browser-use sort video-use : éditer des vidéos avec un agent de code, la nouvelle frontière des coding agents

browser-use sort video-use : éditer des vidéos avec un agent de code, la nouvelle frontière des coding agents

🔎 Le montage vidéo quitte la timeline pour le terminal

Il existe des dépôts GitHub où personne n'écrit vraiment d'application — et où tout se joue pourtant dans un terminal. video-use, publié par l'équipe browser-use, illustre ce basculement : créé le 12 avril 2026, le projet a accumulé 27 574 étoiles et 3 256 forks en un peu plus de six mois, et figure désormais parmi les projets les plus en vue de la catégorie « video editing » du classement trending de gittrend.io.

Le concept tient en une phrase. Vous déposez un rush brut dans un dossier, vous discutez avec votre agent de code — Claude Code, Codex, ou n'importe quel agent doté d'un accès shell — et vous récupérez un final.mp4 dérushé, étalonné et sous-titré.

Pourquoi maintenant ? Parce que trois briques ont mûri en même temps. Les agents de code savent exécuter des commandes de façon fiable, ffmpeg demeure le moteur de montage scriptable le plus complet du marché, et les API de transcription sont assez précises pour servir de base à des décisions de coupe automatiques. video-use n'invente rien techniquement. Il assemble — et c'est précisément ce qui rend le projet intéressant.

L'essentiel

• video-use est un projet open source sous licence MIT de l'équipe browser-use : 27 574 étoiles, 3 256 forks, dépôt créé le 12 avril 2026, seulement 22 commits.
• Le principe : vos rushes dans un dossier, une conversation avec un agent de code, un final.mp4 en sortie. Pas d'interface, pas de timeline à manipuler à la souris.
• La pipeline coupe les tics de langage (« umm », « uh », faux départs) et les espaces morts, étalonne par segment, applique des micro-fondus audio de 30 ms, incruste des sous-titres et génère des overlays animés en sous-agents parallèles.
• Règle d'or du projet : l'agent ne touche au montage qu'après validation de la stratégie en langage naturel.
• Le phénomène dépasse ce dépôt : Timeline Studio, autoclip, Recordly ou OpenCut dessinent une vague open-source où le montage devient une tâche agentique, pas une interface.

Outils recommandés

video-use n'est pas un logiciel de montage, c'est une compétence pour votre agent

video-use est un dépôt open source sous licence MIT qui transforme n'importe quel agent de code disposant d'un accès shell en monteur vidéo opérationnel. Ce n'est ni une application, ni un plugin, ni une interface : c'est une méthode que votre agent exécute.

L'équipe derrière le projet n'est pas une inconnue. browser-use s'est fait connaître avec sa bibliothèque d'automatisation de navigateur pour agents, l'un des projets les plus utilisés de l'écosystème agentique. Avec video-use, la même philosophie s'applique à un nouveau domaine : donner à l'agent des outils standards, garder l'humain en langage naturel.

Les chiffres du dépôt racontent une histoire inhabituelle. 27 574 étoiles et 3 256 forks en six mois, pour seulement 22 commits. Ce ratio est le signal le plus intéressant de toute cette histoire.

Le détail qui dit tout : 22 commits

Vingt-deux commits, c'est le volume d'un projet de week-end, pas d'une application. Ce n'est pas un défaut, c'est le design. video-use n'embarque pas d'intelligence, il embarque une procédure.

L'essentiel du projet tient dans un fichier de skill qui décrit comment l'agent doit procéder, accompagné de quelques scripts utilitaires. L'intelligence, elle, vient du modèle qui pilote l'ensemble — et ce modèle, vous le choisissez. Pendant vingt ans, un monteur vidéo était un logiciel aux milliers de commits. Ici, le « monteur » est une procédure que n'importe quel agent compatible peut suivre.

Sous le capot : six scripts, zéro magie

La pipeline repose sur une chaîne de scripts Python qui encadrent ffmpeg et un service de transcription, avec une logique de coupe strictement définie. Rien d'ésotérique, mais une discipline remarquable.

La transcription passe par Scribe, le service d'ElevenLabs — une clé API est obligatoire. Les scripts transcribe.py et transcribe_batch.py, qui parallélisent sur 4 workers, convertissent l'audio en texte horodaté, et pack_transcripts.py prépare le tout pour l'agent.

Vient ensuite la décision la plus importante : où couper. Le fichier SKILL.md du projet est explicite — les candidats de coupe proviennent des frontières de parole et des silences d'au moins 0,5 seconde. À partir de cette carte, l'agent élimine les mots de remplissage, les faux départs et les espaces morts.

Le rendu suit un ordre non négociable dans render.py : extraction des segments, concaténation, overlays, puis sous-titres en dernier — logique, puisqu'ils doivent s'incruster au-dessus de tout le reste. Chaque coupe est protégée par un micro-fondu audio de 30 ms, ce détail qui évite les clics audibles. L'étalonnage, géré par grade.py, applique des chaînes de filtres ffmpeg personnalisables, segment par segment.

La timeline que l'agent « voit » vraiment

Le script le plus malin s'appelle timeline_view.py. Il génère un PNG combinant une planche de vignettes (filmstrip) et la forme d'onde audio.

Autrement dit, l'agent ne travaille pas à l'aveugle sur du texte : il dispose d'une représentation visuelle de la timeline pour prendre ses décisions. C'est ce qui sépare un gadget d'un outil.

Des animations montées en parallèle

Pour les overlays animés, video-use ne fait pas dans le minimalisme : chaque animation est générée par un sous-agent dédié, via HyperFrames, Remotion, Manim ou PIL. Le SKILL.md l'impose — jamais séquentiel, toujours parallèle, un sous-agent par animation.

Résultat : le temps total d'un montage comportant plusieurs animations équivaut au temps du plus lent, pas à la somme de tous. Pour quiconque a déjà attendu un export à 2 h du matin, la différence est parlante.

Deux derniers détails méritent l'attention. L'auto-évaluation, d'abord : l'agent vérifie le rendu à chaque frontière de coupe, ce qui réduit les allers-retours. La mémoire, ensuite : chaque session persiste ses décisions dans un fichier project.md, et tous les outputs atterrissent dans un sous-dossier edit/, ce qui garde le dossier projet propre.

Le workflow qui change tout : jamais de montage avant validation

La règle la plus intéressante du projet tient en une phrase : l'agent ne touche au montage qu'après validation de la stratégie en langage naturel.

Le workflow imposé tient en cinq étapes : questionner, confirmer la stratégie, exécuter, itérer, persister. Concrètement, l'agent commence par vous poser des questions. Quel public ? Quel rythme ? Faut-il garder les hésitations pour l'authenticité ? Vous répondez, il propose une stratégie de montage, et il n'exécute qu'après votre feu vert explicite.

Ce contrat peut sembler contraignant. Il est en réalité la condition de viabilité du montage agentique. Dans une interface classique, une mauvaise décision coûte un Ctrl+Z. Avec un agent, elle coûte des minutes de rendu et des tokens. Verrouiller l'intention avant l'exécution n'est pas de la bureaucratie : c'est ce qui rend le processus économiquement tenable.

La persistance complète le tableau. Comme les décisions sont écrites en clair dans project.md, un montage n'est plus un état figé dans un fichier propriétaire : c'est une recette, relisible, modifiable, ré-exécutable. C'est ce qui distingue fondamentalement video-use d'un simple template CapCut.

La vague open-source du montage agentique

video-use n'est pas un cas isolé, mais le symptôme le plus visible d'une vague qui remplit la catégorie « video editing » des classements GitHub.

Le second projet à suivre s'appelle Timeline Studio (MartinDelophy/ai-video-editor). Créé en juillet 2026, il affiche 881 étoiles, 113 forks et 206 commits. Son positionnement : un éditeur vidéo IA local-first qui tourne dans le navigateur, en alternative open-source style CapCut.

La liste des fonctionnalités est étonnante pour un projet de quelques mois : timeline multi-pistes, musique générée par IA via WebGPU, réparation vidéo locale par MI-GAN, restauration 4x par NanoVSR 644K, séparation vocale dans le navigateur, captions, voiceover multi-langues, avatars parlants et export déterministe hors-ligne. Le tout sans envoyer vos rushes sur un serveur tiers.

Le détail qui nous intéresse ici : Timeline Studio embarque un AI Video Editing Skill compatible avec Codex, Claude Code, Copilot et Gemini CLI. Les deux mondes — interface graphique et agents — commencent à converger.

Autour de ces deux-là, la catégorie montage vidéo de gittrend.io regroupe une génération entière de projets : autoclip pour le clipping automatique de highlights, Recordly pour les démos vidéo sans montage, ou OpenCut, autre alternative open-source à CapCut. Nous suivons cette vague de près dans notre sélection d'outils IA pour le montage vidéo et d'outils IA pour YouTube, car c'est elle qui redessine le poste de travail du créateur.

Pourquoi le montage devient une tâche agentique (et pas une interface)

Parce que le texte est devenu la meilleure interface pour exprimer une intention de montage, et que les agents de code sont devenus les meilleurs exécutants de cette intention. Déroulons l'argument.

Premier point : ffmpeg est scriptable depuis plus de vingt ans. Ce qui manquait n'était pas la capacité technique de monter en ligne de commande, mais le pilote intelligent capable de décider quoi faire. Cette pièce existe désormais : les classements agentiques placent GPT-5.5 (98,2), Gemini 3 Pro Deep Think (95,4) et Claude Opus 4.7 Adaptive (94,3) en tête du classement.

Deuxième point : la guerre des coding agents déborde du code. xAI a lancé Grok Build, son premier agent coding CLI, OpenCode rassemble 8 millions de développeurs et 172 000 étoiles GitHub, et Anthropic transforme Claude Code en plateforme à part entière. Tous ces acteurs cherchent des territoires au-delà du code. Le montage en est un naturel : des fichiers, du shell, des itérations, un rendu vérifiable.

Troisième point, le plus sous-estimé : la reproductibilité. Un montage décrit en langage naturel et consigné dans project.md est une recette. La semaine prochaine, votre nouveau rush passera par la même recette, avec les mêmes réglages d'étalonnage et le même style de sous-titres. Un montage fait à la souris dans un logiciel classique n'est rien de tel — c'est un artefact unique, impossible à rejouer.

Quatrième point : l'économie. Pour un créateur qui publie trois vidéos par semaine, le dérushage — repérer les silences, couper les hésitations, poser les sous-titres — représente des heures de travail à faible valeur créative. C'est exactement le type de tâche qu'on délègue à un agent, en gardant la main sur les décisions qui font le style.

Le choix du modèle compte, évidemment. Les modèles frontier dominent les scénarios complexes, mais l'open-source progresse vite : Kimi K2.7-Code, le modèle coding à 1 000 milliards de paramètres réduit de 30 % les tokens de raisonnement, et des modèles self-host comme Kimi K2.6 ou GLM-5 permettent de piloter ce type de pipeline sans dépendre d'une API fermée. Notre comparatif des meilleurs agents IA autonomes et des meilleurs outils IA pour le code détaille ces options.

Démarrer avec video-use : quatre prérequis, dix minutes

Il vous faut ffmpeg, Python, une clé API ElevenLabs et un agent CLI avec accès shell. Rien d'autre — pas de GPU, pas d'abonnement spécifique.

git clone https://github.com/browser-use/video-use
cd video-use
ffmpeg -version                        # vérifiez l'installation
export ELEVENLABS_API_KEY="votre-clé"  # requise pour la transcription Scribe

Ensuite, le rituel est simple. Déposez votre rush dans le dossier vidéo du projet, ouvrez votre agent dans ce dossier, et décrivez le résultat voulu en une ou deux phrases : durée cible, ton, présence ou non de sous-titres.

L'agent va alors faire ce que le projet impose : vous poser des questions. Prenez le temps d'y répondre, c'est là que se joue la qualité du résultat. Une fois la stratégie validée, la pipeline tourne et vous récupérez final.mp4, tous les intermédiaires rangés dans le sous-dossier edit/.

Deux conseils pratiques. Pour un premier test, choisissez un rush de talking-head de cinq minutes : c'est le cas d'usage que la pipeline couvre le mieux. Et si vous voulez enchaîner les rendus sans monopoliser votre machine, un VPS classique suffit — video-use n'a pas besoin de GPU, ffmpeg est un monstre d'efficacité CPU. Un serveur à quelques euros chez Hostinger absorbe ce type de charge sans broncher.

❌ Erreurs courantes

Erreur 1 : laisser l'agent monter sans valider la stratégie

Ce qui ne va pas : sauter l'étape de validation pour « gagner du temps » produit des rendus à côté de la plaque, et vous payez le rendu complet avant de découvrir le problème.

La solution : répondez aux questions de l'agent, validez la stratégie en langage naturel, puis laissez tourner. Cinq minutes de dialogue économisent une heure de rendu inutile.

Erreur 2 : ignorer les prérequis ffmpeg et ElevenLabs

Ce qui ne va pas : video-use n'embarque ni ffmpeg ni moteur de transcription. Sans ffmpeg installé ou sans clé API ElevenLabs pour Scribe, la pipeline s'arrête dès la première étape.

La solution : vérifiez les deux avant la première session. ffmpeg est gratuit sur tous les systèmes, et ElevenLabs propose une offre gratuite pour tester.

Erreur 3 : attendre un Avid dans le terminal

Ce qui ne va pas : video-use excelle au dérushage, au nettoyage, aux sous-titres et aux overlays. Il ne remplacera pas un montage narratif complexe, avec des dizaines de pistes et un étalonnage négocié plan par plan.

La solution : combinez les approches. Laissez l'agent produire un premier montage propre et reproductible, puis affinez dans un éditeur — ou dans un projet comme Timeline Studio, qui réunit les deux mondes.

Erreur 4 : empêcher les sous-agents de travailler en parallèle

Ce qui ne va pas : enchaîner les animations une par une multiplie le temps de production par le nombre d'animations. Le SKILL.md est formel : jamais séquentiel, un sous-agent par animation.

La solution : laissez le skill orchestrer. Le temps total d'un montage multi-animations équivaut au temps du sous-agent le plus lent, pas à la somme de tous.

❓ Questions fréquentes

video-use est-il vraiment gratuit ?

Oui. Le dépôt est sous licence MIT, sans restriction d'usage commercial. Les coûts réels se situent ailleurs : les tokens consommés par l'agent pilote et l'abonnement ElevenLabs pour la transcription via Scribe. Sur des rushes courts, la facture reste marginale. Sur du traitement en masse, elle devient le premier poste de dépense.

Quels agents de code sont compatibles ?

Tous les agents disposant d'un accès shell, selon le dépôt : Claude Code, Codex, Hermes ou OpenCode, entre autres. C'est la conséquence directe du design du projet — video-use étant une méthode plus qu'un logiciel, tout agent capable d'exécuter des scripts Python et ffmpeg peut la suivre.

Mes vidéos quittent-elles ma machine ?

Le montage reste local : ffmpeg traite vos fichiers sur votre machine, rien n'est envoyé vers un service de rendu. La seule exception est la transcription, qui passe par l'API Scribe d'ElevenLabs — vos pistes audio transitent donc par le cloud à cette étape. Pour du contenu sensible, c'est le seul point à auditer.

Faut-il un modèle haut de gamme pour piloter la pipeline ?

Pour un dérushage standard, des modèles intermédiaires comme Claude Sonnet 4.6 ou GPT-5.3 Codex suffisent. Les scénarios complexes — stratégies de montage nuancées, overlays élaborés — tirent parti des modèles de tête comme GPT-5.5 ou Claude Opus 4.7 Adaptive. Les options self-host comme Kimi K2.6 ou GLM-5 offrent une voie pour maîtriser les coûts à volume.

Ça remplace Premiere Pro ou CapCut ?

Non, et ce n'est pas l'objectif. video-use automatise une catégorie de tâches — dérushage, nettoyage, sous-titres, étalonnage de base — pas l'écriture créative du montage. Les deux approches sont complémentaires : l'agent produit une base propre et reproductible, l'humain garde la main sur les choix narratifs. La frontière bougera avec les prochaines versions.

✅ Conclusion

Le montage vidéo vient de devenir une tâche agentique plutôt qu'une interface — et video-use, avec ses 27 574 étoiles gagnées en six mois, en est la première démonstration à grande échelle. Testez-le sur votre prochain rush, et suivez l'évolution de cette vague dans notre veille des nouveautés IA.