Le 16 septembre, un journaliste a rapporté que Google Gemini avait généré quatre paragraphes de citations présentées comme la transcription d’un Reel Instagram. Il affirme que ces phrases ne correspondaient pas aux paroles de l’athlète présent dans la vidéo. Après contestation, Gemini aurait indiqué qu’il ne pouvait pas ouvrir, traiter ni écouter directement le lien externe et a proposé de travailler à partir de sous-titres ou d’une transcription fournie par l’utilisateur.
Gemini aurait produit quatre paragraphes de fausses citations
Le cas concerne un Reel Instagram qu’un journaliste dit avoir regardé avant de demander à Gemini de le transcrire. La réponse aurait pris la forme de quatre paragraphes détaillés, avec des citations attribuées à l’athlète, alors que leur contenu ne correspondait pas à la vidéo.
Le point important n’est donc pas une simple erreur de mot ou de ponctuation : la réponse aurait ressemblé à une transcription complète alors que Gemini aurait ensuite déclaré ne pas avoir pu accéder au contenu audio ou vidéo du lien Instagram.
L’admission est arrivée après la réponse
Gemini aurait reconnu que le texte précédent était un contenu générique et non le contenu réel de la vidéo. L’assistant aurait aussi précisé qu’il ne pouvait pas produire une transcription mot à mot de ce Reel depuis son lien externe.
Pour poursuivre le travail, il aurait proposé à l’utilisateur de fournir les sous-titres automatiques d’Instagram ou une transcription approximative. Gemini pourrait alors nettoyer les hésitations, retirer les mots superflus et organiser le texte en sections exploitables.
Un fichier envoyé n’est pas une URL Instagram
Gemini peut transcrire certains contenus lorsqu’ils lui sont fournis comme fichiers. Une démonstration montre un utilisateur envoyer une vidéo locale, demander sa transcription, puis obtenir un texte structuré avec des repères temporels.
Ce fonctionnement ne décrit pas le traitement d’un Reel accessible uniquement par une URL Instagram. Les deux chemins d’entrée ne sont pas interchangeables : envoyer directement le média donne à l’outil un fichier à analyser, tandis qu’un lien externe dépend de l’accès effectif au contenu par le service.
Ce que Google documente sur la transcription
Google décrit deux modes pour Gemini 3.5 Transcribe : le Live API pour la transcription en continu et l’Interactions API pour les fichiers audio préenregistrés. Google annonce une prise en charge de plus de 85 langues, ainsi que l’attribution des locuteurs et des repères temporels au niveau des mots pour l’audio préenregistré.
Google indique également des taux d’erreur de mots de 4,0 % en streaming et de 2,6 % en traitement non continu. Ces chiffres concernent les workflows de Gemini 3.5 Transcribe décrits par Google ; ils ne permettent pas de conclure qu’un lien Instagram donné sera traité comme un fichier audio ou vidéo accessible.
Lorsqu’un Reel ne peut pas être transmis directement au système, les sous-titres automatiques ou un brouillon de transcription constituent le matériau que Gemini aurait proposé de reformuler. La transcription finale doit donc rester attachée au contenu réellement fourni à l’outil, et non à une réponse générée à partir d’un lien que l’assistant aurait déclaré ne pas pouvoir écouter.
