Outil web d'analyse de "confiance" pour des vidéos d'entretien.

Bonjour,

Nous sommes une startup RH et nous développons une plateforme d'entraînement aux entretiens d'embauche. Nous avons besoin d'un module d'analyse vidéo à intégrer.

L'objectif est qu'un candidat puisse s'enregistrer en vidéo, uploader le fichier, et recevoir un rapport simple sur sa performance.

Fonctionnalités attendues :

Interface d'upload : Une page web simple où l'utilisateur peut uploader un fichier vidéo (ex: .MP4, .MOV).

Traitement en arrière-plan : Une fois la vidéo uploadée, un script doit l'analyser.

Extraction de la transcription : L'outil doit transcrire tout ce que dit l'utilisateur en texte (Français).

L'analyse complexe (le cœur du projet) : L'outil doit analyser l'audio et la transcription pour détecter des "marqueurs de confiance". Nous ne demandons pas d'analyse d'image (visage).

L'outil doit générer un rapport qui liste :

Les mots de remplissage (tics de langage) : Compter le nombre de "euh", "bah", "en fait", "vous voyez", "du coup"...

Les silences : Détecter les pauses de plus de 3 secondes (souvent signe d'hésitation).

Le débit de parole : Indiquer si le débit est globalement "lent", "bon" ou "trop rapide" (en mots par minute).

Livrables attendus :

Une page web fonctionnelle (upload + affichage du rapport).

Le script d'analyse (qui prend une vidéo en entrée et sort un JSON avec les données du rapport).

À préciser dans votre réponse :

Quelles technologies (API, librairies) proposez-vous pour la transcription ?

Comment comptez-vous faire pour détecter et compter les "euh" et autres tics de langage ?

Comment allez-vous mesurer le débit de parole ?

Votre estimation de délai et votre devis.

Merci !