Comment faire regarder des vidéos à Claude Code gratuitement : 4 méthodes, leurs coûts et laquelle choisir

Vous donnez un lien YouTube à Claude Code et il répond avec assurance. Le difficile, c’est de savoir d’où vient ce qu’il dit : de la description de la page, d’une transcription ou de ce que d’autres ont écrit sur la vidéo. Ce qui apparaît à l’écran, un chiffre qui change ou un schéma qui surgit quinze secondes plus tard, il ne l’a pas vu.

C’est ce qui nous est arrivé chez On Viral quand nous avons voulu que Claude examine des vidéos de référence avant d’écrire à leur sujet. Voici ce que nous avons appris : pourquoi il ne voit pas, quelles sont les quatre méthodes gratuites, combien coûte chaque passage et laquelle nous avons choisie.

Claude peut-il regarder une vidéo ?

Pas directement. La documentation vision d’Anthropic énumère les images JPEG, PNG, GIF et WebP, et précise que seule la première image d’un GIF animé est utilisée. Tout ce que nous appelons « regarder une vidéo » consiste en réalité à en extraire des images, à récupérer l’audio ou les sous-titres et à lui fournir ce matériel sous forme d’images et de texte.

Cela change la question. Ce qui compte, c’est combien d’images il voit, à quelle taille, à quels moments et s’il a aussi l’audio, car c’est ce qui détermine à quel point sa lecture est complète.

Quelles sont les 4 méthodes gratuites ?

Nous les avons évaluées selon quatre critères : ne rien coûter, ne rien casser sur l’ordinateur, provenir d’une source fiable et fonctionner aujourd’hui.

Méthode A : le plugin claude-video

C’est un plugin open source, sous licence MIT et avec plus de 19 000 étoiles sur GitHub, qui télécharge la vidéo avec yt-dlp, extrait des images avec FFmpeg, récupère la transcription depuis les sous-titres et transmet le tout à Claude. Il s’installe en deux commandes :

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

Il a besoin de Python 3.10 ou plus, de FFmpeg, de yt-dlp et, pour YouTube, d’un environnement JavaScript comme Deno. Il a deux moteurs. Le moteur local traite tout sur votre ordinateur et ne contacte pas Google. Le moteur Gemini envoie la vidéo à Google ; il est expliqué dans la méthode B.

Sa limite la plus honnête figure dans son propre README : la meilleure précision s’obtient avec des vidéos de moins de 10 minutes ou avec un passage précis. En mode normal, il prend jusqu’à 100 images, si bien que dans un cours de 45 minutes il en voit une toutes les 27 secondes.

Méthode B : Gemini gratuit

Gemini, lui, comprend la vidéo nativement. Selon sa documentation, il échantillonne une image par seconde et consomme environ 100 tokens par seconde de vidéo en basse résolution, plus 32 par seconde d’audio. Il accepte les liens YouTube gratuitement, avec un plafond de 8 heures de YouTube par jour en version gratuite.

La contrepartie figure sur la page des tarifs : en version gratuite, le contenu que vous envoyez sert à améliorer les produits de Google. En version payante, non. De plus, c’est Gemini qui regarde la vidéo et non Claude : vous recevez sa réponse, pas ses preuves.

Méthode C : Claude in Chrome

Avec l’extension, Claude ouvre la vidéo dans votre navigateur, la met en pause et fait des captures. Sur YouTube, les touches 0 à 9 sautent de 0 à 90 % de la vidéo, et le commentaire épinglé de l’auteur contient souvent le lien que la vidéo mentionne sans le montrer.

C’est utile en secours. Deux limites : il n’entend pas l’audio et chaque capture est un appel. Lors de notre test, extraire 5 images d’un Short de 65 secondes a demandé plusieurs étapes.

Méthode D : un skill maison avec yt-dlp, FFmpeg et Whisper

C’est celle qui donne le plus de contrôle : vous décidez du nombre d’images, de leur taille et de la façon de transcrire l’audio des vidéos sans sous-titres. FFmpeg inclut un filtre whisper dans sa version 8.0, selon son code source, qui nécessite la bibliothèque whisper.cpp et un modèle téléchargé. La version de FFmpeg fournie avec yt-dlp dans notre installation n’a pas ce filtre, il en faudrait donc une autre.

Nous estimons à une heure et demie le travail pour l’écrire et le tester, contre 30 à 45 minutes pour le plugin.

Tableau des coûts de chaque méthode

Méthode	Coût en argent	Ce qu’elle voit	Entend-elle l’audio ?	Où se fait le traitement	Temps de mise en route
A. Plugin en mode local	0 dollar	Jusqu’à 100 images par passage, réglable	Seulement si la vidéo a des sous-titres	Votre ordinateur	30 à 45 minutes
B. Gemini, version gratuite	0 dollar	1 image par seconde, c’est Gemini qui voit	Oui	Google, qui utilise le contenu pour améliorer ses produits	Quelques minutes, avec une clé gratuite
C. Claude in Chrome	0 dollar	Une capture par appel	Non	Votre navigateur	Immédiat
D. Skill maison	0 dollar	Ce que vous programmez	Oui, avec Whisper	Votre ordinateur	Environ 1 h 30

Les quatre sont gratuites en argent. Le vrai coût, ce sont les tokens que consomment les images dans votre forfait.

Combien consomme un passage du plugin ?

Chaque image coûte ⌈largeur / 28⌉ × ⌈hauteur / 28⌉ tokens, la formule de la documentation vision. Avec la taille qu’utilise le plugin, voici les maximums par mode :

Mode	Ce qu’il fait	Images, au maximum	Tokens en images	Équivalent en dollars à 4 $ le million
Passage général (par défaut)	Jusqu’à 100 images par changement de scène, à 512 px	100	20 900	0,08
Transcription seule	Sans images	0	0	0
Image par image, reel de 60 s	2 images par seconde, sans tri	120	46 800	0,19
À la loupe, un passage	Jusqu’à 100 images à 1 024 px, pour lire du texte	100	77 700	0,31
Image par image d’un passage de 60 s	2 images par seconde sur le passage	120	25 080	0,10

Trois précisions. Les dollars sont une équivalence : ils sont calculés au prix d’entrée de Claude Opus 5.5 cité dans la documentation, 4 dollars par million de tokens, et avec un abonnement vous dépensez du quota d’utilisation, pas de l’argent. La transcription ajoute des tokens à part dans tous les modes. Et les réponses de Claude comptent aussi.

Pourquoi le passage général ne suffit-il pas ?

Nous l’avons vérifié avec un Short de 65 secondes qui présentait justement ce plugin. Le passage par défaut a extrait 43 images et en a écarté 17 jugées semblables. À 00:26, la vidéo montre un compteur animé d’étoiles GitHub, et ce passage a sauté de 00:25 à 00:28.

Avec deux images par seconde et sans écarter les images semblables, il y en a eu 130, et le compteur est apparu : 1 091 étoiles à 00:26 et 1 246 à 00:27. Un chiffre qui change sans coupure de scène échappe à la sélection automatique. C’est pourquoi, pour les vidéos courtes, il vaut la peine de payer plus d’images, et pour les longues, de demander un passage précis.

Laquelle recommandons-nous ?

La méthode A, avec le moteur local. Elle remplit les quatre critères : elle ne coûte rien, elle garde vos vidéos sur votre ordinateur, elle a une licence MIT et une version que vous pouvez figer, et elle fonctionne en une demi-heure.

Nous la conditionnons à trois choses :

1. Figez la version à l’installation, par exemple avec bradautomates/claude-video#v0.3.2, pour qu’un changement de l’auteur ne modifie pas votre environnement sans prévenir.
2. Définissez quand dépenser plus. Nous utilisons des phrases courtes : « fais-lui un passage » pour le mode général, « écoute-la seulement » pour la transcription, « image par image » pour les vidéos de moins de 3 minutes et « à la loupe de 12:30 à 18:00 » pour un passage avec du texte à l’écran. Si une longue vidéo demande l’image par image, Claude doit d’abord vous en indiquer le coût.
3. Gardez la méthode C sous la main pour le cas où un téléchargement échoue.

La méthode B a du sens si vous avez besoin de l’audio d’une longue vidéo sans sous-titres et que vous acceptez que le contenu passe par Google en version gratuite. La D ne vaut la peine que si vous allez souvent transcrire des vidéos sans sous-titres, car c’est la seule vraie lacune du plugin.

Ce qu’aucune ne résout

L’audio des reels et des vidéos sans sous-titres. Avec la méthode A, Claude voit les images mais n’entend pas la voix tant que vous n’ajoutez pas WhisperX, qui télécharge environ 3 Go et demande 8 Go de mémoire, ou une clé Groq ou OpenAI. Si votre matière première ce sont des reels, voici comment nous l’avons appliqué à un reel sur l’optimisation de la bio Instagram.

Si vous utilisez l’IA dans votre entreprise, nos guides sur le marketing avec l’IA et sur les chatbots d’intelligence artificielle pour la vente peuvent aussi vous servir.

Vous voulez mettre l’IA au travail dans votre entreprise avec discernement et sans esbroufe ? Écrivez-nous sur WhatsApp et nous l’examinerons avec vous.

Sources

Consultées le 25 octobre 2026.

• Vision de Claude : formats, limites et tokens par image, Anthropic.
• claude-video sur GitHub : installation, dépendances, limites et licence.
• Compréhension vidéo dans l’API Gemini, Google.
• Tarifs de l’API Gemini, Google : utilisation du contenu en version gratuite.
• Code source du filtre whisper de FFmpeg 8.0.
• Le Short que nous avons testé.
• Tests de On Viral du 25 octobre 2026 : Short de 65 secondes avec le passage par défaut et avec deux images par seconde.