Recherche de contenu YouTube : analysez 10 vidéos concurrentes en un éclair

La recherche de contenu YouTube, c'était regarder les concurrents en vitesse x2 avec un document de notes ouvert et une attention qui décrochait dès la troisième vidéo. Désormais, avant d'écrire le moindre script, je récupère les transcriptions des 10 meilleures vidéos sur le sujet visé et je fais extraire par un LLM leurs accroches, leur structure commune et — la partie précieuse — les questions auxquelles aucune ne répond. Le tout prend 15 minutes et deux outils : une courte boucle Python et un prompt d'analyse.

Constituer le corpus

Cherchez votre sujet sur YouTube, copiez les identifiants des 10 vidéos les plus vues, et laissez la boucle faire le reste :

import requests, time

API_KEY = "yt_your_key"
video_ids = ["VIDEO_ID_1", "VIDEO_ID_2"]  # your top 10

corpus = []
for vid in video_ids:
    r = requests.get(
        "https://youtube2text.org/api/transcribe",
        params={"url": f"https://www.youtube.com/watch?v={vid}",
                "maxChars": 30000},
        headers={"x-api-key": API_KEY}, timeout=60)
    data = r.json()
    if "result" in data:
        corpus.append(f"### {data['result']['title']}\n{data['result']['content']}")
    time.sleep(1)

open("corpus.md", "w").write("\n\n".join(corpus))

Le maxChars: 30000 fait ici un vrai travail. Dix vidéos à 30k caractères chacune donnent un corpus d'environ 300k caractères — autour de 75 à 85k tokens, confortablement dans le contexte de 200k de Claude avec de la marge pour l'analyse. Et 30k caractères couvrent en gros les 25 premières minutes de parole, ce qui est plus que suffisant pour extraire accroches et structures. Le test if "result" compte, car une ou deux vidéos de n'importe quel top 10 auront les sous-titres désactivés et renverront TRANSCRIPT_UNAVAILABLE — ignorez-les et passez à la suite.

Le prompt d'analyse concurrentielle

Collez le corpus dans ceci :

Below are transcripts of the 10 most-viewed videos about {TOPIC}.

Analyze across all of them:
1. HOOKS — quote the first two sentences of each video.
   What patterns repeat?
2. STRUCTURE — outline the section order most videos share.
3. CLAIMS — list specific claims or numbers that appear in
   three or more videos. These are table stakes.
4. GAPS — questions a viewer would still have after watching
   all 10. Be specific; these are my content opportunities.

Cite the video title for every observation.

{PASTE corpus.md}

La section 4 est la raison pour laquelle je me donne cette peine. Lors d'une analyse récente sur un sujet de comparaison de bases de données, les dix vidéos mesuraient la vitesse de lecture et pas une seule ne parlait du coût de migration — cet angle manquant est devenu ma vidéo la plus performante du trimestre.

Ce que les transcriptions ne peuvent pas vous dire

La limite à énoncer clairement : la rétention, ce sont les mots plus tout le reste. Une accroche qui paraît plate sur le papier peut fonctionner grâce à un plan de coupe ou à une promesse de vignette, et la transcription ne voit rien de tout cela. Je considère l'analyse du corpus comme la carte, puis je regarde réellement les trois meilleures vidéos pour voir comment les mots sont livrés. Par ailleurs, les sous-titres automatiques massacrent parfois les termes techniques sur lesquels vous cherchez des motifs, alors survolez le fichier de corpus avant de vous fier aux décomptes d'affirmations.

Le quota et en faire une habitude

Une session de recherche représente 10 appels API. Les 5 vidéos par mois du niveau gratuit ne couvrent même pas une session, donc ce workflow commence de façon réaliste à la formule basique à 5,99 $ — 50 vidéos, soit cinq analyses approfondies de sujets par mois. Une recherche hebdomadaire sur plusieurs niches tient dans la formule pro à 9,99 $ pour 500. Pour une récupération de qualité production avec reprises et gestion des 429, le guide Python contient le script complet ; si vous voulez que le corpus reste interrogeable en permanence plutôt qu'à usage unique, injectez-le dans une configuration RAG de chaîne. Et une fois que l'analyse des manques vous a fourni un angle, le pipeline vidéo vers article de blog retransforme la vidéo obtenue en article.

Les clés sont à une connexion Google de distance sur youtube2text.org/app/keys — sans carte, sans téléphone, et votre prochain calendrier éditorial plaidera sa propre cause.