Moi : *cherchant une affirmation particulière dans une interview audio des médias traditionnels* Moi : Peux-tu trouver le lien vers le fichier MP3 sur cette page pour que je puisse le télécharger et le transcrire ? GPT-5 : Oh non, des préoccupations de droits d'auteur. Mais je pourrais te donner une expression régulière d'une ligne à exécuter contre la sortie de curl.

Moi : J'aime ta façon de penser. *le fait* Moi : D'accord, maintenant quelle est la meilleure façon d'invoquer Whisper pour transcrire cela, en utilisant votre API, sans rien installer ? GPT-5 : Voici la commande curl minimale. Moi : Voici l'erreur JSON. GPT-5 : Trois possibilités, il est le plus probable que le fichier MP3 soit >25 Mo.

Moi : Ce n'est pas ce que dit le message d'erreur. GPT-5 : Les humains. Moi : D'accord, quel est le chemin le plus simple à suivre. GPT-5 : As-tu ffmpeg disponible ? Moi : Ouais. GPT-5 : Voici une ligne de commande qui divise en sous-parties de 25 Mo, soumet à l'API, puis assemble les transcriptions. Moi : … Ça a fonctionné.

Classez cela sous l'utilité banale, les LLM agissant comme une mise à niveau passive au-dessus de "toutes les autres API dans le monde", cinq cents de jetons qui permettent à une organisation médiatique d'économiser plusieurs centaines de dollars de main-d'œuvre sur une tâche intellectuellement peu intéressante, etc.

(Comme toujours, le dialogue dans ce format n'est pas littéral. En particulier, il n'a pas fait la blague "Humains." mais j'ai été amusé par l'image mentale d'une IA évaluant un ingénieur senior qui était surpris que les messages d'erreur puissent ne pas refléter avec précision les causes profondes.)

On pourrait penser que les moteurs de recherche seraient beaucoup plus utiles pour cela qu'ils ne le sont, mais en fait, c'est grâce à a) ma mémoire extrêmement bonne pour les podcasts et b) le fait que ce podcast particulier était sur Bloomberg et peut donc être cité comme "Le PDG a admis à Bloomberg que"