Analyser une vidéo avec l’API Gemini : guide pas à pas pour l’architecture

Ce que vous allez apprendre dans ce guide

Avec l’API Gemini, vous pouvez non seulement demander le résumé d’une vidéo, mais aussi poser des questions sur son contenu, faire décrire des scènes précises et demander des informations liées à des horodatages. Ces possibilités peuvent servir à examiner des présentations de projets architecturaux, des visites d’intérieur, des enregistrements de chantier ou des vidéos montrant un processus de conception. Les étapes ci-dessous expliquent comment fournir la vidéo en entrée et formuler clairement votre question.

Les prompts proposés ont été rédigés spécialement pour les workflows d’architecture et d’aménagement intérieur. L’approche générale de la documentation consiste à transmettre le fichier vidéo au modèle dans une requête, accompagnée d’instructions textuelles portant sur la vidéo.

Prérequis et choix de l’entrée

Pour commencer, vous avez besoin d’un accès à l’API Gemini, d’un environnement où le client API est configuré et de la vidéo à analyser. Le guide officiel propose des exemples en Python, JavaScript, Go et REST. L’exemple Python importe le module genai depuis le package google ; aucune version précise du SDK n’étant indiquée, nous ne mentionnons pas de numéro de version ici.

Choisissez la méthode d’entrée en fonction de la taille du fichier et de son mode d’utilisation :

• Files API : recommandée pour les fichiers volumineux, les vidéos longues et les contenus qui seront réutilisés. Le tableau du guide indique une limite maximale de 20 GB pour l’offre payante et de 2 GB pour l’offre gratuite. Vous pouvez attendre le traitement du fichier importé, puis utiliser la référence renvoyée dans votre requête de contenu.

• Données intégrées : utilisables pour les vidéos courtes et ponctuelles. Les limites ne sont pas identiques dans les différentes parties du guide : le tableau indique moins de 100 MB, tandis que la section consacrée à la mise en œuvre mentionne moins de 20 MB pour la requête entière. Si vous choisissez cette méthode, retenez par prudence la limite de 20 MB pour la requête totale.

• URL YouTube : les vidéos publiques peuvent être fournies directement comme entrée. Cette fonctionnalité est en préversion ; les tarifs et les limites de débit sont susceptibles d’évoluer. Dans l’offre gratuite, il n’est pas possible d’importer plus de 8 heures de vidéos YouTube par jour ; aucune limite fondée sur la durée n’est indiquée pour l’offre payante.

La méthode d’enregistrement dans Cloud Storage figure également dans la documentation : la taille maximale est de 2 GB par fichier et aucune limite de stockage n’est indiquée. Cette méthode est proposée pour les fichiers à conserver et à réutiliser.

Analyse vidéo étape par étape

1. Définissez la vidéo et la question à traiter. Commencez par préciser si vous souhaitez résumer la vidéo entière ou repérer un moment particulier. Par exemple, chercher le début du parcours dans une visite d’intérieur est une tâche différente d’une demande de résumé général.

2. Choisissez la méthode d’entrée adaptée. Les données intégrées peuvent convenir à un clip court, de petite taille et utilisé une seule fois. Si la requête totale dépasse 20 MB, si la vidéo est longue ou si elle sera réutilisée, Files API est la méthode privilégiée dans le guide. Pour utiliser YouTube, la vidéo doit être publique.

3. Ajoutez le fichier à la requête. Dans l’exemple Python officiel, le fichier est importé avec client.files.upload(...) ; l’objet fichier renvoyé et les instructions textuelles sont ensuite transmis ensemble à l’appel client.models.generate_content(...). L’exemple prévoit également d’attendre que le fichier soit traité. Pour une vidéo YouTube, le lien est ajouté à la requête comme fichier vidéo.

4. Formulez une tâche observable. Plutôt que d’utiliser une instruction vague comme « analyse la vidéo », précisez les informations attendues et le format de la réponse. Commencer par demander un résumé général, puis poser une question sur un élément précis ou un horodatage facilite l’évaluation des résultats.

Le prompt suivant vise à extraire des informations générales d’une courte vidéo de présentation architecturale :

Bu mimari proje videosunu kısa bir özetle anlat. Görünen mekânları ve videoda açıkça seçilebilen tasarım özelliklerini ayrı maddelerde belirt. Görüntüde doğrulanamayan bilgileri tahmin etme.

Ce prompt s’appuie sur les capacités de description vidéo et d’extraction d’informations. Il évite que le modèle invente des détails absents de l’image, comme le nom du projet, les matériaux ou les dimensions.

Pour repérer le moment où se produit un événement précis dans une visite de chantier ou d’intérieur, posez une question plus ciblée :

Videoda giriş mekânından ana yaşam alanına geçişin görüldüğü anı bul. Bu geçişin yaklaşık zaman damgasını ver ve görüntüde hangi mekânsal değişikliğin seçildiğini kısaca açıkla. Emin olmadığın bir zaman damgasını kesinmiş gibi sunma.

Le guide indique qu’il est possible de faire référence à des horodatages précis dans une vidéo. Décrire clairement l’événement recherché dans la question est donc plus utile qu’une demande vague comme « trouve les moments importants ».

Pour préparer une vidéo de présentation à l’analyse de conception, vous pouvez utiliser la question suivante :

Bu videoda görülen mekânsal düzenlemeleri sırayla incele. Dolaşım, gün ışığı ve yüzey malzemeleri hakkında yalnızca görüntüden desteklenebilen gözlemleri yaz; her gözlemi ilgili zaman damgasıyla eşleştir. Görünmeyen teknik özellikleri çıkarım olarak belirtme.

Ce prompt utilise la circulation, la lumière et les matériaux comme liste de contrôle. Il demande également au modèle de ne pas présenter comme certaines des informations techniques qui ne peuvent pas être vérifiées à partir des images. Considérez le résultat comme une première note d’analyse, et non comme une décision de projet.

Erreurs fréquentes et choix du mode de traitement

L’erreur la plus fréquente consiste à choisir une méthode d’entrée inadaptée à la taille ou à la durée de la vidéo. Le guide recommande Files API lorsque la requête totale dépasse 20 MB, que la vidéo est longue ou que le même contenu sera utilisé dans d’autres requêtes. Comme les limites des données intégrées ne sont pas indiquées de la même manière dans les différentes sections de la documentation, ne forcez pas cette méthode pour les fichiers volumineux.

Le deuxième point à prendre en compte est le mode de traitement. La méthode statique, utilisée par défaut, extrait une image à fréquence fixe, soit une image par seconde. Elle est recommandée pour les clips courts, les résumés généraux couvrant toute la vidéo, les tâches sensibles à la latence ou l’examen du clip entier image par image. Le traitement agentic parcourt la chronologie de manière dynamique ; il peut servir à rechercher un événement précis dans une vidéo longue ou une information particulière dans un long enregistrement. Le guide considère cette option adaptée aux contenus de plus de 5–10 minutes et aux recherches ciblées.

Le mode agentic est répertorié pour les modèles Gemini 4 Argon, 3.8 Flash, 3.6 Flash et 3.5 Flash Lite. Google indique que, pour les contenus longs, ce mode peut utiliser jusqu’à 88 % de tokens en moins et améliorer la qualité d’environ 7 % ; il s’agit d’une affirmation du fournisseur, et non d’une garantie pour chaque vidéo. Une autre source d’erreur consiste à demander au prompt de présenter comme des faits vérifiés des dimensions, des types de matériaux ou des informations sur le projet qui ne peuvent pas être clairement déduits des images.

Étapes suivantes et effets sur le workflow architectural

Pour un premier essai, utilisez une courte vidéo de travail non publique et demandez un résumé général ; passez ensuite à une question portant sur une scène précise. Pour les vidéos longues, envisagez le traitement agentic et, pour les fichiers à réutiliser, Files API. Tenez compte du fait que la fonctionnalité d’URL YouTube est en préversion et que les tarifs et limites de débit peuvent évoluer. La génération vidéo correspond à un autre cas d’usage : le guide actuel de l’API Gemini sur la vidéo présente Gemini Omni Flash pour la génération et l’édition avec dialogue ; il indique que Veo 3.1 Preview a été arrêté dans l’API le 22 octobre 2026.

Pour les agences d’architecture et les équipes de visualisation, l’usage le plus concret consiste à produire un premier résumé et des notes d’observation consultables à partir d’une visite de projet ou d’une vidéo de chantier. Cela ne signifie pas que les décisions de conception ou les dimensions sont vérifiées ; les résultats doivent être comparés aux images. Le guide ne précise ni les besoins en matériel local ni les tarifs de l’API. Lors de la planification du workflow, vérifiez donc séparément la taille des fichiers, le processus d’importation, les conditions d’accès et de licence ; ne partez pas du principe qu’un GPU local est nécessaire.

Sources et licence

Ce guide a été adapté en turc à partir des guides de Google sur la compréhension et la génération de vidéos avec l’API Gemini. Le guide sur la compréhension vidéo est sous licence CC BY 4.0. Les prompts d’exemple ont été rédigés spécialement pour ce guide ; les exemples de code n’ont pas été repris du texte source.