Rechercher dans les vidéos enregistrées : guide 2026
Rechercher dans les vidéos enregistrées par ce qui y a été dit, sur YouTube, Instagram et TikTok : la recherche dans les transcriptions et 4 outils en 2026.
Tu as vu une excellente interview sur YouTube il y a six mois. Quelqu'un y a dit quelque chose qui t'a marqué : une phrase précise sur une stratégie de prix, ou une étude qu'il citait. Aujourd'hui, tu en as besoin. Tu ouvres ta liste « À regarder plus tard » et tu fais défiler. Deux cents vidéos plus loin. Des dizaines de vidéos de cuisine enregistrées par erreur plus loin. La vidéo est là, quelque part ; tu ne sais simplement pas laquelle.
C'est le point faible de tous les outils de favoris vidéo depuis que YouTube a lancé son bouton favoris en 2005. Les favoris enregistrent l'URL. Ils n'enregistrent pas ce qui a été dit. Chercher dedans revient à chercher dans les titres, qui sont des accroches marketing optimisées pour le référencement, pas le vrai sujet de la vidéo.
En 2026, on peut faire mieux. La technologie qui permet de chercher dans le contenu parlé de chaque vidéo enregistrée, sur YouTube, Instagram Reels et TikTok, dans n'importe quelle langue, est désormais banale. Ce guide explique comment elle fonctionne, présente les quatre outils qui le font vraiment et montre comment tout mettre en place de bout en bout.
Pourquoi tu ne peux pas chercher dans tes vidéos enregistrées aujourd'hui
Trois choses jouent contre toi.
Les titres ne sont pas le contenu. Un podcast de 90 minutes intitulé « Comment on a construit un business à 40M ARR » a peut-être été enregistré uniquement pour la troisième question de l'animateur, à la 38e minute. Le titre n'en sait rien. Aucune étiquette que tu aurais raisonnablement ajoutée en l'enregistrant non plus.
Le souvenir de l'endroit où tu l'as vu s'efface vite. C'est l'écart bien documenté entre reconnaissance et rappel (NN/g sur recognition vs. recall) : tu reconnaîtras la citation en la revoyant, mais tu ne te souviendras pas de la plateforme où elle se trouvait. Quelques semaines plus tard, cette « interview YouTube » était en fait un Reel, et ta recherche plateforme par plateforme échoue sans bruit.
Les transcriptions existent, mais elles sont éparpillées. La grande majorité des vidéos publiées sur YouTube dans les langues principales ont des sous-titres, fournis par l'auteur ou générés automatiquement. Instagram et TikTok les génèrent à la lecture. Les transcriptions sont publiques. Mais chaque plateforme t'oblige à chercher dedans vidéo par vidéo, après avoir ouvert la vidéo, précisément quand tu ne sais pas laquelle ouvrir.
Ce que « rechercher dans les vidéos enregistrées » veut vraiment dire en 2026
Deux techniques distinctes sont aujourd'hui courantes, et la plupart des outils modernes les combinent.
La recherche en texte intégral (FTS). L'approche classique : on indexe chaque mot de la transcription, puis on cherche la requête telle quelle, comme suite de caractères ou comme mot exact. C'est rapide, déterministe et facile à expliquer. Mais ça échoue quand tu te souviens de l'idée avec d'autres mots. Si tu cherches « quel est le coût d'acquisition client » alors que l'intervenant a dit « combien on paye pour ramener un nouveau client », la recherche en texte intégral ne le trouvera pas.
La recherche sémantique par vecteurs (embeddings). Chaque fragment de transcription est converti en un vecteur de 768 ou 1 536 dimensions par un modèle comme text-embedding-3-small d'OpenAI. Ta requête est convertie en vecteur du même type. Le système renvoie les fragments dont les vecteurs sont les plus proches en distance cosinus. Ça fonctionne malgré les différences de formulation, d'une langue à l'autre, et même quand l'intervenant a employé un jargon que tu n'as jamais entendu.
En mai 2026, l'état de l'art, c'est la recherche hybride avec Reciprocal Rank Fusion (RRF) : on lance en parallèle la recherche en texte intégral et la recherche sémantique, puis on fusionne les classements. Les outils qui proposent une recherche hybride font systématiquement mieux que ceux qui n'utilisent qu'une méthode dans les comparaisons directes (Microsoft Research, 2024), parce que chaque méthode rattrape les échecs de l'autre : le texte intégral retrouve la phrase exacte, la sémantique capte l'intention reformulée.
Les quatre outils qui le font en 2026
Les applis pour « enregistrer des vidéos » ne manquent pas. Celles qui cherchent vraiment dans le contenu des transcriptions se comptent sur les doigts d'une main. Voici la comparaison honnête.
| Outil | Type de recherche | Plateformes | Offre gratuite | À partir de |
|---|---|---|---|---|
| SavedThat | Hybride (sémantique + FTS, RRF) | YouTube, Instagram, TikTok | 5 premières vidéos, sans carte | 9,99 $/mois (Pro) |
| Glasp | FTS sur les surlignages | YouTube uniquement | Surlignages illimités | 0 $ |
| Mem | Sémantique, tout type de contenu | Copier-coller manuel uniquement | Essai | 8,33 $/mois |
| Fait maison (Whisper + pgvector) | Hybride, tu branches tout toi-même | Ce que tu programmes | Gratuit, auto-hébergé | Coût de calcul |
Chacun est pensé pour un usage différent.
SavedThat : l'enregistrement d'abord, la recherche intégrée
Conçu autour de : l'instant où tu enregistres une vidéo. Tu colles une URL YouTube, Instagram ou TikTok ; le système récupère la transcription, la découpe en fenêtres d'environ 18 secondes qui se chevauchent de 5 secondes, calcule le vecteur de chaque fragment et indexe à la fois les vecteurs et le texte intégral. Une recherche dans ta bibliothèque renvoie le moment exact, avec un lien direct vers cet horodatage sur la plateforme d'origine.
Points forts : le seul des quatre qui couvre les trois plateformes de vidéos courtes. Grâce à la déduplication entre utilisateurs, si tu enregistres une vidéo que quelqu'un d'autre a déjà enregistrée, ta bibliothèque est mise à jour instantanément, sans consommer de crédit supplémentaire. La recherche hybride est le réglage par défaut, pas une option payante.
Contreparties : au-delà des 5 premières vidéos, il faut un abonnement, parce que chaque transcription Instagram et TikTok nous coûte des crédits (les transcriptions YouTube sont gratuites à récupérer). Les 5 vidéos offertes, puis les 7 jours d'essai gratuit de Pro ou de Power, suffisent pour voir si la recherche dans les transcriptions trouve des choses que tu ne trouvais pas avant.
Glasp : pour ceux qui surlignent sur YouTube
Conçu autour de : le spectateur actif qui regarde avec attention. Glasp te permet de surligner des phrases précises dans les transcriptions YouTube pendant le visionnage, puis de chercher uniquement parmi ces surlignages. C'est l'outil de référence pour le surlignage depuis son lancement en 2021.
Points forts : gratuit, utilisable sans compte pour des exports ponctuels, intégration avec Readwise.
Contreparties : YouTube uniquement, pas d'Instagram ni de TikTok. La recherche se fait par mot-clé sur les surlignages, pas sur la transcription complète : les passages non surlignés sont invisibles. Il faut surligner activement ; les vidéos simplement enregistrées ne profitent pas de la recherche.
Mem : sémantique, mais c'est toi qui ajoutes tout à la main
Conçu autour de : la prise de notes centrée sur l'IA. Mem absorbe tout ce que tu y colles, transcriptions YouTube comprises, et applique la recherche sémantique grâce aux vecteurs d'OpenAI.
Points forts : l'éventail de contenus le plus large. Si tes favoris vidéo côtoient des notes, des articles et des messages Slack dans un même espace de recherche, Mem est la solution la plus propre.
Contreparties : aucune intégration avec les plateformes. La transcription, tu la colles toi-même, à la main. Pour les grands utilisateurs qui enregistrent réellement plus de 50 vidéos par mois, c'est une contrainte qui ne tient pas le calcul.
Fait maison : Whisper + pgvector
Conçu autour de : le développeur qui veut la même chose sans abonnement. Tu fais tourner Whisper en local pour transcrire, tu ranges les fragments dans pgvector sur une instance Postgres que tu contrôles, et tu exposes un point d'accès de recherche. Matériel nécessaire : un Mac mini, Docker et une dizaine d'heures de bricolage.
Points forts : contrôle total, aucune dépense récurrente, enregistrements illimités.
Contreparties : enregistrements illimités pour toi seulement ; partager ou consulter depuis un mobile demande encore du bricolage. Whisper est excellent en anglais mais nettement moins bon en russe, en hindi ou en arabe que les API commerciales spécialement affinées pour ces langues. Et chaque changement de plateforme (Instagram a sorti une API Reels remaniée en mars 2026 ; TikTok a modifié deux fois son filigrane l'an dernier) devient une tâche de maintenance.
Étape par étape : mettre en place la recherche dans les transcriptions avec SavedThat
Huit minutes entre l'inscription et le premier moment retrouvé.
1. Inscris-toi et passe l'écran vide
Ouvre savedthat.app et inscris-toi par e-mail ou avec Google. L'écran d'accueil affiche un champ où coller un lien : colles-y ta première URL, ou clique sur Try with a demo video pour charger une vidéo de démonstration de 3 minutes. Tes 5 premières vidéos sont gratuites, sans carte ; ensuite, Pro coûte 9,99 $/mois après 7 jours d'essai gratuit (carte requise).
2. Colle l'URL d'une vidéo
Le champ accepte tous ces formats :
https://www.youtube.com/watch?v=...https://youtu.be/...(lien court)https://www.youtube.com/shorts/...https://www.instagram.com/reel/...https://www.tiktok.com/@user/video/...
Clique sur Save. La vidéo arrive dans ta bibliothèque en une dizaine de secondes pour YouTube (la récupération de la transcription est rapide), en 30 à 60 secondes pour Instagram et TikTok (la transcription de l'audio prend plus de temps). Si quelqu'un a déjà enregistré exactement la même URL, la tienne apparaît instantanément : la transcription indexée est partagée entre utilisateurs.
3. Cherche par ce qui a été dit
Dès que tu as au moins une vidéo, le champ de question en haut de la bibliothèque accepte des requêtes en texte libre. Essaie l'une de celles-ci pour voir la différence entre mots-clés et recherche sémantique :
- Phrase exacte :
"customer acquisition cost"trouve la mention mot pour mot. - Intention reformulée :
"combien ça coûte de trouver de nouveaux acheteurs"; la recherche sémantique capte la même idée, même si aucun mot de la requête n'apparaît dans la transcription. - D'une langue à l'autre :
"стоимость привлечения клиентов"en russe ; le modèle multilinguetext-embedding-3-smallplace les vecteurs russes et anglais assez près pour qu'une transcription en anglais ressorte quand même.
Chaque résultat affiche la citation exacte, l'horodatage et un lien direct qui ouvre la vidéo d'origine à la bonne seconde, sur la bonne plateforme.
4. Utilise les liens de partage pour y revenir plus tard
Si tu trouves un moment qui mérite d'être gardé ou envoyé à quelqu'un, clique sur Share sur le résultat. SavedThat génère une URL courte du type savedthat.app/s/abc123 qui ouvre la vidéo d'origine directement à l'horodatage, sans que le destinataire ait besoin d'un compte SavedThat.
Cas particuliers à connaître
Vidéos sans transcription. YouTube propose des sous-titres pour environ 84 % des vidéos publiées. Instagram et TikTok les génèrent automatiquement à partir de l'audio. Quand aucune de ces sources ne fonctionne (c'est rare, surtout pour les clips musicaux et les montages sans paroles), la vidéo apparaît tout de même dans ta bibliothèque avec son titre et sa miniature ; elle n'est simplement pas cherchable tant qu'aucune transcription n'est disponible. Dans l'offre gratuite, elle n'est pas décomptée du quota.
Vidéos multilingues. La recherche hybride est multilingue au niveau des vecteurs, parce que le modèle d'OpenAI a été entraîné sur plus de 100 langues. La partie texte intégral détecte la langue de chaque fragment et utilise le tsvector de Postgres avec la configuration linguistique adaptée. Une requête en russe sur une transcription en anglais trouve quand même des correspondances sémantiques ; le bonus du texte intégral ne s'applique que si la langue de la requête correspond à celle du fragment.
Vidéos longues. Un podcast de 4 heures donne plus de 800 fragments. SavedThat limite la durée d'une vidéo à 3 h en Pro et 5 h en Power : au-delà, les coûts de transcription deviendraient incompatibles avec des tarifs grand public. La recherche hybride reste rapide sur de grosses bibliothèques grâce à une indexation HNSW sur des vecteurs halfvec(768) ; de bout en bout, une recherche a pris environ 1,3 seconde en médiane en septembre 2026.
Vie privée. Les transcriptions et ta liste d'enregistrements restent par défaut dans ta bibliothèque privée. Rien n'est partagé tant que tu ne crées pas explicitement un lien de partage.
Le verdict : quel outil de recherche dans les transcriptions choisir
Si tu enregistres plus de cinq vidéos par mois et qu'au moins une fois par trimestre tu te dis « je sais que j'ai vu ça quelque part », SavedThat est fait pour toi, et c'est le seul des quatre à gérer pleinement Instagram et TikTok. Si tu es uniquement sur YouTube et que tu aimes surligner et annoter, Glasp est excellent et gratuit. Si tu utilises déjà Mem au quotidien, colles-y tes transcriptions et restes-y. Si tu es développeur et que le bricolage te plaît, la solution maison est un choix tout à fait honorable.
Quel que soit ton choix, l'époque du « je l'ai enregistré quelque part » touche à sa fin. Cherche dans les vidéos, pas autour.
À lire aussi
Favoris vidéo : recherche dans les transcriptions (2026)
Gestionnaire de favoris vidéo avec recherche dans les transcriptions : sept outils comparés franchement, de SavedThat et Quiki à Raindrop Pro, Mymind, Glasp.
Rechercher dans « À regarder plus tard » YouTube (2026)
Rechercher dans « À regarder plus tard » et tes J'aime sur YouTube : ce que trouve la playlist, l'historique, les extensions et les transcriptions.
Questions fréquentes (2026)
YouTube ne permet-il pas déjà de chercher dans les vidéos enregistrées ?
La recherche native de YouTube ne porte que sur les titres, les descriptions et les étiquettes des vidéos de ta liste À regarder plus tard ou de tes playlists enregistrées, pas sur le contenu parlé. Il n'existe aucune fonction intégrée du type « chercher dans les transcriptions de toutes mes vidéos enregistrées ». Des outils tiers comme SavedThat existent parce que YouTube n'en a pas fait une priorité depuis au moins 2020.
Puis-je chercher de la même façon dans mes Reels Instagram et mes favoris TikTok ?
Oui, mais il te faut un outil qui récupère la transcription de l'audio sur ces plateformes : ni Instagram ni TikTok ne proposent d'API de transcription comme YouTube. SavedThat utilise Supadata pour transcrire automatiquement les Reels et les TikTok au moment de l'enregistrement. Glasp et Mem ne prennent en charge que YouTube ; sans outil tiers, impossible de chercher dans tes enregistrements Instagram ou TikTok.
Quelle est la précision des transcriptions générées automatiquement ?
En anglais, dans des conditions d'enregistrement normales, les sous-titres automatiques actuels atteignent environ 95 % de précision par mot. Pour le français, l'espagnol, le russe, le portugais et les autres langues bien couvertes par les modèles, 90 à 94 % est courant. Les accents prononcés, la musique de fond et les personnes qui parlent en même temps font encore baisser la précision. La recherche reste utile bien en deçà d'une transcription parfaite, car les vecteurs sémantiques tolèrent très bien les approximations.
Quelle est la différence entre recherche en texte intégral et recherche sémantique ?
La recherche en texte intégral compare mot pour mot ta requête aux mots de la transcription. La recherche sémantique convertit la requête et les transcriptions en vecteurs numériques qui représentent le sens, et renvoie les plus proches en distance cosinus. La recherche sémantique trouve « combien ça coûte d'acquérir des clients » quand la transcription dit « CAC » ou « customer acquisition cost » ; le texte intégral passerait à côté. Les meilleurs outils combinent les deux.
Mes vidéos enregistrées restent-elles utilisables si l'original est supprimé de YouTube ?
La transcription et ton favori restent dans ta bibliothèque, mais les liens directs pointent vers la plateforme d'origine : si YouTube supprime la vidéo, le lien ne fonctionne plus. SavedThat conserve indéfiniment le texte de la transcription, donc la recherche et les citations continuent de fonctionner, mais il n'est plus possible de relire l'audio ni la vidéo. Pour archiver durablement le média lui-même, il te faut une autre solution.
Est-ce que ça coûte cher à grande échelle ?
Avec des offres grand public, non. L'essentiel du coût, c'est la transcription, faite une seule fois à l'enregistrement (gratuite pour YouTube, payante par Reel pour Instagram et TikTok). Les vecteurs coûtent quelques centimes pour 1 000 fragments avec text-embedding-3-small d'OpenAI. Stocker des halfvec de 768 dimensions dans Postgres représente environ 1,5 Ko par fragment. Une bibliothèque personnelle de 50 000 fragments tient largement dans une instance Postgres à 25 dollars par mois, et dans un outil hébergé comme SavedThat, ce coût est déjà compris dans l'offre Pro à 9,99 dollars.