Dans un monde où le contenu viral règne en maître, chaque créateur de vidéos cherche à maximiser les chances de succès de sa vidéo. Mais que se passerait-il si l’on pouvait donner à une vidéo déjà tournée plus de chances de devenir virale sans l’édition manuelle fastidieuse de chaque version ? C’est de cette idée qu’est né le service UNIQ, qui a transformé le « vibecoding » en une chaîne de traitement vidéo efficace.
De l’idée au produit : les débuts de UNIQ
Tout a commencé par une simple question : comment donner à une vidéo déjà tournée plus de chances de devenir virale sans l’édition manuelle de chaque version ? Mon ami, qui publie activement de courtes vidéos, a trouvé une solution qui est devenue le service UNIQ. L’idée est simple : vous envoyez une vidéo, choisissez le nombre de versions (une, cinq ou dix), et en retour, vous recevez des fichiers prêts à être publiés sur Reels, Shorts ou TikTok. Pas d’éditeurs, pas de tracas avec chaque copie.
Au départ, UNIQ était un bot Telegram fonctionnel, capable de traiter des vidéos avec FFmpeg, en modifiant les paramètres de cadre, de tempo, de couleur, de son et en ajoutant des effets. Telegram servait d’interface pratique : vous envoyiez une vidéo, vous receviez les fichiers. Le produit était là, le code était là, mais la question du serveur restait. L’idée a été baptisée « donner une seconde chance à une bonne vidéo ».
Premiers obstacles : du bot local aux solutions serveur
Le prototype, créé avec l’aide de l’IA (mon ami n’est pas programmeur, mais a réussi à concrétiser l’idée), utilisait Python, FFmpeg et SQLite. Pour valider le concept, c’était pratique : je le lançais sur mon Mac, envoyais une vidéo, recevais une copie. Mais dès que les premiers utilisateurs sont apparus, des problèmes ont commencé à surgir :
- Manque d’espace : « Pas assez d’espace libre sur le serveur. Réessayez plus tard. » Mon Mac a rapidement épuisé ses ressources.
- Processus parallèles : Le deuxième utilisateur, apparu lors du test, a cassé le « vibecoding ». Ses actions ne devaient pas attendre la fin des commandes des autres.
Cela a nécessité une refonte de l’architecture. Il était évident que pour la mise à l’échelle et un fonctionnement stable, une infrastructure serveur sérieuse était nécessaire. Aujourd’hui, UNIQ fonctionne sur six VPS, avec son propre panneau de contrôle pour le traitement, une base de données, la surveillance et les mises à jour. Le bot est disponible à l’adresse : @uniqvideobot.
Résolution du problème d’espace disque et de ressources
Pour traiter les fichiers volumineux, nous avons mis en place notre propre API Bot Local. Chaque commande incluait désormais la source, les fichiers temporaires et les copies prêtes. Nous avons ajouté un budget disque et un nettoyage, garantissant que le fichier tiendrait, serait traité avec succès et libérerait de l’espace. L’IA a aidé à écrire rapidement le code, et nous l’avons testé sur des scénarios réels.
Comment un deuxième utilisateur a tout changé : de la programmation «vibe-coding» à la structure
Le deuxième utilisateur, qui a commencé à interagir activement avec le bot, a révélé un problème clé : les blocages. Lorsque FFmpeg traitait la vidéo d’un utilisateur, l’autre ne pouvait pas démarrer sa commande. Cela a conduit à la nécessité de :
- Comprendre qui bloquait qui.
- Déterminer où l’état des processus était stocké.
- Découvrir ce qui pouvait être exécuté en parallèle.
Au lieu d’une réécriture complète en Go, ce qui n’aurait pas résolu le problème de blocage global, nous avons séparé l’attente réseau, les requêtes de base de données et l’encodage. C’est ainsi qu’est apparue la file d’attente des tâches.
Bases de données et tolérance aux pannes : de SQLite à PostgreSQL
Initialement, SQLite était utilisé, pratique pour un prototype. Cependant, pour travailler avec des files d’attente, des transactions concurrentes et la distribution des tâches entre différents VPS, elle s’est avérée insuffisante. Nous sommes passés à PostgreSQL, qui a offert :
- Une base de données commune.
- Des transactions concurrentes.
- Des verrous de ligne.
Cela a permis de garantir que deux gestionnaires ne prendraient pas la même commande, et qu’un appui répété n’entraînerait pas une double réservation de fonds. SQLite est resté pour l’inventaire propre dans le panneau de contrôle.
Gestion du cycle de vie des commandes : Bail, jetons et points de contrôle
Pour assurer la fiabilité du traitement des commandes, en particulier en cas de défaillance, un système de « bail » a été mis en place :
« Tant que A est en vie, il prolonge le bail. Le délai est écoulé – la commande peut être prise par B. »
Cela permet à un autre gestionnaire (B) de reprendre la tâche si le premier (A) est bloqué. Pour éviter les conflits, les éléments suivants sont utilisés :
- Jetons de propriétaire : Chaque enregistrement d’état vérifie le jeton pour que A, une fois réveillé, ne puisse pas modifier une commande déjà traitée par B.
- Points de contrôle (checkpoint) : Points de continuation enregistrés, permettant au gestionnaire B de commencer le travail non pas à zéro, mais à l’endroit où A s’est arrêté.
- Reçus : Protection contre la modification répétée de la commande en cas de perte de réponse de l’API.
Même l’annulation d’une commande est devenue un processus complexe, nécessitant l’arrêt de l’encodage, l’attente des processus enfants et des opérations de fichiers en arrière-plan, avant de fermer la tâche et de supprimer le dossier.

Initialement, le traitement était gratuit, mais pour la monétisation, il a fallu :
- Des pièces de départ.
- Un système de parrainage.
- Des crédits et des achats manuels.
Chaque crédit est stocké dans un lot séparé avec sa propre date d’expiration. Si l’utilisateur annule une commande payée, les pièces sont retournées à leur lot avec la date d’expiration d’origine, et ne « rajeunissent » pas le portefeuille. Cela prévient les abus et assure la stabilité financière.
Exemple : l’utilisateur a 50 pièces, une copie coûte 4. Il commande 5 copies (20 pièces sont réservées). Il annule 3 copies. 8 pièces sont débitées pour les copies terminées, 12 sont libérées de la réserve. Résultat : 42 pièces disponibles, la date d’expiration des pièces retournées reste la même.
Pour le traitement des paiements, Telegram Stars, Yandex.Kassa et GetPlatinum sont intégrés, avec chiffrement des informations d’identification et comptabilité séparée des devises.
Optimisation des performances : S3, PgBouncer et Long Polling
À mesure que la charge augmentait, de nouveaux goulots d’étranglement sont devenus évidents :
- Dépendance de la vidéo vis-à-vis du dossier local : Pour la mise à l’échelle, les vidéos ont été transférées vers S3, et seuls les clés, les tailles et le SHA-256 étaient stockés dans PostgreSQL.
- Connexions à la base de données : Pour éviter de multiples connexions à PostgreSQL pour chaque client, PgBouncer a été mis en œuvre pour mettre en commun les connexions.
- Interrogation constante de la file d’attente : Pour réduire la charge sur la base de données lors de la vérification de la file d’attente, le long polling a été introduit. La requête HTTP attend le travail sans maintenir la connexion SQL.
Séparation de l’encodage et de la livraison
Initialement, le bot préparait toutes les copies, puis les envoyait en une seule fois. Cela entraînait des retards, car la première copie prête attendait les autres. Nous avons séparé l’encodage et la livraison : le worker publie la copie et un point de contrôle, la passerelle l’envoie immédiatement. Cela a considérablement réduit le temps d’attente pour l’utilisateur. Par exemple, lors du traitement de cinq copies, la première copie a été envoyée 131 secondes plus tôt que l’ensemble de la commande n’était prête.
Questions fréquemment posées
Qu’est-ce que UNIQ ?
UNIQ est un service basé sur un bot Telegram qui permet de créer automatiquement plusieurs versions de vidéos pour la publication sur Reels, Shorts ou TikTok à partir d’un seul fichier source, sans montage manuel.
Quelles technologies sont utilisées dans UNIQ ?
UNIQ est basé sur Python, FFmpeg pour le traitement vidéo, PostgreSQL pour la base de données, S3 pour le stockage des fichiers et PgBouncer pour l’optimisation du travail avec la base de données.
Comment UNIQ assure-t-il la tolérance aux pannes ?
La tolérance aux pannes est obtenue grâce à un système de « durée de possession » (lease) pour les tâches, des jetons de propriétaire, des points de contrôle pour reprendre le travail après des pannes et des reçus pour se protéger contre les opérations répétées.
Est-il possible de commander 20 clips à partir d’un flux via UNIQ ?
Actuellement, le service propose un choix de 1, 5 ou 10 versions de vidéo. La possibilité de découper en masse plus de 100 clips ou 20 à partir d’un flux pourrait être mise en œuvre à l’avenir, en fonction des besoins des utilisateurs.
Combien de temps prend le découpage vidéo ?
Le temps de découpage dépend de la longueur et de la complexité de la vidéo originale, ainsi que du nombre de copies demandées. Grâce à la séparation de l’encodage et de la livraison, les premières copies sont livrées à l’utilisateur beaucoup plus rapidement que l’ensemble de la commande n’est terminée.
Conclusion : développement et optimisation continus
Le parcours d’UNIQ, du vibecoding au service stable, est une histoire de résolution de problèmes et d’optimisation continus. Chaque nouvel utilisateur et chaque erreur sont devenus un catalyseur pour l’amélioration de l’architecture. Nous avons appris non seulement à « ajouter un serveur », mais aussi à comprendre précisément où et pourquoi l’ajouter. Le système est maintenant prêt à être mis à l’échelle, et nous continuons à travailler à l’amélioration de l’expérience utilisateur. Optimisez vos processus et atteignez une productivité maximale !
