ChatGPT peut-il résumer une vidéo YouTube ?

La réponse courte

Oui, ChatGPT peut résumer une vidéo YouTube, mais pas en la regardant. L'application ChatGPT grand public n'a aucune compréhension native de la vidéo YouTube : elle ne peut ni ouvrir une vidéo, ni en voir les images, ni en entendre le son. Ce qu'elle sait faire, c'est résumer la transcription de la vidéo, autrement dit le texte de ce qui a réellement été dit. Collez cette transcription et le résumé devient vraiment utile. Collez un simple lien à la place et vous obtenez un paragraphe très assuré sur le sujet, pas sur la vidéo.

Cette distinction sépare le résumé que vous pouvez citer du résumé pour lequel vous devrez vous excuser. Cinq voies existent en 2026, et elles ne se valent pas :

Le reste de cet article explique pourquoi la première voie échoue, comment exécuter les quatre autres en moins d'une minute, et comment reconnaître un résumé qui invente discrètement.

Ce que ChatGPT voit réellement quand vous collez un lien

Un modèle de langage travaille sur des tokens, c'est-à-dire des fragments de texte. L'application ChatGPT grand public n'a aucun décodeur vidéo branché sur la zone de saisie : rien de la vidéo, ni les pixels ni le son, ne devient un token qu'elle pourrait lire.

Quand vous collez un lien, deux choses peuvent se produire. Soit le modèle n'effectue aucune étape de récupération, auquel cas il répond uniquement à partir de la chaîne de l'URL et de ses données d'entraînement, soit il déclenche un outil de navigation qui va chercher la page. Le second cas est moins reluisant qu'il n'y paraît. Une page de lecture YouTube affiche le lecteur et le panneau de transcription dans le navigateur une fois la page chargée : le HTML qu'un robot récupère contient donc le titre, la description, quelques métadonnées structurées et une grande quantité de script. Il ne contient pas les paroles prononcées sous une forme exploitable. YouTube s'efforce par ailleurs de bloquer la récupération automatisée, si bien qu'une capture côté serveur revient souvent avec moins de contenu que ce que vous voyez à l'écran.

Ensuite, le modèle fait ce que font les modèles de langage : il produit la continuation la plus plausible. Une continuation plausible de « résume cette vidéo sur le jeûne intermittent », c'est une dissertation compétente sur le jeûne intermittent. Fluide, structurée, et sans rapport avec cette vidéo-là. C'est de très loin la façon la plus courante de se faire avoir, et comme le texte est bien écrit, rien n'a l'air faux.

Le modèle ne ment pas. Vous avez posé une question de lecture sans rien donner à lire.

Les quatre méthodes qui fonctionnent en 2026

Méthode 1 : copier la transcription fournie par YouTube

Ouvrez la vidéo, cliquez ou appuyez sur « ...plus » pour déplier la description, descendez jusqu'en bas et appuyez sur « Afficher la transcription ». Un panneau s'ouvre avec chaque ligne prononcée et son horodatage. Sur ordinateur, vous pouvez sélectionner et copier ce texte. Collez-le dans ChatGPT avec une seule consigne, par exemple : « Résumez cette transcription en trois parties : l'idée centrale en une phrase, les trois éléments de preuve les plus solides, et tout ce dont l'intervenant a dit ne pas être certain. Citez la ligne exacte pour chacun. » Vous trouverez de meilleurs prompts plus bas, mais celui-ci suffit déjà à obtenir une réponse utilisable.

C'est gratuit, cela ne demande aucune installation, et c'est la méthode dont toutes les autres ne sont qu'un raccourci. Le mobile est le point faible. Appuyer sur une ligne du panneau dans l'application YouTube fait sauter le lecteur à ce moment précis, ce qui est pratique, mais le texte lui-même ne se sélectionne pas : il n'y a donc rien à coller. Demandez le site pour ordinateur depuis un navigateur mobile, ou passez par un outil qui récupère le texte à votre place, comme l'application mobile Glasp. Notre guide sur comment obtenir la transcription d'une vidéo YouTube passe en revue toutes les solutions de contournement.

Méthode 2 : une extension qui transmet la transcription à votre place

Copier à la main une transcription de 9 000 mots devient vite pénible. Une extension de navigateur installée sur la page YouTube peut récupérer la transcription et l'envoyer directement à un modèle, ce qui réduit toute l'opération à un seul clic. YouTube Summary de Glasp fait exactement cela, renvoie un résumé structuré avec des horodatages cliquables, et garde la transcription à côté pour que vous puissiez confronter n'importe quelle affirmation à la ligne qui l'a produite. Si vous préférez d'abord voir la transcription seule, l'outil de transcription de Glasp l'extrait à partir d'une URL.

La raison de préférer une extension à un site où l'on colle une URL n'est pas la vitesse, c'est la vérification. Quand le texte source est affiché à côté du résumé, vous repérez une affirmation fausse en quelques secondes. Quand il ne l'est pas, l'outil vous demande simplement de lui faire confiance.

Méthode 3 : l'extension Chrome de ChatGPT ou le navigateur de l'application de bureau

Depuis qu'OpenAI a réintégré son travail sur le navigateur dans ChatGPT, vous pouvez interroger la page que vous consultez depuis l'extension Chrome ChatGPT ou depuis le navigateur intégré à l'application de bureau. Les deux dépendent de votre formule, de votre région et de votre espace de travail : si vous ne voyez pas l'option, c'est pour cette raison, et la méthode 1 fonctionne toujours. Sur une page YouTube, une seule condition : ouvrez d'abord le panneau de transcription. L'assistant répond à partir de ce qui se trouve sur la page ; si la transcription est affichée, elle est disponible. Si le panneau est fermé, vous revenez aux devinettes à partir du titre et de la description, et la réponse ne vous dira pas laquelle de ces deux situations vient de se produire.

Méthode 4 : transcrire l'audio vous-même

Quand il n'existe aucune piste de sous-titres, rien de ce qui précède ne fonctionne, faute de texte à récupérer. Alors fabriquez-en : extrayez l'audio avec un téléchargeur, passez-le dans un modèle de reconnaissance vocale comme Whisper, en ligne ou en local si le terminal ne vous fait pas peur, puis résumez le résultat. C'est la voie la plus lente, c'est la seule qui fonctionne sur une vidéo que personne n'a jamais sous-titrée, et sur les accents prononcés ou le jargon technique dense elle bat nettement les sous-titres automatiques de YouTube.

Atlas a fermé en août 2026. Voici ce qui l'a remplacé

Si vous avez suivi un tutoriel de fin 2025, il vous disait probablement de faire tout cela dans ChatGPT Atlas. Ce conseil ne fonctionne plus.

OpenAI a annoncé Atlas le 21 octobre 2025 et l'a livré pour macOS. Sa fonctionnalité phare était une barre latérale « Ask ChatGPT » qui répondait aux questions sur la page consultée sans avoir à recopier quoi que ce soit dans une conversation séparée, ce qui en faisait une réponse élégante au problème YouTube : ouvrir une vidéo, ouvrir la barre latérale, demander.

Atlas a fermé le 9 août 2026, moins de dix mois après son lancement. OpenAI a abandonné le navigateur autonome et déplacé le travail agentique sur navigateur dans ChatGPT et Codex, plus précisément dans une extension ChatGPT pour Google Chrome et dans le navigateur intégré à l'application de bureau ChatGPT, lequel a récupéré la gestion de plusieurs onglets, les téléchargements, une meilleure navigation et la gestion des connexions aux comptes. OpenAI a demandé aux utilisateurs d'exporter leurs favoris Atlas dans un fichier HTML avant la date butoir pour les importer dans un autre navigateur ; les onglets ouverts et l'historique de navigation, eux, n'ont pas été transférés du tout.

La traduction pratique : la capacité a survécu, le produit non. Si vous voulez aujourd'hui l'expérience de la barre latérale sur une page YouTube, c'est l'extension Chrome ou le navigateur intégré à l'application de bureau qu'il vous faut, pas Atlas. Cette instabilité est la vraie leçon. Une fonctionnalité qui définissait un navigateur en octobre n'était plus qu'une ligne de catalogue dans un autre produit l'été suivant, ce qui plaide sérieusement pour conserver votre propre transcription et vos propres notes plutôt que de dépendre de la surface du moment.

Gemini peut regarder la vidéo. ChatGPT, toujours pas

C'est le seul point sur lequel les deux grands assistants diffèrent vraiment, et les détails comptent, parce que « Gemini sait faire YouTube » se répète avec beaucoup plus d'assurance que ce que la documentation autorise.

Google documente bien une prise en charge native des URL YouTube, dans l'API Gemini. Vous pouvez transmettre une URL YouTube directement à l'API dans votre requête, et le modèle y applique sa compréhension multimodale, sans aucun téléchargement de votre côté. Les contraintes publiées en septembre 2026, toutes étant des limites de l'API et non de l'application Gemini grand public :

Relisez la ligne sur l'échantillonnage des images, car c'est elle qui fixe le plafond de ce que « regarder » veut dire ici. À une image par seconde, le modèle contemple un diaporama, pas du mouvement. Il résumera très bien une argumentation et n'aura strictement aucun moyen de dire combien de fois une démonstration a échoué dans un montage au découpage rapide. L'audio et la transcription portent l'essentiel du signal réel, ce qui vaut exactement de la même façon pour ChatGPT, à ceci près que la récupération est faite pour vous.

Reste un choix assez simple, et il ne revient pas toujours à Gemini :

Ni l'un ni l'autre ne dispense de vérifier le résultat. Si vous choisissez un assistant pour étudier plutôt que pour une seule vidéo, Claude vs ChatGPT pour apprendre confronte les deux à de vraies tâches d'étude. Et pour des horodatages cliquables, que ne donne aucun chatbot, les meilleurs outils de résumé YouTube en 2026 passe en revue les solutions dédiées.

Des prompts qui produisent un résumé utilisable

Le prompt de la plupart des gens, c'est « résume ça ». Vous obtenez un paragraphe informe, parce que vous n'avez précisé ni structure, ni longueur, ni exigence d'ancrage.

Trois prompts à garder. Collez la transcription, puis ajoutez l'un d'entre eux.

Pour une conférence ou un cours :

Résumez cette transcription en trois parties : l'idée centrale en une phrase, les trois éléments de preuve les plus solides apportés à son appui, et tout ce dont l'intervenant a reconnu ne pas être certain. Citez la ligne exacte de la transcription pour chaque élément de preuve. Si quelque chose ne figure pas dans la transcription, dites-le au lieu de l'inventer.

Pour un tutoriel :

Transformez cette transcription en une liste numérotée des actions réalisées par le présentateur, dans l'ordre. Une ligne par action, à l'impératif. Indiquez l'horodatage à côté de chaque étape où il met en garde contre un risque d'erreur.

Pour un entretien ou un podcast long :

Listez chaque sujet distinct de cette transcription avec son horodatage de début. Ne résumez pas encore. Ensuite, résumez uniquement les trois sujets qui occupent le plus de temps de discussion.

Deux éléments font tout le travail, et vous devriez les ajouter aux trois. Le premier est la consigne de citer : un modèle contraint de produire des lignes mot pour mot reste arrimé au texte source, et celui qui ne trouve pas la ligne doit vous le dire, ce qui fait passer le résumé du statut d'affirmation à celui d'objet vérifiable. Le second est l'autorisation explicite de répondre « ce n'est pas dans la transcription », qui supprime la pression d'inventer.

Là où ça casse : sous-titres, longueur et horodatages inventés

Cinq modes de défaillance, depuis celui qui vous arrête net jusqu'à ceux qui corrompent la sortie en silence.

Aucune piste de sous-titres. Certaines vidéos n'ont aucun sous-titre : la musique, certaines mises en ligne non anglophones, les créateurs qui les désactivent, et les directs qui viennent de se terminer. Pas de sous-titres, pas de transcription ; pas de transcription, pas de texte ; et sans texte, toutes les méthodes sauf la transcription audio sont mortes-nées.

Horodatages inventés. C'est le signe qu'il faut mémoriser. Le panneau de transcription de YouTube affiche des horodatages, mais un simple copier-coller les perd parfois, et beaucoup d'outils de transcription les suppriment. Si le texte que vous avez collé n'en contenait aucun et que le résumé en est truffé, chacun de ces nombres a été fabriqué. Ils auront l'air justes. Ils seront espacés de façon plausible. Ils ne vous emmèneront pas au moment décrit.

La longueur. Une personne qui parle à un rythme normal débite environ 150 mots par minute : une conférence d'une heure représente donc à peu près 9 000 mots, et un podcast de trois heures approche les 27 000. Les fenêtres de contexte modernes avalent tout cela, mais avaler n'est pas prêter attention. Liu et ses collègues (2024), dans « Lost in the Middle », publié dans Transactions of the ACL, ont constaté que la performance des modèles est maximale quand l'information pertinente se trouve tout au début ou tout à la fin d'une entrée longue, et qu'elle chute nettement quand elle est enfouie au milieu. C'est pour cela qu'un résumé de vidéo longue est souvent précis sur les dix premières minutes et les cinq dernières, et vague sur l'heure qui les sépare. Un modèle plus petit, à fenêtre plus étroite, échoue autrement : il tronque et perd purement et simplement la fin. Nous avons détaillé les deux mécanismes dans la dégradation du contexte et la récupération sur contexte long. En pratique, découpez la transcription en blocs de deux à trois mille mots, résumez chaque bloc, puis résumez les résumés.

Erreurs de sous-titrage. Les sous-titres automatiques massacrent les noms propres, les termes techniques et les nombres. Un modèle à qui l'on sert « Lee Kwan you » ou « dix puissance moins neuf » ne signale pas la bouillie : il la lisse en la rapprochant de ce qui paraît le plus plausible. Or les noms et les chiffres sont précisément ce que vous voudrez citer plus tard, alors vérifiez-les dans la vidéo, pas dans le résumé.

Placements de produit et introductions. Les transcriptions contiennent la publicité, l'autopromotion de la chaîne et la liste des donateurs. Si vous ne demandez pas au modèle d'ignorer les segments hors contenu, le résumé d'une vidéo sponsorisée peut s'ouvrir sur un paragraphe très assuré à propos d'un matelas.

Le test de fiabilité en 30 secondes

Vous n'êtes pas obligé de croire un résumé sur parole. Deux vérifications, et la première est la version en trente secondes.

Le test de la citation vient d'abord. Demandez une phrase mot pour mot tirée de la vidéo qui soutient l'affirmation principale du résumé, puis cherchez dans la transcription une expression distinctive extraite de cette phrase. Si la ligne s'y trouve, c'est que le modèle a bien lu. Si elle n'y est pas, ou si vous obtenez une phrase qui sonne exactement comme la vidéo mais n'y figure nulle part, vous avez affaire à une reconstitution, et toutes les autres affirmations de ce résumé méritent la même méfiance.

La question piège est la seconde vérification, et c'est la plus vicieuse. Interrogez le modèle sur quelque chose qui ne figure pas du tout dans la vidéo. « Qu'a dit l'intervenant à propos de Kubernetes ? » sur une vidéo qui ne mentionne jamais Kubernetes. Un modèle bien ancré répond que le sujet n'a pas été abordé. Toute autre réponse, et vous savez désormais exactement ce que fait cet outil quand il ne sait pas.

Faites les deux la première fois que vous utilisez un nouvel outil ou un nouveau flux de travail, puis refaites-les après chaque mise à jour. Les réglages par défaut changent sans bruit, et un flux de travail bien ancré le mois dernier peut cesser de récupérer la transcription sans vous prévenir. Une fois le résumé validé, comment résumer des vidéos YouTube détaille les prompts, les méthodes manuelles et le calendrier de révision qui en font quelque chose dont vous vous souviendrez.

Pourquoi le résumé n'est pas l'apprentissage

Même un résumé parfait d'une excellente vidéo ne fait presque rien pour ce que vous saurez la semaine prochaine.

Lire un résumé donne l'impression d'apprendre parce que c'est fluide et sans effort, et la fluidité est un signal notoirement mauvais pour la mémorisation. Dunlosky et ses collègues (2013), passant en revue dix techniques d'étude courantes dans Psychological Science in the Public Interest, classent le surlignage et le soulignement parmi les techniques de faible utilité : "In most situations that have been examined and with most participants, highlighting does little to boost performance." Autrement dit, dans la plupart des situations examinées et avec la plupart des participants, le surlignage n'améliore guère les résultats. Les deux techniques qui ont obtenu leur meilleure note sont l'entraînement par test et la pratique distribuée. Lire passivement un résumé produit par une IA est plus faible que chacune d'elles, parce que la seule partie où votre jugement intervenait, choisir ce qui compte, a déjà eu lieu sans vous.

Ce qui change vraiment les choses demande environ deux minutes de plus que le résumé :

1. Surlignez trois lignes dans la transcription, pas trente. Oui, l'équipe de Dunlosky a jugé le surlignage peu utile, et la raison est que la plupart des gens surlignent tout. Un plafond strict de trois inverse la logique : vous ne pouvez pas marquer une ligne sans rejeter les autres, et ce rejet est précisément le jugement que le résumé vient de faire à votre place.
2. Écrivez une phrase de mémoire, avant toute relecture. Fermez le résumé. Quel était l'argument ? Cette tentative de récupération est ce qui construit le souvenir, et elle fonctionne même quand vous vous trompez. Le rappel actif explique pourquoi.
3. Ajoutez la seule question à laquelle la vidéo n'a pas répondu. Cela vous donne un fil à tirer la prochaine fois et transforme un tas de résumés en véritable enquête.

C'est autour de ce flux de travail qu'est conçu le surligneur web de Glasp : surlignez les lignes qui comptent dans une transcription ou un article, gardez votre note personnelle juste à côté, et retrouvez toute la collection des mois plus tard au lieu de remonter un historique de conversation. Comme les surlignages sont publics par défaut sur Glasp, vous pouvez aussi voir quelles lignes d'autres lecteurs ont retenues de la même vidéo dans la communauté, ce qui est un moyen rapide de découvrir ce que vous avez manqué. Pour faire tenir tout cela en mémoire, voyez comment retenir ce que vous lisez.

Questions fréquentes

ChatGPT peut-il résumer une vidéo YouTube à partir du seul lien ?

Pas de manière fiable. Sans la transcription, il travaille à partir du titre, de la description et de sa propre connaissance préalable du sujet : la réponse décrit donc le thème plutôt que la vidéo. Collez le texte de la transcription et il décrit la vidéo.

Existe-t-il un plugin ou une extension ChatGPT pour YouTube ?

OpenAI a fermé la boutique de plugins d'origine en avril 2024. Le nom est revenu en juillet 2026, quand OpenAI a rebaptisé l'App Directory en Plugin Directory, mais ces plugins regroupent des compétences et des applications connectées, et aucun ne vous accompagne sur la page YouTube. La réponse qui fonctionne vraiment pour « ChatGPT pour YouTube » reste donc une extension de navigateur : elle récupère la transcription sur la page et la remet à un modèle en un clic, ce que fait YouTube Summary de Glasp. Il existe aussi une comparaison côte à côte de cette approche face à ChatGPT seul.

ChatGPT peut-il résumer une vidéo YouTube gratuitement ?

Oui. Le panneau « Afficher la transcription » intégré à YouTube est gratuit, et la formule gratuite de ChatGPT résume le texte que vous collez. Le seul vrai coût, c'est le copier-coller, qu'une extension supprime.

Quel est le meilleur prompt pour résumer une vidéo YouTube ?

Celui qui précise une structure et exige des citations. Demandez une idée centrale en une phrase et les trois arguments les plus solides avec la ligne exacte de la transcription pour chacun, puis donnez l'autorisation explicite de signaler qu'une chose ne figure pas dans la transcription. C'est l'exigence de citation qui maintient le modèle ancré à la source.

ChatGPT peut-il résumer une vidéo YouTube sans sous-titres ?

Pas directement, parce qu'il n'a aucun texte à lire. Transcrivez d'abord l'audio avec un modèle de reconnaissance vocale comme Whisper, puis résumez la transcription que vous avez générée.

Quelle durée de vidéo YouTube ChatGPT peut-il résumer ?

Les transcriptions longues tiennent dans les fenêtres de contexte actuelles, mais la précision s'affaisse au milieu des entrées très longues. Au-delà d'environ une heure, découpez la transcription en blocs de deux à trois mille mots, résumez chaque bloc, puis résumez ces résumés.

Gemini est-il meilleur que ChatGPT pour YouTube ?

Pour la tâche précise d'accepter un simple lien YouTube, oui. Google documente une prise en charge native des URL YouTube dans l'API Gemini, limitée aux vidéos publiques, avec un plafond de 8 heures de vidéo par jour sur le palier gratuit de l'API. Pour tout ce qui vient après le résumé, l'écart est plus faible que le titre ne le laisse croire, puisque les deux travaillent surtout à partir de l'audio et de la transcription.

ChatGPT Atlas fonctionne-t-il encore ?

Non. Atlas a fermé le 9 août 2026. OpenAI a déplacé le travail agentique sur navigateur dans une extension ChatGPT pour Chrome et dans le navigateur intégré à l'application de bureau ChatGPT.

Conclusion : mieux vaut ancrer que deviner

Toutes les manières fiables de résumer une vidéo YouTube avec ChatGPT sont une variation d'une seule idée : mettre le vrai texte sous les yeux du modèle. Copiez la transcription, utilisez une extension qui la copie pour vous, ouvrez le panneau de transcription avant d'interroger l'assistant du navigateur, ou générez le texte vous-même quand aucun sous-titre n'existe. Tout ce qui tourne mal remonte à la même cause. Les horodatages inventés, la dissertation assurée sur une vidéo jamais vue, le nom déformé que vous auriez cité : tout cela, c'est un modèle à qui l'on demande de rendre compte de quelque chose qu'on ne lui a jamais montré.

Faites ensuite le test de la citation, une fois, parce qu'il coûte trente secondes et qu'il est la seule chose qui vous sépare d'un résumé qui a seulement l'air correct.

Et quand le résumé est bon, ne vous arrêtez pas là. Tirez trois lignes de la transcription, écrivez une phrase de mémoire, et notez la question que la vidéo a laissée ouverte. YouTube Summary de Glasp réunit la transcription, les horodatages et le surlignage au même endroit, pour que cette dernière étape prenne deux minutes au lieu de rester la chose que vous comptiez faire sans jamais la faire. Le résumé est un brouillon. Personne ne se souvient d'un brouillon sur lequel il n'a rien écrit.