Tech • IA • Robotique • Jeu
Comment je me suis construit un « deuxième cerveau » IA (Obsidian + Claude Code)
6/10INTRO
Un projet innovant permet de transformer un grand modèle de langage (LLM) en un deuxième cerveau personnel, capable de compiler, organiser et enrichir automatiquement des connaissances dans un wiki persistant utilisant Obsidian.
POINTS CLÉS
Concept du deuxième cerveau persistant
Inspiré par un tweet viral de Carpati, cofondateur d'OpenAI et ancien dirigeant de l'IA chez Tesla, ce projet repose sur la création d’un wiki intelligent, auto-entretenu et évolutif. Contrairement aux Memory LLM traditionnels qui piochent des extraits à chaque requête, ce système compile une base de connaissances consolidée et persistante.
Problématique des LLM classiques
Les modèles de langage comme Claude disposent de ce que l’on qualifie de "mémoire de poisson rouge": ils oublient les échanges passés à chaque nouvelle session. Les méthodes existantes comme le Retrieval-Augmented Generation (RAG) impliquent de relire intégralement les sources à chaque requête, sans construire une mémoire persistante.
Architecture en trois couches
Le modèle proposé s’organise en trois couches distinctes. La première couche stocke les sources brutes (PDF, articles, transcriptions) que le LLM lit sans modifier. La deuxième couche est un wiki en fichiers Markdown (.md) structurés, que le LLM actualise continuellement. La troisième couche est un fichier cloud.md, sorte de schéma directeur définissant les conventions, la structure et la gouvernance de tout le système.
Rôle d’Obsidian
Obsidian, éditeur Markdown gratuit et local, est choisi pour héberger ce wiki. Ses avantages majeurs sont sa nature locale (pas de dépendance au cloud), son format texte universel (.md), et la visualisation graphique des connexions entre notes grâce au Graph View. Cela garantit une totale propriété et pérennité des données.
Fonctionnement du modèle
Le LLM agit comme un programmeur, Obsidian comme un IDE et le wiki comme une base de code. En enrichissant continuellement le wiki avec les nouvelles connaissances, le système "s’autocompile" et s’auto-optimise, améliorant la cohérence et l’interconnexion des données au fil du temps.
Processus d’installation et mise en place
Il est facile de démarrer avec ce deuxième cerveau. Après avoir téléchargé et installé Obsidian, un "vault" (coffre fort) est créé pour une thématique, par exemple une veille en IA. Le fichier cloud.md (schéma) et d’autres fichiers de commandes prédéfinies (ingest.md, lint.md, query.md, save.md) sont mis en place, souvent disponibles via GitHub.
Ingestion automatique de contenus
Grâce à l’extension navigateur Obsidian Web Clipper, n’importe quelle page web ou article intéressant peut être converti en fichier Markdown et importé directement dans le dossier de sources ("raw"). Le LLM va ensuite ingérer ces données, en extraire les concepts clés, et produire des pages de synthèse reliées entre elles (comme dans Wikipédia), créant un réseau de connaissances enrichi.
Exemple concret avec des articles d’actualité IA
En ingérant plusieurs articles, le système a créé des fichiers décrivant des projets comme Glass Wing, lié à la sécurité chez OpenAI, et a détecté les interconnexions entre concepts comme l’attaque supply chain d’Axios, la faille Zero Day sur FreeBSD, ou encore des outils liés à Anthropic.
Interaction intelligente et synthèse
Le LLM peut répondre aux questions sur la base de connaissances enrichie et en proposer une synthèse qu’il classe automatiquement comme une nouvelle entrée dans le wiki. Cette boucle permet de maintenir la cohérence et la mise à jour permanente du cerveau numérique.
Fonctions avancées pour la qualité des données
Des commandes de vérification ("lint") permettent d’évaluer la qualité des informations, détecter des incohérences ou erreurs, garantissant la fiabilité de la base de connaissances.
Un outil polyvalent pour différents usages
Ce deuxième cerveau numérique s’adresse tant aux personnes assurant une veille technique que aux développeurs cherchant un contexte riche et évolutif pour leurs projets. Il peut fédérer des informations personnelles, professionnelles et techniques en un seul endroit structuré.
Avantages majeurs
Ce système évite la répétition de travail liée aux accès fragmentés aux sources, permet un apprentissage continu et construit une mémoire vivante et croissante de l’utilisateur. Tout est stocké localement dans un format ouvert, assurant sécurité, propriété et pérennité.
Perspectives
En transformant la connaissance en un code vivant, cette approche pourrait révolutionner la manière dont les individus gèrent leurs savoirs et projets, offrant un assistant intelligent capable d’apprendre, organiser et synthétiser en continu sans perte d’informations.
Adoption et expansion
Avec déjà plus de 5000 étoiles sur GitHub en une semaine, cette méthodologie séduit la communauté technologique, confirmant son potentiel disruptif dans la gestion personnelle des connaissances à l’ère de l’intelligence artificielle.
Ce projet démocratise l’idée d’un assistant cognitif personnel puissant et auto-évolutif, architecturé autour de technologies ouvertes et familières, capables de supporter des mémoires étendues et dynamiques, adaptées aux besoins individuels complexes.
Explique-moi