Les vidéos enseignent aux gens. Maintenant, elles enseignent à votre IA.

Qu'est-ce que video-to-skill ?

video-to-skill (V2S) est un outil libre et gratuit qui transforme n'importe quelle vidéo tutorielle — une URL YouTube ou un fichier local — en une compétence installable et vérifiée par exécution pour les agents IA de développement. Il regarde la vidéo, lit le texte affiché à l'écran, teste chaque étape qu'il consigne, et remet à votre agent une compétence qu'il peut réellement exécuter.

Une seule commande l'installe :

npx skills@latest add brenoepics/video-to-skill

Depuis la v0.2.3, la compétence produite s'installe pour tous les agents détectés sur la machine — Claude Code, Codex, Cursor, Gemini CLI, GitHub Copilot, OpenCode et Amp — sous la forme d'une seule copie réelle dans ~/.agents/skills, avec un lien symbolique relatif depuis chacun des autres. Une seule source de vérité, donc une mise à jour ultérieure les atteint tous.

Pourquoi la transcription seule ne suffit pas

video-to-skill lit le texte à l'écran directement dans les images, et pas seulement la transcription audio, parce qu'une transcription perd précisément les détails qui rendent une étape exécutable. Trois erreurs d'écoute relevées lors d'exécutions réelles :

Le texte à l'écran l'emporte sur la narration à chaque étape du traitement : les commandes sont lues sur les pixels, jamais paraphrasées. Chaque étape porte en outre la référence [t=MM:SS] et l'image dont elle a été tirée, si bien que n'importe quelle affirmation peut être vérifiée à la seconde près dans la vidéo d'origine.

Comment fonctionne la vérification

La vérification dans video-to-skill est confiée à un sous-agent neuf, exécuté en bac à sable, qui ne voit que le paquet produit et jamais la vidéo. Il exécute chaque étape face aux critères de réussite de cette étape, et le badge est celui que l'exécution a mérité :

• ✅ vérifiée — l'étape s'est exécutée et a satisfait ses critères de réussite.
• 🟡 partiellement vérifiée — certains critères sont satisfaits, d'autres n'ont pas pu être contrôlés.
• ⚠ non vérifiée — l'étape n'a pas pu être exécutée, et la compétence le dit.

Les étapes qu'il serait dangereux d'exécuter sont écartées par principe et signalées comme telles — jamais passées silencieusement au vert.

Une réparation issue d'une exécution réelle : l'étape de collage d'un tutoriel avait été compilée en "+P, qui colle depuis le registre interne de Vim et non depuis le presse-papiers du système. Le bac à sable l'a exécutée, le critère a échoué, la boucle de réparation l'a corrigée en "+p, et la nouvelle exécution a vérifié le collage face au véritable presse-papiers de macOS.

Les étapes dont la chaîne n'est pas sûre sont publiées avec une mention de faible confiance plutôt que de passer en silence, et une vidéo qui ne contient aucune procédure est refusée avec un rapport d'analyse au lieu d'être transformée en étapes inventées.

Comment une compétence s'enrichit de plusieurs vidéos

Intégrer une seconde vidéo de la même tâche à une compétence existante la renforce au lieu de l'écraser : les points d'accord entre les deux vidéos gagnent une double référence, les désaccords deviennent des variantes citées plutôt que des remplacements silencieux, et une section Sources conserve l'historique. Chaque intégration invalide le badge : la vérification est relancée avant la réinstallation.

Ce qui distingue V2S

video-to-skill côtoie deux familles d'outils bien connues et fait un travail différent des deux. Les outils vidéo-vers-document transforment une vidéo en texte destiné à une personne ; les enregistreurs de procédures transforment une session que vous réalisez en guide destiné à une personne. V2S transforme une vidéo que vous n'avez pas tournée en étapes qu'un agent peut exécuter.

La distinction qui compte : un document explique une procédure à une personne, tandis qu'une compétence remet à un agent des étapes qu'il peut exécuter — chacune ayant déjà tourné une fois en bac à sable avant d'être publiée.

Performances

video-to-skill a traité un tutoriel de 2 minutes en 720p de bout en bout en 3,3 secondes de temps réel — soit 36,5 fois la vitesse de lecture — sur un Apple M5 avec accélération Metal. Le même extrait demande 67,5 secondes, soit 1,8 fois, sur un runner macOS GitHub à 3 cœurs sans GPU. La transcription seule tourne à 8,0 fois en local et 1,3 fois en CI.

Les deux chiffres sont reproductibles sur votre propre matériel, car la même série de tests imprime le même tableau :

vts-extract bench

Les chiffres de CI proviennent de machines virtuelles partagées à 3 cœurs sans accélération Metal ; ils représentent donc le bas de la fourchette, pas le cas courant.

Confidentialité et sécurité

video-to-skill s'exécute entièrement sur votre propre machine. La vidéo n'en sort jamais, et seules les images que l'agent choisit d'examiner entrent dans le contexte du modèle. Ni compte, ni clé d'API, ni télémétrie.

Une vidéo est une entrée non fiable qui progresse vers des étapes exécutables : les frontières sont donc explicites. Chaque téléchargement est épinglé par somme de contrôle et accompagné d'une attestation de provenance de build GitHub, que vous pouvez contrôler vous-même avec gh attestation verify. Le compilateur rejette les chaînes qui ressemblent à des secrets et les scripts du type télécharger-puis-exécuter, et tout texte d'une vidéo qui s'adresse directement à l'agent est traité comme une injection de prompt présumée plutôt que suivi comme une instruction.

Limites

video-to-skill donne le meilleur sur les captures d'écran vidéo, les tutoriels en ligne de commande ou en interface graphique, et les conférences. Les démonstrations physiques rapides perdent le détail du mouvement entre deux images clés. Les affirmations propres à une interface graphique peuvent être invérifiables par exécution : elles sont publiées avec cette mention, jamais dissimulées derrière le badge. Les vidéos sans procédure sont refusées plutôt que transformées en étapes inventées, et les étapes peu sûres sont publiées avec un signalement.

Les plateformes prises en charge sont macOS, avec accélération Metal sur Apple Silicon, et Linux.