Combien de temps prend la rédaction d’un compte-rendu après une heure de réunion ? Avec un system prompt structuré et la transcription brute collée dans Claude ou ChatGPT, un compte-rendu exploitable sort en moins de 5 minutes, sans bot d’enregistrement tiers ni abonnement supplémentaire. Il inclut déjà les décisions et les actions. L’outil n’est presque jamais en cause : l’absence de méthode répétable explique la plupart des blocages, avec 14 prompts éparpillés dans des Notion différents, une équipe qui rédige au feeling, un compte-rendu qui change de structure à chaque réunion. La méthode ci-dessous tient dans une page et se copie telle quelle.
Pourquoi automatiser change la donne
Le temps perdu en réunions improductives a doublé depuis 2019, à 5 heures par semaine et par salarié (Asana, rapport State of Work Innovation, 2024). Un rapport de la London School of Economics chiffre à 259 milliards de dollars par an le coût de ces réunions pour les entreprises américaines (2024). La rédaction du compte-rendu pèse dans ce total : c’est souvent la tâche reportée en fin de journée, puis oubliée. Un prompt qui produit le même format à chaque fois sort cette tâche du calendrier mental, sans ajouter un outil de plus à la pile logicielle déjà en place.
Ce qu’il faut avant de lancer le prompt
Trois éléments suffisent. Une transcription brute ou des notes prises en direct, même désordonnées. Un accès à un modèle capable d’absorber tout le texte d’un coup. Claude et ChatGPT conviennent tous les deux. Un system prompt sauvegardé une fois pour toutes, dans un Custom GPT ou dans un projet Claude dédié. Vous n’avez pas besoin d’un enregistreur dédié pour la longueur du texte. Une réunion d’une heure produit environ 9 000 mots, soit 12 000 tokens. Un modèle comme Claude Opus, qui gère une fenêtre de contexte d’un million de tokens depuis 2026 (Anthropic), en traite l’équivalent de 80 fois sans effort.
- Une transcription (Zoom, Teams, Meet) ou des notes manuscrites tapées telles quelles
- Un compte Claude ou ChatGPT avec accès à un modèle récent (Claude Opus 4.7, GPT-5)
- Un system prompt enregistré une seule fois, réutilisable à chaque réunion
Récupérer une transcription exploitable sans bot dédié
Zoom, Teams, Google Meet : la transcription native tourne déjà en arrière-plan, gratuitement, sans installation. La qualité suffit pour la suite : le modèle restructure le texte, il ne le relit pas mot à mot. Les fiches produit 2026 annoncent une précision de 95 % pour Otter, 92 % pour Fathom et entre 90 et 93 % pour Fireflies. Un écart de quelques points ne change rien au résultat final, tant que les noms propres et les chiffres restent lisibles. Pour une réunion sans enregistrement, des notes tapées en direct pendant l’échange font aussi l’affaire. Le prompt de l’étape suivante absorbe le désordre.
Construire un system prompt réutilisable pour le compte-rendu
Le prompt se sauvegarde une fois. Il tourne ensuite à chaque réunion sans retouche. Un seul gabarit réutilisé bat une liste de 50 prompts à trier avant chaque réunion. La structure fixe règle aussi le problème de cohérence : chaque sortie respecte le même format, peu importe qui lance la génération dans l’équipe. Ce texte se colle dans les instructions d’un Custom GPT ou dans le system prompt d’un projet Claude. Une Claude Skill déclenchée par mot-clé fait aussi l’affaire.
Copiez ce texte : « Tu rédiges des comptes-rendus de réunion professionnels à partir d’une transcription brute ou de notes en vrac. Produis un texte en 4 blocs : Résumé (3 à 5 phrases), Décisions (une ligne par décision, formulée à l’affirmative), Actions (responsable, tâche, échéance), Points en suspens (sujets non tranchés). N’invente aucun nom, aucune date, aucun chiffre absent du texte source. Si une information manque, écris ‹à confirmer› plutôt que de la déduire. Exemple de sortie attendue sur un extrait test : Décision, le budget Q3 passe à 40 000 euros, validé par Claire. Action, Marc envoie le devis fournisseur avant vendredi. Traite maintenant le texte suivant : » Collez la transcription juste après les deux points.
L’exemple intégré dans le prompt fait tout le travail. C’est du few-shot prompting appliqué à un cas précis : montrer une sortie correcte vaut mieux qu’une longue liste de consignes. Le modèle copie le format de l’exemple sur n’importe quelle réunion, aussi bien pour un standup de 15 minutes que pour un comité de pilotage d’une heure.
Lancer la génération et vérifier trois points
Collez la transcription et envoyez le message. Le résultat arrive en quelques secondes. Trois vérifications avant diffusion évitent l’essentiel des erreurs. D’abord les noms propres : un outil de transcription confond régulièrement deux prénoms proches phonétiquement. Le modèle ne corrige pas ce qu’il ne voit pas. Ensuite les échéances : une date relative comme «vendredi prochain» doit être convertie en date précise avant l’envoi. Enfin les décisions ambiguës : si la transcription contient un débat non tranché, le compte-rendu doit afficher «à confirmer», jamais un choix inventé. Ne diffusez jamais un compte-rendu sans relire les échéances et les noms propres. Cinq minutes suffisent, montre en main, sur une transcription d’une heure de réunion.
Ce que les bots d’enregistrement ajoutent, en risque et en coût
Otter, Fireflies, Fathom vendent un service différent : un bot assiste à la réunion, l’enregistre, puis archive la vidéo pour plus tard. Ce service coûte cher. Le risque juridique s’ajoute à la facture. Le site juridique National Law Review rapportait en 2025 la plainte Brewer v. Otter.ai, qui accuse l’outil d’enregistrer sans consentement explicite et d’utiliser les échanges pour entraîner ses modèles. Une plainte distincte déposée en Illinois en décembre 2025 vise Fireflies.ai pour collecte de données biométriques vocales sans consentement, au titre de la loi BIPA. Aucun des deux outils n’héberge ses données en France par défaut, un point que soulève régulièrement le RGPD pour les réunions confidentielles.
« La majorité des assistants IA pour réunions sont des sociétés américaines qui traitent les données sur des serveurs situés aux États-Unis. » (DPO Partage, site spécialisé conformité RGPD, 2026)
La méthode par system prompt évite ce risque : la transcription reste dans la fenêtre de discussion, sous les paramètres de rétention déjà négociés avec le fournisseur du modèle. Le coût suit la même logique. Au tarif Sonnet 4.5 d’Anthropic, 3 dollars par million de tokens en entrée (2026), traiter une transcription d’une heure revient à une fraction de centime. Un abonnement Fireflies ou Otter facture, lui, un forfait mensuel par utilisateur, que la réunion dure 10 minutes ou 2 heures.
Un bot dédié garde son intérêt sur l’audio en direct : sous-titres visibles pendant l’appel et identification automatique de chaque intervenant. L’archivage vidéo consultable après coup reste, lui aussi, un service à part. La méthode décrite ici transforme un texte déjà écrit, sans capturer l’audio directement.
Pièges courants
Copier un prompt trouvé sur un blog sans l’adapter au type de réunion produit un compte-rendu générique, creux, difficile à exploiter. Un standup de 15 minutes n’a pas besoin d’un résumé de 5 phrases. Deuxième piège : empiler plusieurs réunions dans la même conversation pour gagner du temps. Le modèle mélange alors les sujets et les responsables d’une réunion à l’autre. Une conversation par réunion, un prompt par sortie. Troisième piège : ignorer un nom mal transcrit parce que le texte final semble propre. Un compte-rendu propre en apparence peut assigner une action au mauvais responsable, avec toutes les conséquences que ça implique sur un projet en cours.
La suite logique : pousser le compte-rendu sans copier-coller
La méthode décrite ici demande encore un geste manuel : copier le texte généré vers Notion ou Slack. Un MCP server connecté à l’outil de destination supprimerait cette dernière étape, en laissant un agent pousser directement le compte-rendu au bon endroit dès la fin de la génération. Cette orchestration relève de l’IA agentique plutôt que du simple prompt : un chantier pour un autre article.
