Étude de cas
Brollwise : une prise brute en entrée, un clip sous-titré en sortie, et une personne qui vérifie chaque étape
Un monteur vidéo IA pour ceux qui parlent face caméra. Il coupe les blancs, ajoute des sous-titres calés mot par mot et prévoit les images des plans de coupe, et il s'arrête à chaque étape pour que la personne qui filme décide.
Mon rôle
Brollwise est mon propre produit. Je l'ai conçu, je l'écris et je le fais tourner, seul. Il est parti d'un fork du projet open source ButterCut : 114 des 176 commits du dépôt sont les miens, et les 62 autres sont arrivés avec le fork.
La situation
Filmer une minute de parole prend une minute. La monter prend l'après-midi : repérer chaque pause, taper les sous-titres mot par mot, chercher des images à poser sur les coupes. Brollwise fait ce travail dans le navigateur et montre chaque résultat avant de passer à la suite.
La contrainte
L'IA propose et la personne décide : six étapes, chacune en attente d'une vérification. La réponse du modèle n'est jamais utilisée telle quelle : un mot mis en avant doit exister dans la transcription, les minutages sont ramenés à la durée du clip, et un plan de coupe qui pointe vers une image manquante devient une image générée.
Chaque appel à l'IA coûte de l'argent. Un utilisateur apporte ses propres clés d'API ou dépense des crédits sur les miennes ; un crédit est prélevé au moment où il est dépensé et rendu si l'appel échoue.
Une seule personne fait tourner le service, donc l'inscription doit s'ouvrir toute seule sans inviter aux abus : un plafond quotidien, deux comptes par jour et par adresse réseau, un compte par boîte mail, et le reste attend mon approbation.
Ce que j'ai construit
Une application web et une landing page publique, toutes deux en anglais, en français et en espagnol :
- Envoi : directement du navigateur vers le stockage cloud, jusqu'à 200 Mo et 5 minutes, avec du contexte et les images de référence de l'utilisateur.
- Transcription : WhisperX horodate chaque mot et détecte l'anglais, le français ou l'espagnol. N'importe quel mot peut être corrigé, le texte s'exporte en .txt, et les pauses de plus de 0,6 seconde peuvent être coupées.
- Sous-titres : quatre styles et un mode karaoké qui fait surgir chaque mot au moment où il est prononcé, en aperçu sur le clip de l'utilisateur lui-même.
- Plan de B-roll : Claude lit la transcription et le contexte, choisit les mots à mettre en avant et prévoit un plan de coupe toutes les 5 à 8 secondes environ. Chaque ligne peut être modifiée, ou replanifiée à partir d'une consigne en langage courant.
- Images et rendu : chaque plan de coupe utilise l'image de l'utilisateur ou une image générée avec Flux, et peut être refait séparément. FFmpeg assemble la vidéo, avec un zoom optionnel sur la personne qui parle et quatre transitions.
- Comptes : inscription par email, 12 crédits de bienvenue, une vidéo gratuite avec filigrane par mois, et un back-office où j'approuve, révoque et ajuste les comptes.
- Dans le code : des packs de crédits et des abonnements payants, derrière un webhook qui vérifie la signature, applique chaque événement une seule fois et reprend les crédits en cas de remboursement, ainsi qu'une application mobile avec sa propre API.
Les chiffres
- 6étapes, chacune en pause pour une vérification humaine
- 4styles de sous-titres, plus un mode karaoké
- 3langues, dans l'application et sur la landing page
- 14routes dans l'API mobile
- 356lignes assert dans mes auto-vérifications, réparties sur 17 fichiers Python
- 114commits de ma main, du 18 juin au 12 novembre 2026
Chaque chiffre est compté depuis le dépôt, le 12 novembre 2026. Il n'y a sur cette page aucun chiffre d'utilisateurs, de clients ou de revenus.
Ce que c'est, et ce que ce n'est pas
C'est un produit que j'ai construit et que je fais tourner moi-même, et il en est à ses débuts. Cette page ne montre aucun chiffre d'usage : elle prouve ce que fait le logiciel, pas que des gens s'en servent. Les offres payantes et l'application mobile sont dans le code : considérez-les comme construites, pas comme en ligne.
Une partie du dépôt n'est pas de moi. Le fork a apporté une bibliothèque Ruby qui écrit des fichiers de projet pour des logiciels de montage vidéo de bureau, avec ses 288 cas de test : c'est le travail de l'auteur d'origine. Mes 114 commits portent tous une ligne de co-auteur IA : c'est ma façon d'écrire du code.
Mon propre code n'a ni framework de test ni déploiement automatique. La plupart des modules embarquent une auto-vérification qui tourne sans réseau, avec la base de données et les services payants simulés, et un script parcourt l'inscription et le back-office. Les six écrans de montage n'ont aucun test automatisé.
Stack technique
- Python
- Streamlit
- WhisperX
- FFmpeg
- Claude API
- Flux
- Replicate
- Firebase Auth
- Firestore
- Cloud Run
- Cloud Storage
À voir
Vous voulez la même chose ?
Dites-moi ce que vous construisez, ou ce que vous faites encore à la main, et je vous dirai comment je m'y prendrais. Sans engagement.