de 2 GB par fichier ; aucune limite totale de stockage n’est mentionnée. Cette option est présentée pour les fichiers persistants et réutilisables.

• Le tableau indique que l’Inline Data concerne les fichiers de moins de 100 MB. Toutefois, le même guide recommande d’ajouter directement les vidéos courtes à la requête lorsque la taille totale de celle-ci est inférieure à 20 MB. Lors du choix de la méthode, tenez donc compte de la taille totale de la requête, et pas seulement de celle du fichier vidéo.

• Les vidéos YouTube accessibles au public sont également répertoriées comme méthode d’entrée.

Google recommande Files API pour la plupart des usages, en particulier pour les vidéos de plus de 100 MB ou destinées à être réutilisées dans différentes requêtes. La documentation conseille également d’utiliser Files API si la requête totale dépasse 20 MB, si la vidéo est longue ou si le même fichier doit être utilisé dans plusieurs requêtes.

Analyse vidéo étape par étape

1. Définissez l’objectif de l’analyse. Au lieu d’une demande générale comme « résume la vidéo », précisez les informations recherchées. Vous pouvez, par exemple, poser séparément des questions sur l’ordre des espaces, les matériaux visibles dans le cadre et les changements d’éclairage, ou les décisions de conception expliquées dans la présentation. Plutôt que de demander au modèle de déduire des informations absentes de la vidéo, indiquez-lui de fonder sa réponse sur des éléments visibles ou entendus.

2. Choisissez une méthode de transfert. Inline Data peut être utilisé pour un petit clip ponctuel ; pour une vidéo volumineuse, longue ou destinée à être réutilisée, Files API est plus approprié. N’oubliez pas l’étape consistant à importer le fichier et à attendre son traitement : dans les exemples de Google, l’état du fichier est vérifié jusqu’à ce qu’il soit ACTIVE. L’exemple prend également en compte la possibilité d’un échec du traitement du fichier.

3. Ajoutez la vidéo et le texte à la requête. Dans les exemples du guide, la vidéo est transmise avec l’URI du fichier et son type MIME, tandis que le texte contient les instructions d’analyse. Les exemples utilisent gemini-3.8-flash comme nom de modèle. Vérifiez les informations sur les modèles et leur disponibilité dans la documentation de l’API pour votre application ; aucune version ou garantie de disponibilité n’est présumée ici, au-delà du nom utilisé dans l’exemple.

Vous pouvez utiliser le texte ci-dessous comme instruction textuelle, en complément de la vidéo :

Bu mimari proje videosunu kısa bir özette anlat. Görünen mekânları videoda izlendikleri sırayla listele. Videoda açıkça görülmeyen özellikleri tahmin etme; emin olmadığın ayrıntıları belirt.

Cette instruction aide à transformer l’enregistrement du projet en un résumé structuré. Avant d’utiliser le résultat comme notes de présentation ou pour une première revue au sein de l’équipe, comparez-le à la vidéo.

1. Posez une question précise sur un élément à examiner. Les modèles Gemini peuvent répondre à des questions sur le contenu vidéo et se référer à des horodatages. Pour retrouver un passage important dans la présentation d’un panneau ou une visite filmée, ciblez la question en fonction d’un espace ou d’un événement :

Videoda mutfak mekânının ilk göründüğü zamanı bul. Zaman damgasını ver ve o anda görülebilen sabit donatıları, yalnızca görüntüde seçilebildikleri ölçüde açıkla.

Cette instruction demande de rechercher un espace précis. Vérifiez l’horodatage dans le montage ou le déroulé de la présentation ; le guide source ne garantit pas que les résultats seront toujours exacts.

1. Demandez séparément des observations sur les matériaux et la lumière. Plutôt que de demander de nombreux détails dans une seule question générale, divisez l’analyse en thèmes pour faciliter l’évaluation de la réponse :

Bu iç mekân videosunda görülebilen yüzey ve malzeme özelliklerini sıralı biçimde açıkla. Her gözlemi ilgili zaman damgasıyla eşleştir; malzeme türü kesin seçilemiyorsa bunu tahmin olarak sunma.

Cette instruction se concentre sur la description des surfaces visibles ; elle ne demande pas au modèle d’identifier avec certitude un produit ou une marque de matériau. Fondez vos décisions de conception sur les documents réels du projet.

1. Transformez la réponse en une courte liste de vérification. Si l’équipe doit assurer le suivi de certains points dans une vidéo de présentation, demandez au modèle de distinguer les informations réellement mentionnées dans la vidéo :

Bu proje sunumunda açıkça belirtilen tasarım kararlarını ve çözümsüz bırakılan soruları iki ayrı listede özetle. Her maddeyi destekleyen zaman damgasını ekle; videoda yanıtı olmayan noktaları boşlukları doldurmadan belirt.

Ce type de résultat peut être utile pour organiser les notes après une réunion. Vérifiez les décisions importantes à partir de l’enregistrement de la réunion ou des documents du projet.

Erreurs fréquentes

Envoyer un fichier avec une méthode inadaptée à sa taille : même si le tableau de la documentation indique que l’Inline Data concerne les fichiers de moins de 100 MB, le même guide limite l’utilisation directe d’Inline Data aux vidéos courtes dont la requête totale fait moins de 20 MB. Pour les fichiers volumineux ou les vidéos longues, suivez la recommandation d’utiliser Files API.

Lancer l’analyse avant que le fichier soit prêt : dans les exemples de Google, l’état du traitement est vérifié après l’importation et le système attend que le fichier soit ACTIVE. N’envoyez pas la requête suivante avant la fin de cette étape.

Déduire des informations incertaines à partir de l’image : le matériau réel d’une surface, ses dimensions ou le nom d’un produit peuvent ne pas apparaître dans la vidéo. Demander uniquement des observations visibles et faire explicitement signaler toute incertitude réduit le risque d’affirmations excessivement catégoriques.

Confondre l’analyse vidéo et la génération vidéo : la page de Google sur la génération vidéo avec l’API Gemini indique que Veo 3.1 Preview a été arrêté le 22 octobre 2026 et que Gemini Omni Flash est proposé à la place pour la génération vidéo. Ce changement ne correspond pas aux étapes décrites ici, qui concernent l’analyse de vidéos existantes.

Utilisation dans un flux de travail d’architecture et de visualisation

Cette approche peut servir de point de départ aux agences d’architecture, aux architectes d’intérieur et aux équipes de visualisation qui souhaitent parcourir rapidement des présentations de projets, des visites filmées d’intérieurs ou des enregistrements de chantier. Il est, par exemple, possible de repérer à quel moment chaque espace apparaît dans la vidéo, de compiler les décisions de conception à partir d’un enregistrement de réunion ou de produire un premier résumé d’une présentation. Cependant, les sources ne précisent pas que le modèle analyse directement des fichiers BIM, des dessins ou des scènes 3D ; il s’agit ici de travailler à partir du contenu vidéo.

Avant de mettre en place le flux de travail, choisissez la méthode de transfert en fonction de la taille du fichier, de la durée de la vidéo et du besoin de réutilisation. Files API est recommandé pour les enregistrements volumineux ou longs ; la source indique des limites de taille différentes pour les usages payants et gratuits. Ce guide ne donne aucune information sur les prix, la confidentialité des projets, la durée de conservation ou le matériel nécessaire sur une station de travail donnée ; évaluez ces points séparément en fonction de vos conditions d’utilisation.

Étapes suivantes

Pour votre premier essai, choisissez un court enregistrement de projet sans décision critique. Demandez d’abord un résumé général, puis testez le résultat avec des questions portant sur un espace précis ou un horodatage. Distinguez les éléments visibles des interprétations du modèle et comparez les notes destinées à l’équipe à la vidéo source et aux documents du projet. Si vous comptez utiliser la même vidéo dans plusieurs requêtes, tenez compte de la recommandation de Google concernant Files API.

Source et licence

Ce guide a été adapté en turc à partir des guides de Google « Video understanding » et « Video generation in the Gemini API ». Sauf indication contraire, les deux pages précisent que leur contenu est soumis à la licence CC BY 4.0.