Transformer un tuto YouTube en outil qui tourne

Une vidéo montre quelqu'un faire une chose une fois. À la fin de ce guide, tu as un outil qui la fait à la demande.

Le scénario habituel : tu regardes un tuto, tu prends des notes que tu ne rouvriras jamais, et trois semaines plus tard tu refais le montage de mémoire, de travers. Ce qui suit se termine autrement : par un skill installé dans ton agent, qui exécute la méthode enseignée dans la vidéo, aussi longtemps que tu le gardes.

Compte un quart d'heure d'installation, une seule fois. Ensuite, chaque vidéo te coûte quelques minutes.

Un agent de code sait lire une page, lancer un script, parcourir un dépôt. Il ne sait pas regarder une vidéo. Colle-lui un lien YouTube et il devine à partir du titre.

La méthode fait donc lire la vidéo deux fois, par deux IA différentes, et surtout par deux chemins différents :

• Claude lit la vidéo sur ta machine : des images extraites et la transcription horodatée.
• Gemini lit la même URL de son côté, chez Google, avec ses propres images et son propre son. Rien ne transite par ton disque.

Aucun des deux ne voit les preuves de l'autre. C'est exactement ce qui rend le deuxième avis utile : là où ils se contredisent se trouve ce que tu dois aller vérifier toi-même. Un résumé unique, lui, a toujours l'air également sûr de lui partout, y compris là où il invente.

On installe /watch, un skill open source qui télécharge la vidéo, en extrait les images et récupère la transcription, puis remet le tout à l'agent. Choisis la ligne qui correspond à ton environnement.

Dans Claude Code

/plugin marketplace add bradautomates/claude-video
/plugin install watch@claude-video

Dans Codex, Cursor, Copilot, Gemini CLI et les autres

npx skills add bradautomates/claude-video -g

Sur Claude en ligne, télécharge le fichier watch.skill depuis la dernière version publiée du dépôt, puis ajoute-le dans Paramètres, Capacités, Skills.

C'est la seule clé de toute la chaîne. Elle se crée gratuitement sur aistudio.google.com/apikey, puis se range dans une variable d'environnement :

export GEMINI_API_KEY="ta-cle-ici"

Tu n'as besoin d'aucune autre clé. La grande majorité des vidéos publiques ont des sous-titres, et pour les rares qui n'en ont pas, Gemini entend l'audio de son côté. Si tu veux la transcription sur ton disque, un modèle de transcription local fait le travail gratuitement et hors ligne.

Lance /watch sur l'URL, puis demande un cahier des charges structuré avant toute autre chose :

À partir de ce que tu viens de voir dans la vidéo, écris-moi
un cahier des charges en six parties :

1. Ce que la méthode produit, en une phrase.
2. Les outils utilisés, avec leur nom exact.
3. Les étapes, dans l'ordre, avec les commandes telles
   qu'elles apparaissent à l'écran.
4. Les réglages et valeurs précises montrés.
5. Ce qu'il fallait avoir fait AVANT que la vidéo commence.
6. Les pièges que l'auteur mentionne en passant.

Note ce que tu n'as pas pu lire clairement plutôt que de
le deviner. Enregistre le tout dans notes/passe-claude.md.

Si la vidéo est surtout du terminal ou du code, demande une résolution d'extraction plus élevée, sinon les commandes sont illisibles. Et n'ouvre pas encore la lecture de Gemini.

Plutôt que de recopier un script figé, fais-le écrire par ton agent : les noms de modèles Gemini changent plus vite que n'importe quel guide.

Écris-moi un script Python qui envoie une URL YouTube à
l'API Gemini et me rend un cahier des charges de la vidéo.

Contraintes :
- Le script passe l'URL directement au modèle, sans rien
  télécharger sur ma machine.
- Il lit la clé dans la variable GEMINI_API_KEY.
- Il essaie plusieurs modèles rapides à la suite, et passe
  au suivant si l'un renvoie une erreur de quota.
- Il interroge le modèle DEUX fois avec la même consigne,
  puis me montre les deux réponses côte à côte.
- Je peux limiter la lecture à une portion de la vidéo.

Utilise la même consigne en six parties qu'à l'étape
précédente. Enregistre le résultat dans
notes/passe-gemini.md.

C'est l'étape que tout le monde saute, et c'est celle qui transforme deux comptes rendus moyens en un document fiable.

Voici deux lectures indépendantes de la même vidéo :
notes/passe-claude.md et notes/passe-gemini.md.

Produis un seul document, où CHAQUE affirmation porte une
étiquette :
- CONFIRMÉ : les deux lectures le disent.
- SOURCE UNIQUE : une seule le dit. Précise laquelle.
- CONFLIT : elles se contredisent. Donne les deux versions.

Termine par une liste QUESTIONS OUVERTES : ce que la vidéo
n'a jamais vraiment expliqué.

N'arbitre pas les conflits toi-même et ne fusionne rien
pour faire propre. Enregistre dans SPEC.md.

Tu ne relis pas la vidéo entière : tu passes ton attention sur les lignes CONFLIT, en général trois ou quatre. Et la liste des questions ouvertes est le document le plus précieux de toute la chaîne : c'est l'inventaire écrit de ce que le tuto ne t'a jamais appris, donc de ce qui cassera plus tard.

Donne SPEC.md à skill-creator, le skill officiel d'Anthropic qui sert à écrire des skills. Il te pose quelques questions et écrit le fichier au bon endroit.

Utilise skill-creator pour construire un skill à partir de
SPEC.md. Le skill doit exécuter la méthode de la vidéo sur
une nouvelle entrée que je lui donnerai.

Ignore les lignes étiquetées CONFLIT tant que je ne les ai
pas tranchées, et mentionne dans le skill ce qui vient
d'une SOURCE UNIQUE.

Tu te retrouves avec trois choses, et chacune a son rôle : SPEC.md dit ce que tu as construit, le dossier notes/ garde les preuves, et le skill fait le travail. Dans trois mois, quand il déraillera, tu pourras remonter à la ligne exacte et voir si elle était CONFIRMÉE ou SOURCE UNIQUE. Autrement dit, savoir tout de suite si le bug vient de toi ou du tuto.

Choisis le niveau de détail, ne le subis pas

Le coût est dominé par les images, puisque chaque image extraite est un jeton visuel. Quatre modes existent :

Vise une fenêtre, pas une vidéo

Les deux lecteurs se dégradent de la même façon sur la durée : ils étalent un budget fixe sur toute la longueur. Une lecture dense de six minutes t'apprend beaucoup plus qu'une lecture clairsemée de quarante. Regarde la vidéo en accéléré, note deux horodatages, et donne cette fenêtre aux deux lecteurs.

Rien n'est payant ici. Le skill de lecture, yt-dlp et ffmpeg sont libres, les sous-titres sont gratuits, le palier gratuit de Gemini couvre largement quelques tutos par jour, et la transcription de secours tourne en local. La seule dépense est l'abonnement à ton agent, que tu paies déjà.

• Vidéos publiques seulement. Gemini refuse les URL privées ou non répertoriées, et le skill de lecture ne se connecte à aucun compte.
• Les noms de modèles bougent. C'est pour ça que le script en essaie plusieurs à la suite. Si tout échoue, va voir la liste des modèles disponibles avant de conclure que le script est cassé.
• La limite honnête : cette méthode produit un très bon premier jet de skill. Pas un skill testé. L'étape 6 existe précisément parce que l'écart entre « le cahier des charges a l'air juste » et « ça tourne » est l'endroit où le travail se termine vraiment.